Скачать [Олег Максименко, Stepik] Искусственный интеллект и его применение к прикладным задачам (2023)

[IvX]

Автор: Олег Максименко, Stepik
Название: Искусственный интеллект и его применение к прикладным задачам (2023)

Описание:

О курсе

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
  
  
• Цель курса:
  
  Основная цель данного курса состоит в приобретении начальных теоретических знаний в области искусственного интеллекта (ИИ), его различных разновидностей и сфер применения. Курс также предлагает обзор принципов работы искусственного интеллекта.
  
  Целевая аудитория:
  
  • Бизнес-аналитики и специалисты, работающие с постановкой бизнес-задач.
  • Пользователи, использующие решения на основе искусственного интеллекта.
  • Люди, желающие получить основные знания в области искусственного интеллекта.
• Начальные требования:
  
  Для успешного освоения курса рекомендуется иметь предварительные знания основ математики и проявлять интерес к развитию знаний и навыков в области искусственного интеллекта.
  
  Программа курса:
  
  1. Зарождение и развитие искусственного интеллекта.
     • Рождение термина "искусственный интеллект".
     • Эпохи развития искусственного интеллекта.
     • Возникновение экспертных систем в 70-80-х годах.
  2. Различные типы искусственного интеллекта.
     • Философский взгляд на виды искусственного интеллекта.
     • Различные методы обучения в искусственном интеллекте.
  3. Машинное обучение.
     • Определение машинного обучения.
     • Сравнение традиционного программирования и машинного обучения.
     • Парадигма машинного обучения.
     • Типы машинного обучения: обучение с учителем, без учителя, с подкреплением.
     • Области применения машинного обучения.
     • Недостатки машинного обучения.
  4. Нейронные сети и глубокое обучение.
     • Введение в нейронные сети.
     • Основы глубокого обучения.
     • Сравнение машинного обучения и глубокого обучения.
     • Области применения глубокого обучения.
     • Различные архитектуры нейронных сетей.
  5. Обработка данных и проектирование признаков.
  6. Dataset
  7. Как работает машинное обучение
  8. Проектирование признаков
  9. Итоги

Скачать:

Качать без ограничений