|
ᅠᅠᅠ
|
ᅠᅠᅠ
|
ᅠᅠᅠ
|
Введение в искусственный интеллект
|
|
Курс знакомит студентов с современным состоянием машинного обучения и искусственного интеллекта: от классических алгоритмов до подходов глубокого обучения и последних достижений в области искусственного интеллекта. В результате студенты формируют устойчивую базу для дальнейшего роста в области ИИ.
|
|
Компьютерное зрение
|
|
Через зрительное восприятие мы получаем огромное количество информации об окружающем мире. Методы эффективной обработки визуальной информации и извлечения из нее знаний нужны для таких приложений, как вычислительная фотография, беспилотные автомобили и летательные аппараты. Несмотря на быстрый прогресс последнего десятилетия, эта сфера все еще полна возможностей для развития. Так что сейчас отличный момент для того, чтобы погрузиться в нее, вооружившись классическими методами обработки изображений в сочетании с глубоким обучением.
|
|
Обучение с подкреплением
|
|
Обучение с подкреплением — это довольно молодое, но весьма перспективное направление в области искусственного интеллекта. В нем регулярно появляются новые достижения и открытия. Искусственные агенты начинали с крестиков-ноликов, но уже сегодня они превосходят человека в шахматах, StarCraft и сборке реального трехмерного кубика Рубика. Играми дело не ограничивается: методы обучения с подкреплением применяются в компьютерном зрении, экспертных системах, обработке естественного языка, в том числе в машинном переводе, и так далее.
|
|
Обработка естественного языка
|
|
Понимание естественного языка (NLP) — один из ключей к органичному взаимодействию человека и машины. Новые разработки в этой области ведут к ощутимым улучшениям в работе поисковых систем, чат-ботов, машинного перевода, и развивают ИИ в целом. NLP входит в число наиболее прибыльных направлений, и здесь всегда есть куда стремиться и чему учиться.
|
|
Разработка ПО и облачные вычисления
|
|
Для создания успешной системы искусственного интеллекта нужны качественные модели, эффективный и грамотно написанный код, а также профессиональное владение аппаратными средствами и умение работать в команде. Все это требует практики. Внедрение моделей, их развертывание на различных системах, в том числе встроенных (на смартфонах), построение линий передачи данных — шаги, которые необходимы для создания качественного ПО. Студенты пройдут их один за одним.
|