VeraVla edu!

У цій секції ми познайомимося з історією людини, яка перекваліфікувалася на фахівця зі штучного інтелекту і відповідаємо на запитання: "Чи варто це витратити 2 роки на вивчення штучного інтелекту?" Також ми розберемо уроки, засвоєні фахівцями, які пройшли шлях від молодших до головних спеціалістів.

Ця секція починається з пояснення понять проблеми, суті та цілей штучного інтелекту. Ти дізнаєшся у чому різниця між даними та інформацією. А також що така якість інформації. Ми розберемо, що таке алгоритми, комп'ютерні програми та мову програмування Python, і почнемо працювати в інтегрованому середовищі розробки мови Python. Далі ми зрозуміємо суть їх змінних властивостей і типів. Саме з цієї секції ти почнеш писати свої перші програмні коди мовою програмування Python. Ми вивчимо всі аспекти цієї дивовижної мови. Далі ми розберемо такі бібліотеки як Numpy, Pandas та Matplotlib. У цій секції ти познайомишся із середовищем розробки Jupyter Notebook.

Ця секція показує нам, різницю між лінійним та нелінійним програмуванням. Описує процес здобуття знань. Також, ти дізнаєшся, у чому різниця між AI, machine learning та deep learning. Також обговоримо види штучного інтелекту, його застосування та приклади.

У цих секціях ми детально розберемо роботу алгоритмів machine learning. І ти створиш дуже просту, але вже власну модель штучного інтелекту. Також ти навчишся оцінювати точність моделей. У цьому розділі ми докладно почнемо розбирати одну з бібліотек штучного інтелекту scikit learn. Тут же ми розберемо інше середовище розробки, яке називається spyder.

Тут ми докладно обговоримо весь процес розробки моделі штучного інтелекту. Також ми почнемо вивчення аналізу даних та їх обробки для навчання штучного інтелекту У цій секції я навчу тебе практичним прикладом аналізу та обробки даних від А до Я.

У цій секції з усіх даних, що ми маємо, ми навчимося відбирати тільки ті, що нам потрібні для навчання штучного інтелекту.

У цій секції я дам чек лист дій побудови end-to-end проектів штучного інтелекту.

На практичних заняттях ми навчимо наші моделі штучного інтелекту наступним речам: передбачати натискання реклами користувачем у фейсбуці; визначати рак грудей; передбачати відставку клієнтів банку; визначати наявність кіфозу у дітей; визначати позитивні та негативні відгуки yelp; визначати позитивні та негативні відгуки на амазоні; визначати спам листа; передбачати наявність хвороб серця у пацієнтів; визначати зношування деталей на токарному верстаті.

У цій секції ти дізнаєшся, що таке deep learning і як це працює, також зрозумієш, що таке нейрони і як нейронні мережі навчаються. Ми детально розберемо усі процеси, пов'язані з нейронними мережами. Ти також познайомишся з бібліотекою keras, фреймворком tensorflow та середовищем розробки google colab.

Ця секція присвячена конволюційним нейронним мережам, що застосовуються у комп'ютерному зорі. Ми детально розберемо як штучний інтелект розпізнає ті чи інші речі, наприклад машини чи яблука.

На цих заняттях ти розробиш свої нейронні мережі, які можуть: передбачати ціни автомобілів; передбачати вихідну потужність електростанцій (кейс віртуальних сенсорів); передбачати поломки насоса на основі даних із сенсорів насоса; розпізнавати рукописні цифри, розпізнавати елементи одягу, розпізнавати різноманітні об'єкти; розпізнавати пошкоджені автомобілі; розпізнавати вуличні дорожні знаки безпілотних автомобілів.