Cursul Machine Learning and AI

Cursul Machine Learning and AI oferă toate elementele de bază necesare și cunoștințele practice care vă vor permite să creați în mod independent modele de învățare automată și să pășiți în lumea inteligenței artificiale. Indiferent dacă sunteți începători sau aveți deja cunoștințe anterioare, acest curs vă va prezenta treptat una dintre cele mai interesante și promițătoare domenii ale industriei IT.

La curs vă veți familiariza cu elementele de bază ale învățării automate, iar lectorii noștri se vor asigura că înțelegeți cum funcționează procesarea datelor și cum funcționează cei mai importanți algoritmi din spatele „magiei” inteligenței artificiale. Printr-o serie de sarcini practice, folosind limbajul de programare Python și biblioteci precum scikit-learn și SciPy, veți învăța cum să analizați datele, să pregătiți modele, să le optimizați performanța și să le pregătiți pentru aplicarea în proiecte reale.

Mai simplu spus, aceasta înseamnă că cu biblioteca scikit-learn veți învăța cum să creați rapid și eficient modele de învățare automată pentru clasificare, regresie și grupare, în timp ce cu biblioteca SciPy veți putea aplica funcții matematice avansate pentru analiza datelor și prelucrare.

Mai simplu spus, aceasta înseamnă că cu biblioteca scikit-learn veți învăța cum să creați rapid și eficient modele de învățare automată pentru clasificare, regresie și grupare, în timp ce cu biblioteca SciPy veți putea aplica funcții matematice avansate pentru analiza datelor și prelucrare.

La final, veți fi pregătiți să utilizați aceste instrumente în situații reale pentru a lua decizii mai bune, bazate pe date. Acest curs nu este doar o oportunitate de a învăța teoria, ci vă ghidează prin toți pașii necesari pentru a crea soluții AI funcționale. La sfârșitul cursului, veți fi gata să dezvoltați în mod independent modele de învățare automată, indiferent că este vorba de analiza datelor, anticipare sau implementarea sistemelor AI în diferite industrii. Bine ați venit la cursul care vă introduce în viitorul tehnologiei.

Descrierea și obiectivele cursului Machine Learning și AI

Descrierea cursului

În ultimii ani, inteligența artificială a devenit o tehnologie esențială care transformă toate aspectele societății și industriei noastre. De la vehicule autonome și asistenți inteligenți la medicină personalizată și analiză avansată, inteligența artificială a permis calculatoarelor să îndeplinească sarcini care anterior depindeau exclusiv de inteligența umană. Dacă și voi doriți să vă alăturați acestui domeniu captivant și în continuă creștere al dezvoltării software, în calitate de creator și nu doar de consumator, atunci sunteți în locul potrivit – la cursul Machine Learning and AI.

Cursul Machine Learning and AI se ocupă de implementarea practică a învățării automate pe exemple reale folosind limbajul de programare Python. Astfel, participanții intră în lumea inteligenței artificiale și dobândesc cunoștințe de bază despre acest domeniu foarte dinamic și extins.

Cursul Machine Learning and AI este destinat începătorilor și nu necesită cunoștințe în avans despre inteligența artificială și învățarea automată. Nu este necesar să aveți niciun fel de cunoștințe prealabile de matematică, statistică și discipline științifice similare legate de funcționarea inteligenței artificiale. Tot ceea ce aveți nevoie pentru a crea cu succes primele modele de învățare automată se găsește în cursul Machine Learning and AI.

Materia cursului este împărțită în mai multe lecții prin care toți pașii unui proiect de învățare automată sunt procesați și implementați practic. Printre altele, cursul abordează analiza, vizualizarea, transformarea și împărțirea datelor, selectarea algoritmilor adecvați, trainingul, validarea, testarea și publicarea modelelor.

Datele sunt foarte importante în lumea inteligenței artificiale și a învățării automate; de aceea li se acordă o atenție deosebită în cursul Machine Learning and AI. Participanții au oportunitatea să învețe cum se analizează datele utilizate în scopul învățării automate, totul pentru o mai bună înțelegere și pregătire pentru faza de învățare. Pe parcursul poveștii despre analiza și vizualizarea datelor, cursul Machine Learning and AI se ocupă de numeroase pachete care aparțin așa-numitului ecosistem SciPy, adică un set de biblioteci utilizate în domeniul matematicii, științei și ingineriei.

Algoritmii sunt ingredientul care permite „magiei” să se întâmple în timpul procesului de învățare automată. Prin urmare, cunoașterea lor este la fel de importantă ca lucrul cu date. În cursul Machine Learning and AI, participanții au ocazia să învețe despre cei mai populari algoritmi de învățare automată pentru rezolvarea problemelor de clasificare și regresie. Cursul acoperă, de asemenea, tehnici de optimizare a hiperparametrilor, astfel încât participanții să învețe să obțină cele mai bune performanțe din modelele lor.

