Rakendatud tehisintellekti metoodika

  1. Analüüsi toimimise mõistmine
  2. Andmeanalüüsi tõhus kasutamine masinõppega
  3. Tehisintellekti võimaluste kindlaksmääramine

  1. Andmeteadusprotsess
  2. Masinõpe äritegevuses
  3. Andmete hõivamine
  4. Andmete ettevalmistamine
  5. Andmete visualiseerimine
  6. Järeldused
  7. Andmetöötlus
  8. Reeglipõhine lähenemine vs andmetöötluse lähenemine

  1. Sissejuhatus tehisintellekti süsteemide projekteerimisse
    1. Äri ja masinõppe eesmärgid
    2. Nõuded tehisintellekti süsteemidele
    3. Iteratiivne protsess
    4. Tehisintellekti probleemide raamistamine
    5. Mõistus versus andmed
  2. Andmetöötluse alused
    1. Andmeallikad
    2. Andmeformaadid
    3. Andmemudelid
    4. Andmesalvestusmootorid ja andmetöötlus
    5. Andmevoogude viisid
    6. Kogumitöötlus versus voogtöötlus
  3. Treeningandmed
    1. diskreetimine
    2. märgistus
    3. Klassidevaheline tasakaalustamatus
    4. Andmete täiendamine
  4. tunnuse loomine
    1. Õpitud tunnused versus konstrueeritud tunnused
    2. Ühised tunnuste loomise tegevusviisid
    3. Andmete lekkimine
    4. heade tunnuste loomine
  5. Mudeli arendamine ja off-line hindamine
    1. Mudeli arendamine ja õpetamine
    2. Mudeli off-line hindamine
  6. Mudelite kasutuselevõtu ja prognoosimisteenus
    1. Masinõppe kasutuselevõtu müüdid
    2. Pakkprognoosimine versus on-line prognoosimine
    3. Mudelitihendus
    4. Masinõpe pilves ja servas
  7. Andmete jaotamise nihked ja seire
    1. Tehisintellekti süsteemi probleemide põhjused
    2. Andmete jaotuse nihked
    3. Seire ja jälgitavus
  8. Jätkuv õppimine ja katsetamine tootmises
    1. Jätkuv õppimine
    2. Katsetamine tootmises
  9. Infrastruktuur ja töövahendid MLOps jaoks
    1. Salvestus- ja arvutusvõimalused
    2. Arenduskeskkond
    3. Ressursside haldus
    4. Masinõppe platvorm
    5. Arendus versus ostmine
  10. Tehisintellekti inimlik pool
    1. Kasutajakogemus
    2. Meeskonna struktuur
    3. Vastutustundlik AI

  1. Sissejuhatus seletatavasse tehisintellekti (XAI)
  2. Seletusmeetodite ja lähenemisviiside määratlemine
  3. Seletatavusmeetodite kvaliteedi hindamine
  4. Mudeli seletatavuse meetodite liigid
  5. Teadmiste kaevandamise meetodid
  6. Mõjupõhised meetodid
  7. Näitepõhised meetodid

  1. Tehisintellekti inseneri profiil
  2. Olulised tegurid
    1. Andmeteadlase ja tehisintellekti inseneri erinevuste selgitamine
    2. Keskendumine lihtsusele kogu projektitöös, et vähendada riske
    3. Agiilsete põhialuste rakendamine tehisintellekti projektitöös
    4. DevOps’i ja MLOps’i erinevused ja sarnasused
  3. Projekti planeerimine ja ulatuse määramine
  4. Projektiga seotud teabevahetus ja logistika
  5. Tehisintellektiprojekti planeerimine ja uurimine
  6. Tehisintellektiprojekti testimine ja hindamine
  7. Üleminek prototüübist minimaalselt elujõuliseks projektiks (MVP)

Tehisintellekti meetodid ja vahendid

Rakendatud tehisintellekti kasutamine loodusteadustes