Inteligența artificială și învățarea automată
( 25 Module )

modul #1
Introducere în inteligența artificială
Prezentare generală asupra AI, istoricul și aplicațiile sale

modul #2
Fundamentele învățării automate
Introducere în învățarea automată, tipuri și învățarea supravegheată/nesupravegheată

modul #3
Matematică și statistică pentru ML
Algebră liniară, calcul, probabilitate și statistici pentru învățarea automată

modul #4
Python pentru Machine Learning
Introducere în Python, NumPy, Pandas și manipularea datelor

modul #5
Preprocesarea datelor
Curățarea datelor, scalarea caracteristicilor și selectarea caracteristicilor

modul #6
Învățare supravegheată
Metrici de regresie, clasificare și evaluare a modelului

modul #7
Regresia liniară
Regresie liniară simplă și multiplă, funcție de cost și coborâre în gradient

modul #8
Regresia logistică
Clasificare binară, funcție logistică și limite de decizie

modul #9
Arbori de decizie
Introducere în arbori de decizie, entropie și câștig de informații

modul #10
Păduri aleatorii
Învățare prin ansamblu, împachetare și păduri aleatorii

modul #11
Suport mașini vectoriale
Clasificarea marjei maxime, marginea soft și trucul nucleului

modul #12
Învățare nesupravegheată
Clustering, reducerea dimensionalității și detectarea anomaliilor

modul #13
K-Means Clustering
K înseamnă algoritm, inițializare centroid și convergență

modul #14
Analiza componentelor principale
PCA, extragerea caracteristicilor și reducerea dimensionalității

modul #15
Fundamentele învățării profunde
Introducere în rețelele neuronale, perceptron și perceptron multistrat

modul #16
Rețele neuronale convoluționale
CNN-uri, straturi convoluționale și clasificare a imaginilor

modul #17
Rețele neuronale recurente
RNN, LSTM și modelarea secvenței

modul #18
Procesarea limbajului natural
Preprocesarea textului, tokenizarea și încorporarea cuvintelor

modul #19
Transfer de învățare
Modele pre-antrenate, reglaj fin și model de grădină zoologică

modul #20
Evaluarea și selecția modelului
Selectarea modelului, reglarea hiperparametrului și validarea încrucișată

modul #21
Gestionarea seturi de date dezechilibrate
Tehnici de dezechilibru de clasă, supraeșantionare și subeșantionare

modul #22
Implementarea modelului
Implementarea modelului, integrarea API-ului și containerizarea Docker

modul #23
Etica și corectitudinea AI
Detectarea părtinirii, valorile de corectitudine și considerații etice

modul #24
Subiecte speciale în AI
Modele generative, mecanisme de atenție și IA explicabilă

modul #25
Încheierea cursului și concluzia
Planificarea pașilor următori în cariera de inteligență artificială și învățare automată

Sunteți gata să învățați, să împărtășiți și să concurați?