Tekoäly ja koneoppiminen
( 25 Moduulit )

moduuli #1
Johdatus tekoälyyn
Tekoälyn, sen historian ja sovellusten yleiskatsaus

moduuli #2
Machine Learning Fundamentals
Johdatus koneoppimiseen, tyyppeihin ja ohjattuun/ohjaamattomaan oppimiseen

moduuli #3
Math and Statistics for ML
Lineaarinen algebra, laskenta, todennäköisyys ja tilastot koneoppimista varten

moduuli #4
Python for Machine Learning
Johdatus Pythoniin, NumPyyn, Pandaan ja tietojen käsittelyyn

moduuli #5
Datan esikäsittely
Data puhdistus, ominaisuuksien skaalaus ja ominaisuuksien valinta

moduuli #6
Valvottu oppiminen
Regressio-, luokittelu- ja mallinarviointimittarit

moduuli #7
Lineaarinen regressio
Yksinkertainen ja moninkertainen lineaarinen regressio, kustannusfunktio ja gradientin laskeutuminen

moduuli #8
Logistinen regressio
Binäärinen luokittelu, logistiset toiminnot ja päätösrajat

moduuli #9
Päätöspuut
Johdatus päätöspuihin, entropiaan ja tiedon saantiin

moduuli #10
Satunnaiset metsät
Yhteisoppiminen, pussitus ja satunnaiset metsät

moduuli #11
Support Vector Machines
Maksimimarginaaliluokitus, pehmeä marginaali ja ydintemppu

moduuli #12
Valvomaton oppiminen
klusterointi, ulottuvuuden vähentäminen ja poikkeamien havaitseminen

moduuli #13
K-Means Clustering
K-means-algoritmi, sentroidialustus ja konvergenssi

moduuli #14
Pääkomponenttianalyysi
PCA, piirteiden erottaminen ja ulottuvuuden vähentäminen

moduuli #15
Deep Learning Fundamentals
Johdatus hermostoon verkot, perceptronit ja monikerroksiset perceptronit

moduuli #16
Konvoluutiohermoverkot
CNN:t, konvoluutiokerrokset ja kuvaluokitus

moduuli #17
Toistuvat hermoverkot
RNN:t, LSTM ja sekvenssimallinnus

moduuli #18
Luonnollinen Kielenkäsittely
Tekstin esikäsittely, tunnisteet ja sanan upotukset

moduuli #19
Siirto-oppiminen
Valmiiksi koulutetut mallit, hienosäätö ja mallieläintarha

moduuli #20
Mallin arviointi ja valinta
Mallin valinta, hyperparametrien viritys ja ristiintarkistus

moduuli #21
Epätasapainoisten tietojoukkojen käsittely
Luokkien epätasapaino-, ylinäytteenotto- ja alinäytteenottotekniikat

moduuli #22
Mallin käyttöönotto
Mallin käyttöönotto, API-integrointi ja Docker-säiliöinti

moduuli #23
Tekoälyn etiikka ja oikeudenmukaisuus
Vihan havaitseminen, oikeudenmukaisuusmittarit ja eettiset näkökohdat

moduuli #24
Tekoälyn erityisaiheet
Generatiiviset mallit, huomiomekanismit ja selitettävissä oleva tekoäly

moduuli #25
Kurssin yhteenveto ja johtopäätökset
Suunnittelemme tekoälyn ja koneoppimisen uran seuraavia vaiheita

Oletko valmis oppimaan, jakamaan ja kilpailemaan?