Gudrās tehnoloģijas un ģeneratīvais MI
Kurss sniedz praktisku un mūsdienīgu ieskatu mašīnmācīšanās un ģeneratīvā mākslīgā intelekta risinājumos, sākot no datu sagatavošanas līdz modeļu izstrādei, novērtēšanai un pārvaldībai. Programmas laikā dalībnieki apgūs galvenos mašīnmācīšanās principus, datu kvalitātes nozīmi, modeļu darbības loģiku un to pielietojumu dažādās nozarēs. Kurss piemērots ikvienam, kurš vēlas iegūt stabilus pamatus darbam ar gudrajām tehnoloģijām un MI risinājumiem.
Kurss tiek organizēts kā pašvadīts mācību kurss, kas ļauj mācīties sev ērtā laikā, tempā un vietā. Nav nepieciešams pieslēgties konkrētās lekciju stundās – visi mācību materiāli pieejami Moodle vidē 24/7, nodrošinot elastīgu un mūsdienīgu mācību procesu.
Kursa cena: 39 EUR mēnesī.
Samaksājot mēneša maksu, jums tiek nodrošināta piekļuve Moodle videi uz 30 dienām. Piekļuve tiks slēgta, ja netiks veikta turpmākā apmaksa par nākamo mēnesi.
Piekļuve mācību videi tiks aktivizēta dienas laikā pēc apmaksas saņemšanas.
Kursu sastādījuši: Toms Baumanis un Mārcis Pinnis
Programmas moduļi
- Izpratne par mašīnmācīšanos – pamati, kas iedarbina procesu
- Kas ir mašīnmācīšanās, un kā tā tiek izmantota ikdienas tehnoloģijās;
- Pārraudzītās un nepārraudzītās mācīšanās pamati;
- Galvenie algoritmu tipi;
- Statistikas loma datu interpretācijā.
Tavi ieguvumi:
Izpratne par optimizācijas pamatprincipiem – vienkāršā, intuitīvā līmenī.
- Datu sagatavošana – pamats jebkuram veiksmīgam modelim
- Datu pareiza sadalīšana treniņa un testa kopās;
- Datu notīrīšana un formatēšana pēc iespējas precīzāku datu modeļu izstrādei.
Tavi ieguvumi:
Prasme identificēt dublējošos datus, pārbaudīt to kvalitāti un padarīt datu kopas pārskatāmas, efektīvas un lietojamas. Šī ir prasme, kas atšķir profesionālu datu speciālistu no iesācēja.
- ML modeļu izstrāde – no datu kopas līdz funkcionējošam risinājumam
- Pilnais modeļa izstrādes cikls: datu sagatavošana, treniņš, testēšana un rezultātu interpretācija;
- Regresijas un klasifikācijas pamati;
- Klasterizācijas loģika un datu kombinēšana modeļa veiktspējas uzlabošanai.
Tavi ieguvumi:
Ieskata gūšana dziļās mācīšanās (deep learning) pieejās Tava tehniskā redzesloka paplašināšanai.
- Modeļu novērtēšana – kā saprast, vai modelis patiešām strādā
- Modeļa precizitātes noteikšana, tā stipro un vājo pušu analizēšana;
- Dažādu datu modeļu salīdzināšana un rezultātu vizuāla attēlošana.
Tavi ieguvumi:
Izpratnes gūšana par interpretējamības nozīmi un to, kā profesionāli pieiet kļūdu analīzei – pat tad, ja tā tiek veikta vienkāršotos gadījumos.
- Modeļu pārvaldība un dokumentēšana – profesionāla pieeja datu projektiem
- Modeļu izstrādes dokumentēšana un reproducējamības nodrošināšana;
- Skaidru tehnisko kopsavilkumu izveide, izmantojot sagatavotas veidnes.
Tavi ieguvumi:
Prasme veidot vizualizācijas modeļu rezultātiem un strukturēt informāciju tā, lai Tavu darbu spētu izmantot arī citi.
