up

Введение в искусственный интеллект

 width=
  • 13 weeks

    course duration

  • от 3 до 4 часов в неделю

    needed to educate

Данный 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.

About

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.

Format

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.

Requirements

Особых требований нет.

Course program

  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

Education results

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

Мягких Павел Игоревич


Position: приглашенный преподаватель Департамента больших данных и информационного поиска/Факультет компьютерных наук

Трусов Иван Алексеевич


Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук

Бурова Маргарита Борисовна

Магистр
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук

course completion certificate

Certificate

Предусмотрен сертификат.