Введение в искусственный интеллект

Курс является вводным и знакомит слушателей с основами науки о данных и принципами работы искусственного интеллекта. Курс будет интересен и полезен не только тем, кто уже знаком с основами анализа данных и программированием, но и тем, кто не имеет бэкграунда в этой области.

За последние десятилетия во многих областях науки и индустрии стали накапливаться большие объемы данных, а также стали развиваться методы машинного обучения, позволяющие извлекать из этих данных знания и экономическую пользу. Сегодня методы анализа данных позволяют решать настолько сложные задачи, что в применении к ним всё чаще используют термин “искусственный интеллект”.

Задача онлайн курса от НИУ ВШЭ — дать слушателям базовое представление о методах искусственного интеллекта, познакомить с терминологией и научить применять некоторые из методов для решения несложных задач. В процессе обучения вы дистанционно узнаете больше о мире искусственного интеллекта, его методах и даже самостоятельно попробуете обучать несложные модели на готовых данных.

Курс состоит из 12 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. В открытом доступе вы можете ознакомиться с видеолекциями первых двух недель, остальные материалы станут доступны после оплаты курса. 

1. Смолин Д. В. Введение в искусственный интеллект: конспект лекций. Учебное пособие. М: ФИЗМАТЛИТ, 2007. 
2. Osondu O. A First Course in Artificial Intelligence. Bentham Science Publishers Ltd., 2021.
3. Алексеева И.Ю. Интеллект и технологии: монография. М: Проспект, 2016.

Перед изучением курса мы рекомендуем вам изучить курсы Цифровая грамотность, Основы программирования на Python, Статистика для анализа данных и Сбор и анализ данных в Python.

1. Введение в искусственный интеллект.
2. Введение в машинное обучение.
3. Машинное обучение в задачах классификации.
4. Введение в машинное обучение: кластеризация и визуализация данных.
5. Введение в теорию вероятностей.
6. Введение в математическую статистику.
7. A/B тестирование.
8. Основы визуализации данных.
9. Введение в нейронные сети.
10. Нейронные сети в задачах распознавания изображений.
11. Нейронные сети в задачах стилизации изображений.
12. Другие задачи искусственного интеллекта: рекомендательные системы и ассоциативные правила.

В результате усвоения курса слушатели научатся:  

• Обучать несложные модели на готовых данных в Orange;
• Интерпретировать статистические данные;
• Проводить разведывательный анализ данных;
• Понимать основные ошибки в рассуждениях на основе данных;
• “Отличать случайное от неслучайного” — проверять гипотезы;
• Грамотно визуализировать результаты исследований.

 Курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта «Цифровые кафедры» университета–участника программы стратегического академического лидерства «Приоритет-2030»:

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет искусственный интеллект и машинное обучение
Уровень: Базовый

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Решает задачи искусственного интеллекта (ИИ)
Уровень: Базовый

После завершения курсы мы рекомендуем вам обратить внимание на курсы Сбор и анализ данных в Python, Основы машинного обучения, Математическая статистика и А‍/‍В тестирование, Продвинутые методы машинного обучения, Статистические методы анализа данных, Python как иностранный, Основы программирования на Python, Анализ текстовых данных, Python для извлечения и обработки данных, Цифровая грамотность и Компьютерное зрение.