„Actul” final al cursului Machine Learning and AI se referă la ambalarea și salvarea modelelor de învățare automată create într-o formă care poate fi distribuită și utilizată într-un alt sistem software. Aceasta completează povestea implementării practice a învățării automate, iar participanții sunt pregătiți să își creeze în mod independent propriile modele.

Obiectivul cursului

Obiectivul cursului Machine Learning and AI este de a permite participanților să creeze modele de învățare automată, prin implementarea independentă a tuturor pașilor, începând cu analiza și procesarea datelor, selectarea algoritmilor, trainingul, validarea, testarea și setarea hiperparametrilor modelului, până la finalizarea și distribuirea modelelor create. În acest fel, participanții dobândesc cunoștințele necesare care le vor permite să intre rapid în lumea învățării automate.

Cursul vă va răspunde la următoarele întrebări:

Ce este inteligența artificială?

În ultimii ani, inteligența artificială a devenit o tehnologie cheie care transformă toate aspectele societății și industriei noastre. De la vehicule autonome și asistenți inteligenți până la medicină personalizată și analiză avansată, inteligența artificială a permis computerelor să îndeplinească sarcini care au fost cândva singurul domeniu al inteligenței umane.

Inteligența artificială (artificial intelligence – AI) este un domeniu al informaticii care se ocupă cu dezvoltarea algoritmilor și sistemelor capabile să realizeze sarcini ce necesită inteligență asemănătoare celei umane. Aceasta include învățarea, raționamentul, rezolvarea problemelor, înțelegerea limbajului natural, recunoașterea tiparelor și multe altele. Inteligența artificială cuprinde diverse tehnici și abordări, inclusiv învățarea automată, învățarea profundă, procesarea limbajului natural și viziunea computerizată.

În cursul Machine Learning and AI, participanții au posibilitatea de a învăța aspectele practice ale implementării inteligenței artificiale prin învățarea automată.

Ce este învățarea automată?

Învățarea automată este o ramură a inteligenței artificiale care se ocupă cu dezvoltarea tehnicilor și algoritmilor care permit computerelor să învețe cum să execute anumite sarcini pe baza datelor, fără programare explicită pentru fiecare scenariu individual. Practic, învățarea automată permite computerelor să identifice modele în date și să tragă concluzii din aceste modele, luând astfel decizii, prezicând evenimente viitoare sau efectuând alte sarcini utile.

Învățarea automată implică utilizarea unor algoritmi care pot detecta diferite proprietăți utile ale datelor transmise. Folosind învățarea automată, este posibil să detectați mesajele de e-mail nedorite, să sortați articolele de pe un site web după categorii, să recunoașteți textul scris de mână și multe altele.

Învățarea automată este prima disciplină practică din lumea dezvoltării inteligenței artificiale și, prin urmare, este abordată intens în cursul Machine Learning and AI.

La ce se folosește scikit-learn?

Biblioteca scikit-learn este o bibliotecă populară pentru învățarea automată în limbajul de programare Python. Este concepută pentru a fi ușor de utilizat și eficientă și oferă o gamă largă de instrumente pentru analiza și modelarea datelor.

Cu ajutorul bibliotecii scikit-learn, puteți pregăti date pentru învățarea automată, să folosiți implementări gata făcute ale celor mai populari algoritmi de învățare automată, să creați un model, să evaluați și să testați performanța acestuia și multe altele.

Biblioteca scikit-learn este figura centrală pentru aspectul practic al cursului Machine Learning and AI. Participanții au posibilitatea, folosind această bibliotecă, să pregătească și să transforme datele, să găsească cel mai bun algoritm pentru o anumită problemă, să creeze primele lor modele de învățare automată și apoi, folosind diferite metrici, să evalueze performanța unor astfel de modele. Pe scurt, scikit-learn face posibilă implementarea tuturor pașilor practici în procesul unui proiect de învățare automată.

Ce este SciPy?

SciPy este un termen care are mai multe semnificații și poate fi interpretat în mai multe moduri diferite, în funcție de context. SciPy se referă la un ecosistem, adică la o colecție de pachete diferite dedicate programării științifice în limbajul de programare Python. În plus, SciPy este o comunitate de oameni care se ocupă de dezvoltarea și întreținerea unui astfel de set de tehnologii. În cele din urmă, SciPy (scipy) este, de asemenea, o bibliotecă care se află în stiva de pachete cu același nume.

SciPy este baza pentru realizarea învățării automate folosind limbajul de programare Python, deoarece conține pachete care permit și facilitează lucrul cu o cantitate mare de date și utilizarea acesteia în procesul de creare a modelelor de învățare automată. În timpul cursului Machine Learning and AI, participanții se familiarizează cu biblioteci precum NumPy, SciPy, matplotlib, pandas și scikit-learn.

Cum se face trainingul și validarea modelelor de învățare automată?

