- Курс: 3, 4
Предметом вивчення дисципліни «Машинне навчання та інтелектуальний аналіз даних» є сучасні технології обчислювального інтелекту, які використовуються для формалізації знань та побудови інтелектуальних систем, що вирішують різного роду задачі в умовах інформаційної невизначеності. Вивчатимуться принципи аналізу даних та машинного навчання, приділяється увага CRISP-DM методології та питанням підготовки даних. Розглянуто базові моделі лінійної та нелінійної регресії, класифікації, кластеризації, а також методи побудови асоціативних правил. Серед більш складних методів машинного навчання розглянуто методи обробки природної мови, використання штучних нейронних мереж в задачах прогнозування, класифікації та кластеризації, подано алгоритми глибокого навчання
МОДУЛЬ І
ОСНОВНІ ПОНЯТТЯ НАУКИ ПРО ДАНІ, МАШИННЕ НАВЧАННЯ, ШТУЧНИЙ ІНТЕЛЕКТ ТА ІНТЕЛЕКТУАЛЬНИЙ АНАЛІЗ ДАНИХ
Тема 1. Загальні аспекти постановки та розв’язання задач науки про дані та поняття Штучного Інтелекту
Тема 2. Передоброблення та розвідувальний аналіз даних (Eda)
Тема 3. Інженерія ознак (Feature Engineering)
Тема 4. Побудова моделей машинного навчання
МОДУЛЬ ІІ
НЕЙРОННІ МЕРЕЖІ ТА ГЛИБОКЕ НАВЧАННЯ
Тема 5. Нейронні мережі та глибоке навчання
Тема 6. Інтелектуальний аналіз зображень та відео
Тема 7. Інтелектуальний аналіз та оброблення природномовного тексту
Тема 8. Інтелектуальний аналіз і прогнозування часових рядів.
Дисципліна «Машинне навчання та інтелектуальний аналіз даних» може вивчатися після дисциплін «Математична статистика (Математика)», «Алг.-ція та прогр.-ня (Алг. та програмування)», «Комп'ютерне проєктування (Технології)»
