Введение в искусственный интеллект

• О курсе
• Формат
• Требования
• Программа курса
• Результаты обучения

О курсе

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 курса — дать слушателям базовое представление о методах искусственного интеллекта, познакомить с терминологией и научить применять некоторые из методов для решения несложных задач.

Формат

Курс состоит из коротких видеолекций от 5 до 15 минут длиной. После каждого фрагмента лекции предлагаются не оцениваемые вопросы на понимание прослушанного материала. Если вам не удается ответить на вопрос, мы очень рекомендуем прослушать фрагмент еще раз и затем только переходить к следующему фрагменту лекции.

На каждой неделе будет представлен оцениваемый тест из 10-15 вопросов. Также для нескольких тем будут предложены расчетные задачи и задания с взаимным оцениванием. Эти задания помогут закрепить полученные знания.

Требования

Особых требований нет.

Программа курса

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

Результаты обучения

В результате усвоения курса слушатели научатся:  

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