Программа знакомит слушателей:

- с основными принципами машинного обучения (обучение с учителем, обучение без учителя, обучение с подкреплением);

- основами методологии CRISP DM, этапами создания проектов ИИ;

- основами работы с Python;

- методами работы с базовыми библиотеками анализа данных (numpy, pandas, matplotlib, SQLite);

- сферами использования машинного обучения (анализ данных, компьютерное зрение, обработка естественного языка).

В программе раскрываются:

- особенности использования ИИ для решения социальных и экономических проблем;

- предварительная обработка и визуализация данных;

- алгоритмы машинного обучения для решения задач классификации, кластеризации, уменьшения размерности, регрессии;

- метрики для оценки эффективности работы алгоритма машинного обучения;

- возможности внедрения разработанных и обученных алгоритмов.