CertNexus

Certified Artificial Intelligence Practitioner (CAIP)

(AIP-110.AK1) / आईएसबीएन : 978-1-64459-224-3
Lessons
Lab
TestPrep
AI Tutor (ऐड ऑन)
97 समीक्षा
निःशुल्क परीक्षण प्राप्त करें

कौशल जो आपको प्राप्त होंगे

प्रमाणित आर्टिफिशियल इंटेलिजेंस प्रैक्टिशनर प्रमाणन परीक्षा उन पेशेवरों के लिए डिज़ाइन की गई है जो AI के भीतर एक विक्रेता-तटस्थ, क्रॉस-इंडस्ट्री कौशल सेट का प्रदर्शन करना चाहते हैं और AI समाधान या वातावरण को डिज़ाइन, कार्यान्वित और हैंडऑफ़ करने के लिए मशीन लर्निंग पर ध्यान केंद्रित करते हैं। प्रमाणन परीक्षा उम्मीदवार के AI अवधारणाओं, प्रौद्योगिकियों और उपकरणों के ज्ञान को साबित करेगी जो उन्हें AI से संबंधित नौकरी के विभिन्न प्रकारों में एक सक्षम AI व्यवसायी बनने में सक्षम बनाएगी।
पाठ्यक्रम रूपरेखा डाउनलोड करें

1

Introduction

  • Course Description
  • How to use this Course
  • Course-Specific Technical Requirements
2

Solving Business Problems Using AI and ML

  • Topic A: Identify AI and ML Solutions for Business Problems
  • Follow a Machine Learning Workflow
  • Topic C: Formulate a Machine Learning Problem
  • Topic D: Select Appropriate Tools
  • Summary
3

Collecting and Refining the Dataset

  • Topic A: Collect the Dataset
  • Topic B: Analyze the Dataset to Gain Insights
  • Topic C: Use Visualizations to Analyze Data
  • Topic D: Prepare Data
  • Summary
4

Setting Up and Training a Model

  • Topic A: Set Up a Machine Learning Model
  • Topic B: Train the Model
  • Summary
5

Finalizing a Model

  • Topic A: Translate Results into Business Actions
  • Topic B: Incorporate a Model into a Long-Term Business Solution
  • Summary
6

Building Linear Regression Models

  • Topic A: Build Regression Models Using Linear Algebra
  • Topic B: Build Regularized Regression Models Using Linear Algebra
  • Topic C: Build Iterative Linear Regression Models
  • Summary
7

Building Classification Models

  • Topic A: Train Binary Classification Models
  • Topic B: Train Multi-Class Classification Models
  • Topic C: Evaluate Classification Models
  • Topic D: Tune Classification Models
  • Summary
8

Building Clustering Models

  • Topic A: Build k-Means Clustering Models
  • Topic B: Build Hierarchical Clustering Models
  • Summary
9

Building Decision Trees and Random Forests

  • Topic A: Build Decision Tree Models
  • Topic B: Build Random Forest Models
  • Summary
10

Building Support-Vector Machines

  • Topic A: Build SVM Models for Classification
  • Topic B: Build SVM Models for Regression
  • Summary
11

Building Artificial Neural Networks

  • Topic A: Build Multi-Layer Perceptrons (MLP)
  • Topic B: Build Convolutional Neural Networks (CNN)
  • Topic C: Build Recurrent Neural Networks
  • Summary
12

Promoting Data Privacy and Ethical Practices

  • Topic A: Protect Data Privacy
  • Topic B: Promote Ethical Practices
  • Topic C: Establish Data Privacy and Ethics Policies
  • Summary
A

Appendix A

  • Mapping Certified Artificial Intelligence (AI) P...oner (Exam AIP-110) Objectives to Course Content

1

Collecting and Refining the Dataset

  • Examining the Structure of a Machine Learning Dataset
  • Loading the Dataset
  • Exploring the General Structure of the Dataset
  • Analyzing a Dataset Using Statistical Measures
  • Module 1 Lab
  • Splitting the Training and Testing Datasets and Labels
2

Setting Up and Training a Model

  • Setting Up a Machine Learning Model
  • Dealing with Outliers
  • Scaling and Normalizing Features
  • Module 2 Lab
3

Building Linear Regression Models

  • Building a Regression Model using Linear Algebra
  • Building a Linear Regression Model to Predict Diabetes Progression
  • Building a Regularized Linear Regression Model
  • Building an Iterative Linear Regression Model
4

Building Classification Models

  • Creating a Logistic Regression Model to Predict Breast Cancer Recurrence
  • Training Binary Classification Models
  • Training a Multi-Class Classification Model
  • Evaluating a Classification Model
  • Tuning a Classification Model
5

Building Clustering Models

  • Building a k-Means Clustering Model
  • Building a Clustering Model for Customer Segmentation
  • Building a Hierarchical Clustering Model
6

Building Decision Trees and Random Forests

  • Building a Decision Tree Model
  • Building a Random Forest Model
7

Building Support-Vector Machines

  • Building an SVM Model for Classification
  • Building an SVM Model for Regression
8

Building Artificial Neural Networks

  • Building an MLP

कोई प्रश्न? FAQ देखें

क्या आपके पास अभी भी अनुत्तरित प्रश्न हैं और आपको संपर्क करने की आवश्यकता है?

हमसे अभी संपर्क करें

प्रमाणन परीक्षा के लिए कोई औपचारिक पूर्वापेक्षाएँ नहीं हैं।

कोई आवेदन शुल्क नहीं

पियर्सन वीयू

बहुविकल्पीय/बहुप्रतिक्रिया

परीक्षा में 80 प्रश्न होंगे।

120 मिनट

60%

कोई भी उम्मीदवार जो पहले प्रयास में CertNexus प्रमाणन परीक्षा उत्तीर्ण नहीं कर पाता है, वह प्रारंभिक परीक्षा देने के 30 कैलेंडर दिनों के बाद एक निःशुल्क रीटेक के लिए पात्र होता है। सभी CertNexus प्रमाणन परीक्षा वाउचर में एक निःशुल्क रीटेक शामिल होता है। उम्मीदवारों को पहले निःशुल्क रीटेक के बाद किसी भी बाद के प्रयास के लिए एक और वाउचर खरीदना होगा।

घोषित किया जाना है

AIP-110 के बारे में अधिक जानें

Certified Artificial Intelligence Practitioner (CAIP)

$279.99

अभी खरीदें

संबंधित कोर्स

सभी पाठ्यक्रम