Trainingul modelului este procesul prin care un computer se adaptează la date pentru a învăța anumite modele și conexiuni. Prin procesul de training se obține un model care reprezintă materializarea practică a ceea ce a învățat calculatorul. În acest proces, datele sunt utilizate, conectând caracteristicile de intrare (atributele) cu valorile de ieșire corespunzătoare, adică variabilele țintă. Rezultatul final este un model funcțional care este capabil să facă predicții bazate pe date pe care nu le-a mai întâlnit până acum.

Trainingul cu succes al unui model este obiectivul oricărui proiect de învățare automată. Cu toate acestea, este un proces care presupune mai multe etape pentru a fi realizat corect. Toți acești pași sunt ilustrați practic în cursul Machine Learning and AI.

Ce sunt setările hiperparametrilor și cum se fac?

Pregătirea datelor și selectarea algoritmului nu sunt singurele „probleme” care trebuie rezolvate în procesul de învățare automată. Programatorul are la dispoziție un alt instrument care poate fi folosit pentru a ajusta procesul de formare a modelului. Este vorba despre setarea unor hiperparametri.

Hiperparametrii sunt valori speciale determinate înainte de procesul de formare a modelului și sunt utilizați pentru a controla comportamentul algoritmilor de învățare automată. Este vorba despre valorile cu care putem influența procesul de instruire în sine și despre modul în care algoritmul de învățare automată va folosi datele pe care le-am pus la dispoziție pentru învățare.

Cursul Machine Learning and AI abordează conceptul de hiperparametri ai modelului și arată mai multe abordări pentru reglarea lor automată.

Cum sunt gestionate datele de învățare automată?

Datele au un impact uriaș asupra lumii inteligenței artificiale și a învățării automate. În 2001, cercetătorii companiei Microsoft au demonstrat că algoritmii de complexitate diferită se comportă aproape identic în rezolvarea problemelor complexe atunci când li se oferă o cantitate suficientă de date. Acesta este motivul pentru care datele ocupă locul central în povestea dezvoltării modelelor de învățare automată.

Având în vedere că pregătirea unui model necesită o cantitate mare de date, primul pas este întotdeauna legat de colectarea și stocarea acestuia. După securizarea datelor, următorul pas este procesul de analiză a acestora, pentru a le înțelege și a le pregăti mai bine pentru procesul de transformare a acestora într-o formă adecvată utilizării de către un model de învățare automată. Este vorba despre o întreagă constelație de operații care pot (și uneori trebuie) să fie efectuate asupra datelor pentru a crea un model ML bun pe baza acestuia. De aceea, o întreagă lecție a cursului Machine Learning and AI este dedicată lucrului cu datele învățării automate.

Planul și programa cursului pe module

Modulul 1 – Introducere în inteligenţa artificială (AI) şi crearea primului proiect de învăţare automată (ML)

• Introducere în AI şi ML
• Configurarea mediului pentru dezvoltarea învăţării automate
• Crearea primelor proiecte de învățare automată

Modulul 2 – Python i / și SciPy

• Bazele limbajului Python
• Bazele ecosistemului SciPy

Modulul 3 – Lucrul cu datele învățării automate

• Datele în lumea învățării automate
• Analiza și înțelegerea datelor
• Prelucrarea, împărțirea și transformarea datelor
• Selectarea, eliminarea și crearea caracteristicilor

Modulul 4 – Trainingul, evaluarea și distribuirea modelului

• Trainingul și validarea modelului
• Algoritmi de învățare automată
• Setarea hiperparametrilor, testarea și salvarea modelelor

Software-ul și cerințele tehnice necesare

Este necesar un computer cu sistem de operare Windows, Linux sau macOS

Sunt necesare cunoștințe anterioare

Se presupune că participantul are cunoștințe de bază atunci când vine vorba de utilizarea unui calculator, în primul rând despre efectuarea operațiunilor de bază pe sistemul de operare. De asemenea, se presupune că participantul are cunoștințe de bază ale limbajului de programare Python (tipuri de date, variabile, operatori, controlul fluxului, funcții și module).

Competențe

Modulul 1 – Introducere în inteligenţa artificială (AI) şi crearea primului proiect de învăţare automată (ML)

• Stabilirea unui mediu pentru crearea modelelor de învățare automată folosind limbajul de programare Python

Modulul 2 – Python i / și SciPy

• Cunoașterea tuturor elementelor limbajului Python și a pachetelor din ecosistemul SciPy necesare dezvoltării cu succes a modelelor de învățare automată

Modulul 3 – Lucrul cu datele învățării automate

• Implementarea practică pentru analiza și pregătirea datelor pentru învățare automată

Trainingul, evaluarea și distribuirea modelului

• Trainingul, validarea și testarea modelelor de învățare automată, alegerea algoritmului adecvat și setarea hiperparametrilor