Введение в искусственный интеллект [2020] [GeekSchool] [Светлана Шорина, Дмитрий Санников, Илья Акчурин]

Toxich · 18 дек 2020

Введение в искусственный интеллект [2020]
GeekSchool
Светлана Шорина, Дмитрий Санников, Илья Акчурин

Научитесь программировать, обрабатывать данные и работать с алгоритмами машинного обучения. В конце курса - увлекательное соревнование по улучшению нейронной сети.

За 3 месяца ребята научатся работать с математическими операциями, собирать датасеты и создавать алгоритмы машинного обучения. Они также запустят предобученную нейронную сеть, чтобы распознавать верные и ложные данные.

1. Интересуются искусственным интеллектом.
2. Хотят разобраться в машинном обучении и нейронных сетях.
3. Только начинают программировать или интересуются языком Python.

1. Карьерные перспективы

Курс знакомит ребят с профессией дата-сайентиста — специалиста по работе с данными. Такие специалисты разбираются в искусственном интеллекте и машинном обучении, у них высокие зарплаты и перспективы для развития.
2. Подготовка к олимпиадам по программированию

На курсе ребята углубляют знания по программированию, линейной алгебре и математическому анализу. Это поможет участвовать в олимпиадах и поступать технические вузы: МГУ, МГТУ им Н. Э. Баумана, МФТИ, ВШЭ.
3. Увлекательное обучение

Ребята попробуют себя в роли исследователя: с помощью машинного обучения они смогут классифицировать привычки людей и спрогнозировать поведение. В результате они создадут несколько нейронных сетей.

Модуль 1 - Основы программирования на языке Python

Урок 1 - Работа с данными и математическими операциями в Python

Python — главный инструмент дата-сайентиста: на нём пишут алгоритмы машинного обучения. Учимся управлять данными и решать уравнения на Python.

Устанавливаем программы для прохождения курса

Управляем вводом и выводом данных в первой программе по Python

Урок 2 - Основные конструкции языка Python

Создаём алгоритмы и осваиваем основные компоненты компьютерной программы.

Изучаем условия if, elif, else

Изучаем циклы for, while

Тренируемся программировать на Python и создаём программу с базовыми алгоритмами

Урок 3 - Структуры данных в Python

Изучаем принципы работы с данными.

Узнаём, как работают данные, списки, словари и файлы

Знакомимся с датасетом — набором данных. Учимся его обрабатывать с помощью простейших операций

Занимаемся вводом и выводом данных

Урок 4 - Функции в Python

Изучаем, как работать с функциями.

Узнаём, как создавать функции и передавать параметры

Изучаем глобальные и локальные переменные

Добавляем полезные функции к датасету из третьего урока

Модуль 2 - Numpy и Pandas — инструменты, которые помогают получать данные

Урок 5 - Pandas. Установка. Учимся работать с данными и таблицами

Изучаем Pandas — программную библиотеку на Python для обработки и анализа данных.

Получаем датасет с числовыми метриками

Устанавливаем Pandas, изучаем базовые команды и учимся работать с таблицами

Обрабатываем датасет с помощью Pandas: загружаем и выгружаем данные

Урок 6 - Pandas. Основные функции

После того, как мы загрузили датасет, начинаем осваивать базовые функции.

Узнаём, как работают различные функции Pandas: подсчет, создание категорий выборок датасета и др

Учимся применять функции из предыдущего урока на нашем датасете

Урок 7 - Numpy: улучшение математического аппарата

Изучаем основы линейной алгебры и знакомимся с видами машинного обучения.

Узнаём потенциал Numpy для работы с машинным обучением

Тренируемся работать с операциями высшей математики с помощью библиотеку Numpy

Урок 8 - Numpy: машинное обучение без учителя

Узнаём, что такое обучение без учителя.

Строим классическую модель обучения без учителя в Numpy

Строим первую модель предсказания в библиотеке Numpy

Модуль 3 - Работа с машинным обучением

Урок 9 - Обучение с учителем. Ближайшие соседи

Изучаем основы для создания нейронных сетей — они помогают переводить текст, создавать голосовых помощников, распознавать лица и музыку.

Осваиваем базовые принципы машинного обучения

Придумываем и реализовываем простой алгоритм

Возьмём классификатор на датасете

Урок 10 - Линейная регрессия. Функция потерь и логистическая регрессия

Разбираем практические задачи.

Учимся оценивать качество алгоритмов и выбирать наилучший вариант

Изучаем функцию потерь и учимся их минимизировать

Визуализируем данные и решаем задачи по линейной регрессии

Урок 11 - Работаем с базовой нейронной сетью

Узнаём, какие преимущества и недостатки есть у нейронной сети.

Разбираем готовую нейронную сеть, выбираем количество слоёв и нейронов

Запускаем предобученную нейронную сеть, чтобы распознавать истинные и ложные данные

Урок 12 - Придумываем тему для блога

Узнаём, как настраивать нейронную сеть.

Узнаём, какие настройки существуют

Отрабатываем настройки параметров нейронной сети

Модуль 4 - Демодень

Урок 13 - Демодень — это последний день курса.

Ребят ждёт увлекательное соревнование: нужно улучшить нейронную сеть

После соревнования все ребята получат сертификат о прохождении курса. За лучшие результаты выдаём призы

В конце проведём небольшой семинар на 15–20 минут. Ребята узнают, в каких областях можно применять новые знания, и в какие вузы лучше поступать

Продажник