Искусственный интеллект: основы
Курс «Искусственный интеллект: основы» направлен на первичное знакомство с искусственным интеллектом, анализом данных, машинным обучением. Он поможет освоить классы и методы основных решаемых на сегодняшний день задач искусственного интеллекта и их приложений.
О курсе
Курс может быть полезен слушателям, интересующимся современными тенденциями в области искусственного интеллекта и машинного обучения. Он позволит составить первичное понимание предметной области, разобраться в классах решаемых задач, используемых методах решения, областях приложения результатов.
Каждый модуль курса включает видеолекции, презентации, ссылки на рекомендованные источники по теме и другие материалы. Для формирования практических навыков используются не только тестовые задания, но и кейсы.
В результате освоения онлайн-курса обучающиеся поймут специфику задач классификации, регрессии и кластеризации, сформируют навыки идентификации задач обучения с учителем и без учителя, познакомятся с основными используемыми в машинном обучении методами, рекомендательными системами, ассоциативными правилами и ансамблями: стекингом, бэггингом, бустингом. В рамках курса мы коснемся также проблем глубокого, или глубинного, обучения, нейросетевых методов. Слушатели узнают, что такое логистическая регрессии, как ей пользоваться и в каких бизнес-процессах логистические модели могут быть внедрены.
Продолжением обучения в данной сфере может стать онлайн-курс СПбГУ «Машинное обучение: основы».
Требования
Для успешного освоения курса необходимы базовые знания в области информатики.
Программа курса
Модуль 1. Введение, история, определения, интеграция
Модуль 2. Классификация и регрессия
Модуль 3. Кластеризация, рекомендательные системы
и ассоциативные правила
Модуль 4. Ансамбли: стекинг, бэггинг, бустинг
Модуль 5. Глубокое обучение и нейронные сети
Результаты обучения
По завершении этого курса обучающиеся будут:
Знать:
- фундаментальные научные принципы и методы исследований;
- классы методов и алгоритмов машинного обучения;
- специфику сфер и отраслей, для которых реализуется проект по аналитике больших данных.
Уметь:
- адаптировать фундаментальные и новые научные принципы и методы исследований с целью практического применения;
- ставить задачи и разрабатывать новые методы и алгоритмы машинного обучения;
- решать задачи по руководству коллективной проектной деятельностью для создания, поддержки и использования комплексных систем на основе аналитик больших данных.
Владеть:
- навыками адаптации известных научных принципов и методов исследований с целью их практического применения;
- навыками решения профессиональных задач на основе применения новых научных принципов и методов исследования;
- навыками постановки задач по разработке и совершенствованию методов и алгоритмов для решения комплекса задач предметной области;
- навыками осуществления руководства проектом по построению комплексных систем на основе аналитики больших данных в различных отраслях.
