III уровень Искусственный интеллект

Прикладной искусственный интеллект

Университет ИТМО

72 часа длительность

Онлайн формат

Базовый уровень

Описание

Программа посвящена технологиям интеллектуального анализа больших объемов данных. В настоящее время ИКТ изменили всю нашу жизнь — и личную, и производственную сферы. В первую очередь, это связано с накоплением во всех областях детальности человека огромных массивов данных, которые нужно уметь находить, извлекать, структурировать, сохранять в компактном виде, быстро находить необходимые элементы, агрегировать и анализировать. Анализ данных может помочь решить множество профессиональных задач, например, такие: каков ожидаемый спрос на тот или иной товар? Когда этот спрос был максимальным? Каковы тенденции в изменении цен на рынке? И т.д. Наука о данных занимается большим спектром вопросов. Этот курс дает базовые навыки применения методов машинного обучения и искусственного интеллекта к интеллектуальному анализу данных. Вы узнаете, какие задачи решает машинное обучение, познакомитесь с методами решении задач обучения с учителем: регрессии и классификации, а также обучения без учителя: кластеризации; окунетесь в мир искусственного интеллекта и узнаете о новых способах представления знаний, а также о методах анализа графических и текстовых данных. Курс не требует специальных начальных навыков, доступен тем, кто является пользователем ПК, имеет навык работы с операционной системой Windows, владеет пакетом офисных программ, умеет искать информацию в сети Internet. Навыков программирования не требуется. Курс носит практикоориентированный характер. При выполнении упражнений пользователи будут использовать электронные таблицы и инструмент Azure ML Studio. Для работы с курсом требуется компьютер с выходом в интернет - для выполнения упражнений не потребуется установка программных средств на свой компьютер, все рекомендуемые в курсе инструменты доступны удаленно.

Цель программы

Дать базовые навыки применения методов машинного обучения и искусственного интеллекта к интеллектуальному анализу данных, в частности — текстовых и графических

Требования

Высшее или среднее специальное образование

Базовый уровень цифровой культуры: умение работать с офисными программами, с файловой системой, пользоваться сетью Internet

Основы статистики

Иные требования и рекомендации для обучения по программе

Высшее или среднее специальное образование

Основы статистики

Модули

свернуть

Модуль 1 Методы машинного обучения

Тема 1.1 Введение в машинное обучение Рассматриваются основные задачи, ветки и методы машинного обучения, а также необходимый для дальнейшего аппарат статистики. Тема 1.2 Задача регрессии Рассматриваются модели простейшей и множественной регрессии. Дается представление о полиномиальной регрессии. Тема 1.3 Задача классификации: метрический подход Рассматривается метрический подход к решению задачи классификации на примере алгоритма k-NN и его обобщений. Тема 1.4 Задача классификации: вероятностный подход Рассматривается вероятностный подход к решению задачи классификации на примере наивного байесовского классификатора и его обобщений. Тема 1.5 Задача кластеризации Рассматривается применение алгоритмов k-means и иерархической кластеризации к решению задачи кластеризации.

Подробнее

Модуль 2 Прикладные задачи искусственного интеллекта

Тема 2.1. Искусственный интеллект в сегменте потребительских товаров и услуг Рассматривается применение методов искусственного интеллекта в сегменте потребительских товаров и услуг. Тема 2.2 Искусственный интеллект в сегменте пассажирских перевозок Рассматривается применение методов искусственного интеллекта в сегменте пассажирских перевозок. Тема 2.3 Графы знаний Рассматривается современный способ представления и хранения знаний — графы знаний. Тема 2.4 Автоматическая обработка текстов Рассматривается понятие NLP — прикладной области знаний, занимающейся обработкой естественного языка. Тема 2.5 Анализ изображений и видео Рассматриваются основные понятия анализа изображений и компьютерного зрения.

Подробнее

Модуль 1 Методы машинного обучения

Подробнее

Модуль 2 Прикладные задачи искусственного интеллекта

Подробнее