Описание

Цель курса:
Получение первичных теоретических знаний в области искусственного интеллекта, его разновидностях и сферах применения;
Рассматриваются типы данных, используемые в работе с искусственным интеллектом;
Даётся обзор принципов работы искусственного интеллекта.

Для кого этот курс:
Постановщики бизнес-задач; Пользователи решений на основе искусственного интеллекта; Желающие приобрести знания в области основ искусственного интеллекта.

Начальные требования:
Знание основ математики;
Желание развивать знания и навыки в области искусственного интеллекта.

Программа курса:

1. Зарождение ИИ
2. Рождение термина ИИ
3. Начало эпохи ИИ
4. Новая волна: экспертные системы 70-х – 80-х
5. Виды ИИ
6. Виды Искусственного Интеллекта: философский взгляд
7. Типы Искусственного Интеллекта: по методам обучения
8. Итоги

Машинное обучение:

1. Что это?
2. Традиционное Программирование vs. Машинное обучение
3. Парадигма машинного обучения
4. Типы машинного обучения
5. Supervised Machine Learning
6. Unsupervised Machine Learning
7. Reinforcement Machine Learning
8. Области применения машинного обучения
9. Недостатки машинного обучения
10. Итоги

Нейронные сети и глубокое обучение:

1. Нейронные Сети
2. Глубокое Обучение
3. Машинное Обучение vs. Глубокое Обучение
4. Области применения Глубокого Обучения
5. Типы Архитектур для Нейронных Сетей
6. Итоги

Обработка данных и проектирование признаков:

1. Dataset
2. Как работает машинное обучение
3. Проектирование признаков
4. Итоги