人工智能训练师（四级）
模块0 人工智能训练师职业认知
学习单元1 人工智能概论
学习单元2 人工智能训练师岗位认知
模块1 数据采集和处理
课程1-1 业务数据采集
学习单元1 文本与图片数据采集（爬虫）
学习单元2 视频数据采集
学习单元3 语音数据采集
课程1-2 业务数据处理
学习单元1 文本数据清洗
学习单元2 图像数据清洗
模块2 原始数据标注
学习单元1 文本数据标注
学习单元2 图像数据标注
学习单元3 语音数据标注
模块3 使用Excel进行分类统计
模块4 数据归类和定义
学习单元1 聚类分析
学习单元2 回归分析
学习单元3 关联分析
模块5 标注数据审核
学习单元1 标注数据质量检验基础知识
学习单元2 图像和视频标注数据质量检验
学习单元3 语音标注数据质量检验
学习单元4 文本标注数据质量检验
模块6 智能系统运维
学习单元1 智能系统运维基础
学习单元2 系统功能日志维护
学习单元3 常见智能系统介绍
学习单元4 使用Docker进行系统安装部署
附加0 工作中常用的人工智能软件
-
+
首页
模块4 数据归类和定义
```mindmap # 数据分析 ### 聚类分析 ### 回归分析 ### 关联分析 ``` - 探索性数据分析（Exploratory Data Analysis, EDA）： - `聚类分析`：在EDA中，聚类分析用于发现数据中的自然分组，帮助研究者理解数据的结构。 - `关联分析`：关联分析，特别是市场篮子分析，是EDA的一部分，用于发现变量之间的关联规则。 - 预测性数据分析（Predictive Data Analysis）： - `回归分析`：回归分析是预测性数据分析的核心技术之一，用于预测因变量与一个或多个自变量之间的关系。 - 统计学习（Statistical Learning）： - 这三种分析技术都是统计学习的一部分，它们用于从数据中提取模式和洞察，以便构建预测模型或理解变量之间的关系。 - 数据挖掘（Data Mining）： - 聚类分析、回归分析和关联分析都是数据挖掘的关键技术。数据挖掘旨在从大量数据中提取有价值的信息和知识。 - 机器学习（Machine Learning）： - 在机器学习中，这些分析技术可以用来训练模型，以便进行预测或分类任务。 - 商业智能（Business Intelligence, BI）： - 在商业智能领域，这些分析技术用于帮助企业理解市场趋势、客户行为和运营效率。
张龙
2024年8月5日 09:20
转发文档
收藏文档
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
Markdown文件
分享
链接
类型
密码
更新密码