Искусственный интеллект и машинное обучение

Язык программирования Python. Переменные, операции, выражения. Целые, действительные числа. Условия, циклы. Строки. Списки. Словари. Описание функций, создание и использование классов. Отладка программ. Использование интерактивных блокнотов Jupiter Notebooks.
Библиотека NumPy. Операции с векторами и матрицами. Библиотека Pandas. Операции с наборами данных. Загрузка и обработка данных. Конструирование признаков. Фильтрация и сортировка данных.
Визуализация данных, основные виды графиков и диаграмм. Библиотеки Matplotlib, Seaborn.

Введение в базы данных. Язык запросов SQL и типы данных. Секции и порядок выполнения. Базовые функции. Функции для работы с датой и временем. Операции Join. Оконные функции. Основы визуализации. Базовые показатели и их интерпретация. Проектирование баз данных. Нормализация.

Цели и задачи ИАД. Этапы анализа данных. Модель CRISP. Модель SEMMA. Инструменты ИАД: Excel, BI-системы, языки программирования для анализа данных, аналитические low-code платформы.
Обработка и анализ данных в Yandex DataLens. Подключение данных. Типы данных. Модель данных, настройки датасета.
Объединение данных. Чарт. Дашбоард. Селекторы. Вычисляемые поля, синтаксис формул. Агрегатные функции. Оконные функции. LOD-выражения и управление фильтрацией в агрегатных функциях. Работа с правами доступа.

Анализ данных и машинное обучение. Обучение с учителем, без учителя, с подкреплением. Основные задачи машинного обучения. Принципы оценки качества моделей машинного обучения. Библиотека SkLearn.
Задача регрессии, основные методы и оценка качества моделей Задача регрессии. Линейная и полиномиальная регрессия. Функции ошибок. Переобучение и регуляризация.
Задача классификации. Метрики качества классификации. Метод к ближайших соседей. Логистическая регрессия. Метод опорных векторов.
Решающие деревья. Ансамблевые методы. Случайный лес. Градиентный бустинг. Подбор оптимальных гиперпараметров. Задача кластеризации. Метрики кластеризации. Метод к-средних. Метод DBSCAN. Метод t-SNE. Методы прогнозирования временных рядов.

Искусственный нейрон. Функции активации. Многослойный
персептрон. Обучение нейросетей. Классификация с помощью
многослойного персептрона. Библиотека Keras+Tensorflow. PyTorch.
Сверточные нейронные сети. Глубокое обучение. Перенос обучения.
Современные архитектуры нейросетей для компьютерного зрения.
Предобработка, векторизация текстов. Классификация текстов.
Рекуррентные нейронные сети для классификации текстов.
Генерация текстов. Языковые модели. Трансформеры. Мультимодальные модели