Course Outline

Εισαγωγή στο AI

  • Ιστορία της AI
  • Ορισμοί και ορολογία
  • AI εναντίον ανθρώπινης νοημοσύνης
  • Μελλοντικές τάσεις και δυνατότητες

Machine Learning Βασικά στοιχεία

  • Τύποι μηχανικής μάθησης: εποπτευόμενη, χωρίς επίβλεψη, ενίσχυση
  • Βασικοί αλγόριθμοι ML
  • Ροή εργασιών ML: από τη συλλογή δεδομένων έως την αξιολόγηση του μοντέλου

Data Management

  • Τεχνικές συλλογής δεδομένων
  • Καθαρισμός και προεπεξεργασία δεδομένων
  • Ανάλυση και οπτικοποίηση δεδομένων

AI στην πράξη

  • Μελέτες περίπτωσης εφαρμογών AI
  • Λύσεις τεχνητής νοημοσύνης ειδικά για τον κλάδο
  • AI σε καταναλωτικά προϊόντα

Ηθικές Θεωρήσεις

  • AI και μετατόπιση θέσεων εργασίας
  • Μεροληψία και δικαιοσύνη στην τεχνητή νοημοσύνη
  • Ζητήματα απορρήτου και ασφάλειας
  • Το μέλλον της ηθικής της τεχνητής νοημοσύνης

Εργαστήριο

  • Python προγραμματιστικές εργασίες
  • Έργα ανάλυσης δεδομένων χρησιμοποιώντας σύνολα δεδομένων πραγματικού κόσμου
  • Ανάπτυξη απλού μοντέλου ML

Περίληψη και Επόμενα Βήματα

Requirements

  • Κατανόηση βασικών εννοιών προγραμματισμού
  • Εμπειρία στον προγραμματισμό Python
  • Εξοικείωση με βασικές στατιστικές και μαθηματικά

Ακροατήριο

  • Επαγγελματίες Πληροφορικής
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories