با ادغام بیشتر و بیشتر هوش مصنوعی در برنامه‌ها و گردش‌های کاری سازمانی، معماری سیستم‌های هوش مصنوعی قوی و مقیاس‌پذیر اهمیت بیشتری پیدا می‌کند، به خصوص اگر دانشمند داده یا مهندس هوش مصنوعی باشید. فراتر از تسلط بر تکنیک‌ها و فن‌آوری‌های یادگیری ماشین، یک مهندس که در هوش مصنوعی کار می‌کند باید بتواند از تخصص در معماری خطوط لوله هوش مصنوعی و ML استفاده کند که به نتایج تجاری در مقیاس برسد. در این دوره، مربی Kumaran Ponnambalam بر روی تصویر بزرگ گرد هم آوردن مدل ها، داده ها، برنامه ها و زیرساخت ها برای ایجاد معماری های قوی تمرکز می کند. در پایان این دوره، شما برای طراحی، مدیریت و رعایت بهترین شیوه ها برای الگوهای معماری مختلف - از جمله دسته ای، بلادرنگ، ابری و ترکیبی آماده خواهید شد.

مجموعه Excel Workshop نشان می دهد که چگونه می توان مهارت های کلیدی علم داده و تجزیه و تحلیل را از طریق یادگیری کاربردی در Excel توسعه داد. در این دوره، کریس داتون بر استفاده از داده های بلادرنگ از یک API وب و داده های تکمیلی از مرکز ملی داده های آب و هوایی (NCDC) برای درک و تعیین کمیت تأثیر الگوهای آب و هوا بر میزان تصادفات تمرکز می کند.

rnrn سپس نحوه استفاده از VLOOKUP برای پیوستن به داده ها را بیابید و از عبارات COUNTIF برای تجزیه و تحلیل روندها استفاده کنید. هنگامی که داده های تاریخی در جای خود قرار گرفتند، کریس نحوه استفاده از توابع قدرتمند WEBSERVICE و FILTERXML اکسل را نشان می دهد تا مستقیماً به API Weather Underground ضربه بزنید، که اطلاعات آب و هوای زمان واقعی را برای هر مکان ارائه می دهد و به شما امکان می دهد نرخ تصادفات را بر اساس شرایط فعلی تخمین بزنید.< br>
rnrn