Искусственный интеллект и Машинное обучение + Основы Python

направление:

вендор: Академия Искусственного Интеллекта

Даты проведения курса

Курс "Искусственный интеллект и Машинное обучение + Основы Python" создан для тех, кто хочет освоить основы разработки ИИ-систем и машинного обучения с использованием языка Python. Программа курса включает как теоретическую часть, так и практические занятия, где вы будете реализовывать реальные проекты. Каждый урок содержит домашние задания, которые помогут закрепить полученные знания.

Предварительные требования:

Для успешного прохождения программы слушатели должны владеть:
Основами работы с компьютером
Базовыми понятиями программирования (желательно)
Навыками использования операционной системы Windows или macOS

По окончании курса слушатели смогут:

Писать программы на языке Python для задач ИИ
Реализовывать базовые алгоритмы машинного обучения
Тренировать нейронные сети для решения простых задач
Создавать модели прогнозирования
Выполнять анализ данных
Продолжать самостоятельное изучение технологий ИИ

Формат обучения:

Обучение проводится дистанционно по будням с 10 до 14 часов по Мск.

Цель курса:

1. Освоение основ языка Python для задач ИИ и машинного обучения
2. Понимание базовых принципов работы искусственного интеллекта
3. Изучение основных алгоритмов машинного обучения
4. Приобретение практических навыков разработки AI-приложений

Аудитория курса:

Курс предназначен для начинающих программистов, аналитиков данных, исследователей и всех интересующихся технологиями искусственного интеллекта. Подойдет студентам IT-специальностей, специалистам смежных областей.

Программа курса

Модуль 1: Введение в Python для ИИ (8 часов)

Установка среды разработки Python установка, Jupyter Notebook, Anaconda
Базовые конструкции языка Python Переменные, типы данных, условные операторы, циклы
Работа с функциями. Объявление функций, параметры, возвращаемые значения
Коллекции данных. Списки, кортежи, множества, словари
Обработка ошибок Try/except конструкции, создание собственных исключений
Работа с файлами Чтение и запись данных, работа с CSV файлами

Модуль 2: Введение в Машинное обучение (10 часов)

Что такое машинное обучение. Типы задач, основные термины и концепции
Библиотеки для машинного обучения NumPy, Pandas, Matplotlib, Scikit-learn
Алгоритмы классификации KNN, Логистическая регрессия, Naive Bayes
Алгоритмы регрессии Линейная регрессия, Полиномиальная регрессия
Кластеризация K-means, Hierarchical Clustering
Оценка качества моделей. Метрики качества, кросс-валидация, confusion matrix

Модуль 3: Нейронные сети и глубокое обучение (10 часов)

Введение в нейронные сети структура перцептрона, прямое распространение, обратное распространение
TensorFlow и Keras. Установка, базовые концепции, создание простых моделей
Архитектуры нейронных сетей. Полносвязные сети, свёртки, рекуррентные сети
Обучение нейронных сетей Loss функции, оптимизаторы, batch size, epochs
Обработка изображений CNN архитектуры, transfer learning
Генеративные модели GAN, VAE, Style Transfer

Модуль 4: Реальный мир ИИ (8 часов)

Анализ текстов NLP основы, токенизация, embedding'и
Компьютерное зрение Object detection, segmentation, pose estimation
Рекомендательные системы Collaborative filtering, content-based filtering
Разработка чат-ботов Dialogflow, Rasa, Seq2Seq модели
Этика ИИ проблемы Bias, Fairness, Privacy
Деплоинг моделей Flask, FastAPI, Docker

Модуль 5: Проектная работа (4 часа)

Выбор темы проекта. Формулировка проблемы, постановка задачи
Подготовка данных. Сбор, очистка, предобработка данных
Разработка модели. Выбор алгоритмов, обучение, оценка
Оптимизация результатов Fine-tuning, hyperparameter tuning
Размещение кода проекта на GitHub, создание документации, формирование профессионального портфолио для дальнейшего использования

Искусственный интеллект и Машинное обучение + Основы Python

Цель курса:

Аудитория курса:

Заказ Обратного звонка