Czego się nauczysz
- zapoznanie z pojęciem uczenie maszynowe
- wytłumaczenie podziału na ogólną i wąską sztuczną inteligencję
- przypomnienie pojęcia algorytm
Program kursu
- Wstęp
- Zrozumieć uczenie maszynowe
- Po co nam uczenie maszynowe?
- Odległa przyszłość, czy teraźniejszość?
- Co dalej?
Opis kursu
Kurs objaśnia, czym jest uczenie maszynowe i do czego jest nam ono potrzebne. Uczenie maszynowe jest obecnie jedną z najszybciej rozwijających się dziedzin informatyki. Podczas kursu omówiona jest historia uczenia maszynowego. Prowadzący tłumaczą, na czym ono polega i jakie są najpopularniejsze jego metody. Omówione są również metody działania algorytmów, wytyczne, który z nich najlepiej jest zastosować w danym przypadku oraz metody weryfikacji, czy opracowany model działa tak jak powinien.
Uczenie maszynowe. Wprowadzenie.
Źródła:
- Aurélien Géron, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools and Techniques to Build Intelligent Systems, O’Reilly Media, 2017.
- Ben Dickson, Why the difference between AI and machine learning matters, publikacja 8.10.2018.
- Chris Hoffman, The Problem With AI: Machines Are Learning Things, But Can’t Understand Them, publikacja 09.01.2020.
- Christian Wiele, AI for Everyone: Why We Need Machine Learning, publikacja 16.01.2019.
- Christof Koch, How the Computer Beat the Go Master, publikacja 19.03.2016.
- EliteDataScience, 15 Ways Machine Learning Will Impact Your Everyday Life.
- Faizan Shaikh, Simple Beginner’s guide to Reinforcement Learning & its implementation, publikacja 19.01.2017.
- Gopinath Rebala, Ajay Ravi, Sanjay Churiwala, An Introduction to Machine Learning, Springer Nature Switzerland AG, 2019.
- Ilija Mihajlovic, How Artificial Intelligence Is Impacting Our Everyday Lives, publikacja 13.01.2019.
- John Tromp, Number of legal Go positions.
- MathWorks, What Is Machine Learning? 3 things you need to know.
- Priyadharshini, What is Machine Learning and How Does It Work?, publikacja 27.04.2020.
- Sebastian Raschka, 3 different types of machine learning, publikacja 11.2017.
Podobne kursy
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 1. Zarys historyczny
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie zostały przedstawione najważniejsze wydarzenia dotyczące historii sztucznej inteligencji.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 2. Czym jest, a czym nie jest SI
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie dowiemy się, czym jest, a czym nie jest sztuczna inteligencja.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 3. Definicja
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie poznamy definicję sztucznej inteligencji.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 4. Zastosowania
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie dowiemy się, jakie są zastosowania sztucznej inteligencji oraz podsumujemy zdobytą wiedzę.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 1. Czy robot może mieć zdolność prawną?
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie przedstawione zostaną pojęcia zdolności prawnej oraz zdolności do czynności prawnych w odnieszieniu do sztucznej inteligencji.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 2. Osobowość prawna i ochrona danych
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Osobowość prawna i ochrona danych w kontekście SI.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 3. Prawa robotów
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Kurs porusza kwestię, która budzi najwięcej emocji – status prawny robotów.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 4. Odpowiedzialność za działania
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Odpowiedzialność za działnia SI.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 5. Prawa autorskie
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Sztuczna inteligencja a prawa autorskie.
Sztuczna inteligencja
Analiza danych – Moduł 1. Świat big data
Szkoła ponadpodstawowa, Nauczyciele
Kurs przybliża zagadnienie big data i ukazuje złożoność procesów przetwarzania i analizy danych.
Sztuczna inteligencja
Analiza danych – Moduł 2. Wydobywanie informacji z danych
Szkoła ponadpodstawowa, Nauczyciele
Kurs tłumaczy sposoby pozyskiwania informacji z danych.
Sztuczna inteligencja
Analiza danych – Moduł 3. Rodzaje zmiennych
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia rodzaje zmiennych, którymi posługujemy się w analizie danych.
Sztuczna inteligencja
Wizualizacja danych – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs zapoznaje jego uczestników ze sposobami wizualizacji danych jako skutecznego narzędzia pomagającego w ich analizie.
Sztuczna inteligencja
Wizualizacja danych – Moduł 2. Wizualizacja zmiennych jakościowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy sposobów wizualizacji zmiennych jakościowych.
Sztuczna inteligencja
Wizualizacja danych – Moduł 3. Wizualizacja zmiennych ilościowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia sposoby wizualizacji zmiennych ilościowych.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 1. Miara pewności
Szkoła ponadpodstawowa, Nauczyciele
Kurs jest wprowadzeniem do zagadnień związanych ze statystyką.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 2. Jak streścić liczby?
Szkoła ponadpodstawowa, Nauczyciele
Moduł drugi kursu „Prawdopodobieństwo i statystyka” odpowiada na pytanie, jak możemy przekształcić dane w kluczowe informacje.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 3. Celebryta wśród rozkładów
Szkoła ponadpodstawowa, Nauczyciele
Kurs omawia najważniejszy z rozkładów statystycznych – rozkład Gaussa.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs objaśnia, czym jest uczenie maszynowe i do czego jest nam ono potrzebne, zawiera również krótki zarys historyczny.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 2. Dane, cechy i algorytmy
Szkoła ponadpodstawowa, Nauczyciele
Kurs wprowadza do zagadnień matematycznych i logicznych, na których bazuje uczenie maszynowe.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 3. Rodzaje uczenia maszynowego
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy trzech głównych technik uczenia maszynowego.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 1. Regresja
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia popularne metody uczenia nadzorowanego: regresję wielokrotną oraz regresję logistyczną.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 2. Klasyfikacja
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy pojęcia klasyfikacji oraz twierdzenia Bayesa.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 3. Analiza błędów i ocena jakości
Szkoła ponadpodstawowa, Nauczyciele
Kurs zapoznaje z narzędziami oceny jakości modelu i analizą błędów w uczeniu nadzorowanym.
Sztuczna inteligencja
Sieci neuronowe – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy historii sieci neuronowych, wyjaśnia pojęcie perceptonu i wskazuje różnice między neuronami biologicznymi a sztucznymi.
Sztuczna inteligencja
Sieci neuronowe – Moduł 2. Działanie sieci neuronowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy działania sieci neuronowych, ich budowy oraz metod optymalizacji.
Sztuczna inteligencja
Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej
Szkoła ponadpodstawowa, Nauczyciele
Kurs pozwala na zgłębienie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania.
Informacje o kursie
Uczenie maszynowe – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
