Tehisintellekti meetodid ja vahendid

  1. Ekspertsüsteemide mõiste
  2. Ekspertsüsteemide koostisosad
  3. Ekspertsüsteemide näited

  1. Õppimine näidete põhjal
  2. Õppimise liigid
    1. Juhitav/valvega õppimine
    2. Valveta õppimine
    3. Kinnitusega õppimine
  3. Praktilised vahendid AI/ML jaoks
    1. Programmeerimiskeskkond
    2. Graafilised töövahendid, KNIME
  4. Regressioon
    1. Ühemõõtmeline regressioon
    2. Mitme muutujaga regressioon
    3. Regressioonimudelite kvaliteet
  5. Klassifikatsioon
    1. Logistiline regressioon
    2. Otsustuspuud
    3. Klassifikaatorite kvaliteet
  6. Kõrvalekalded ja hajuvus
  7. Tunnusehõive
  8. Ansambelõpe
    1. Juhuslik mets (Random Forest)
    2. Regressioonipuud
    3. võimendatud puud
    4. Hüperparameetrite häälestamine masinõppes

  1. Närvivõrgud
    1. Neuronid bioloogias
    2. Pertseptron
    3. Tagasilevi ja gradientlaskumine
    4. Konvolutsioonilised närvivõrgud (CNN)
    5. Rekurrentsed närvivõrgud (RNN)
  2. Süvaõpe: Näited ja kasutusjuhtumid
  3. Süvaõppe praktilised aspektid
    1. Raamistikud
    2. Märgistamine ja rikastamine
    3. Standardmudelid ja ülekandeõpe

  1. Näiteid NLP ülesannetest
  2. Teksti eeltöötlus
  3. sisseehitused
  4. Transformerid
  5. Suured keelemudelid

  1. AI/ML programmeerimiskeskkonnad
    1. Jupyter Notebooks + Python, Anaconda
    2. Raamistikud: Scikit-Learn, Tensorflow, PyTorch, Keras jne.
  2. Koodivaba AI/ML
    1. KNIME analüütikaplatvorm
    2. Muud

Sissejuhatus AI-sse

Rakendatud tehisintellekti metoodika