Программа Software University

Интернет вещей, ИИ и машинное самообучение

Наши программы дают студентам возможность пройти обучение корпоративного уровня по доступной цене и получить общепризнанный в отрасли сертификат.

Интернет вещей, ИИ и технологии машинного самообучения

В современном мире данных организации должны иметь возможность преобразовывать массивные объемы данных в ценную аналитическую информацию без снижения темпов работы. Инструменты для управления данными и их анализа — важнейший фактор эффективного использования технологий Интернета вещей, кадровых и физических ресурсов. В число 10 самых востребованных областей знаний в 2018 году вошли большие данные, искусственный интеллект (ИИ) и аналитика данных. Потребность в средствах обработки больших объемов данных постоянно растет.

В рамках программы Micro Focus Software University студенты осваивают базовые понятия, принципы и фундаментальные подходы к решению задач с помощью технологий машинного самообучения, Интернета вещей и аналитической платформы Vertica. Эта аналитическая платформа предназначена для использования в больших хранилищах данных, где скорость, масштабируемость, простота работы и открытость — ключевые показатели эффективности.

Рассматриваемые темы

  • Архитектура требований к компонентам, устройствам, оборудованию и программному обеспечению Интернета вещей
  • Различные уровни инфраструктуры Интернета вещей. Встроенные системы и микроконтроллеры
  • Работа с большими данными и развертывание инструментов для аналитики данных
  • Интерфейс Arduino & Raspberry Pi для протоколов USB, HDMI и Ethernet, используемых для устройств Интернета вещей
  • Управление физическими устройствами Интернета вещей: выключателями, двигателями и датчиками
  • Написание кода для компонентов и систем Интернета вещей
  • Поддержка технологий Интернета вещей, безопасность, тестирование, соответствие требованиям и управление данными
  • Разработка интеллектуальных средств для решения конкретных задач: поиска, игр, машинного самообучения, решения задач с логическими ограничениями, систем на основе данных, вероятностных моделей и автоматизации принятия решений
  • Изучение принципов работы, основных функций, операций и процессов TensorFlow
  • Углубленное изучение принципов работы моделей машинного самообучения на примерах

release-rel-2020-10-1-5313 | Wed Oct 14 18:06:08 PDT 2020
5313
release/rel-2020-10-1-5313
Wed Oct 14 18:06:08 PDT 2020