Podstawy sztucznej inteligencji: podstawy uczenia maszynowego i głębokiego uczenia się

Świat sztucznej inteligencji szybko się zmienia, ale zapewnienie głębokiego zrozumienia zaczyna się od opanowania podstawowych pojęć dotyczących uczenia się i działania tych systemów.Ten kurs zapewnia jasne, oparte na tekście wprowadzenie do podstawowych filarów nowoczesnej sztucznej inteligentności. Przejdziesz poza szum i zyskasz jasność na temat kluczowych paradygmatów, takich jak nauczanie nadzorowane i nienadzorowane, architektura sieci neuronowych oraz sposób zastosowania AI do rzeczywistych zadań, takich Jak przetwarzanie tekstu i rozpoznawanie obrazów. Czego się nauczysz: * Zrozum podstawowe różnice między paradygmatami sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia się. * Dowiedz się podstawowych algorytmów uczenia maszynowego, w tym modeli liniowych, drzew decyzyjnych i technik klastrowania. * Opanowanie struktury i funkcji sieci neuronowych oraz tego, jak tworzą one podstawę nowoczesnych rozwiązań Deep Learning. * Zastosuj kluczowe pojęcia w przetwarzaniu języka naturalnego (NLP) i Computer Vision (CV) do typowych zadań, takich jak klasyfikacja i rozpoznawanie. * Konfigurowanie prostych wzorców Retrieval-Augmented Generation (RAG) w celu zwiększenia wyjścia modelu językowego przy użyciu zewnętrznych źródeł danych. * Ćwicz interpretację wskaźników wydajności modelu i zarządzanie typowymi problemami, takimi jak przesadzenie i stronniczość. Program nauczania zaczyna się od podstawowej terminologii i pojęć matematycznych, zanim przejdziemy do praktycznych zastosowań algorytmów uczenia się.Obejmujemy teoretyczne podstawy niezbędne do zrozumienia nowoczesnych ram i technik AI. Ten kurs jest przeznaczony dla absolutnych początkujących bez wcześniejszego doświadczenia w AI, nauce o danych lub zaawansowanej matematyce.Zacznij budować swoją wiedzę w technologii kształtującej przyszłość już dziś.