ΕΙΣΑΓΩΓΗ ΣΤΗ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Artificial Intelligence Professional Certificate

Εισαγωγή στην τεχνητή νοημοσύνη: Η Μηχανική Μάθηση είναι μια εφαρμογή της Τεχνητής Νοημοσύνης όπου ένας υπολογιστής/μηχανή μαθαίνει από προηγούμενες εμπειρίες (εισαγωγή δεδομένων) και κάνει μελλοντικές προβλέψεις. Η απόδοση ενός τέτοιου συστήματος θα πρέπει να είναι τουλάχιστον σε ανθρώπινο επίπεδο.
Αυτή η πιστοποίηση εστιάζει σε προβλήματα ομαδοποίησης για μη εποπτευόμενη μηχανική εκμάθηση με τον αλγόριθμο K-Means. Για την εποπτευόμενη μηχανική μάθηση, θα περιγράψουμε το πρόβλημα ταξινόμησης με μια επίδειξη του αλγορίθμου των δέντρων σχεδίασης και του αλγορίθμου παλινδρόμησης με ένα παράδειγμα γραμμικής παλινδρόμησης.

Εισαγωγή στην Τεχνητή νοημοσύνη

Το 1959, ο Arthur Samuel, ένας επιστήμονας υπολογιστών που πρωτοστάτησε στη μελέτη της Τεχνητής Νοημοσύνης, περιέγραψε τη μηχανική μάθηση ως «τη μελέτη που δίνει στους υπολογιστές τη δυνατότητα να μαθαίνουν χωρίς να είναι ρητά προγραμματισμένοι». Η θεμελιώδης εργασία του Alan Turing (Turing, 1950) εισήγαγε ένα πρότυπο αναφοράς για την επίδειξη της νοημοσύνης των μηχανών. Ένα μηχάνημα πρέπει να είναι έξυπνο και να ανταποκρίνεται με τρόπο που δεν μπορεί να διαφοροποιηθεί από αυτόν ενός ανθρώπου.

Η Μηχανική Μάθηση είναι μια εφαρμογή της Τεχνητής Νοημοσύνης όπου ένας υπολογιστής/μηχανή μαθαίνει από προηγούμενες εμπειρίες (εισαγωγή δεδομένων) και κάνει μελλοντικές προβλέψεις. Η απόδοση ενός τέτοιου συστήματος θα πρέπει να είναι τουλάχιστον σε ανθρώπινο επίπεδο.
Αυτή η πιστοποίηση εστιάζει σε προβλήματα ομαδοποίησης για μη εποπτευόμενη μηχανική εκμάθηση με τον αλγόριθμο K-Means. Για την εποπτευόμενη μηχανική μάθηση, θα περιγράψουμε το πρόβλημα ταξινόμησης με μια επίδειξη του αλγορίθμου των δέντρων σχεδίασης και του αλγορίθμου παλινδρόμησης με ένα παράδειγμα γραμμικής παλινδρόμησης.

Το σεμινάριο Εισαγωγή στην Τεχνητή Νοημοσύνη γίνεται σε συνεργασία του Εργαστηρίου ΤΠΕ Ήρων και της CertProf USA και οδηγεί στην βεβαίωση παρακολούθησης από το Εργαστήριο ΤΠΕ Ήρων και στην δυνατότητα απόκτησης πιστοποίησης Artificial Intelligence Professional Certificate  κατόπιν online εξετάσεων

 

Εισαγωγή στην Τεχνητή Νοημοσύνη

Χρήσιμες Πληροφορίες

– Κατανόηση των βασικών αρχών της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης.
– Περιγραφή των μεθόδων Μηχανικής Εκμάθησης: υπό επίβλεψη και χωρίς επίβλεψη.
– Χρήση της ανάλυσης δεδομένων για τη λήψη αποφάσεων.
– Κατανόηση των ορίων των αλγορίθμων.
– Κατανόηση της γλώσσας Python, βασικές γνώσεις μαθηματικών στην τεχνητή νοημοσύνη και βασικές μεθόδοι προγραμματισμού.

Με την ολοκλήρωση της παρακολούθησης του σεμιναρίου το οποίο γίνεται μέσα από την online εφαρμογή μας λαμβάνετε την βεβαίωση παρακολούθησης του σεμιναρίου από το Εργαστήριο ΤΠΕ Ήρων.

Μετά αποκτάτε την δυνατότητα, αν και εφόσον το επιθυμείτε , χωρίς καμία επιπλέον χρέωση να συμμετέχετε στις online εξετάσεις πιστοποίησης από την CertiProf και να πιστοποιηθείτε και από αυτούς.

Η μορφή των εξετάσεων είναι με ερωτήσεις – απαντήσεις πολλαπλής επιλογής και έχει τα ακόλουθα χαρακτηριστικά.

  • – Ανοιχτό βιβλίο: Όχι
  • – Ερωτήσεις: 40
  • – Γλώσσα: Αγγλικά
  • – Βαθμολογία επιτυχίας: 32/40 ή 80%
  • – Διάρκεια: 60 λεπτά
  • – Παράδοση: Αυτή η εξέταση είναι διαθέσιμη στο Διαδίκτυο
  • –  Η επίβλεψη σας θα γίνει από εμάς στο Εργαστήριο ΤΠΕ Ήρων

Θα έχετε δύο προσπάθειες εντός 180 ημερολογιακών ημερών από τη λήψη του αρχικού email καλωσορίσματος για να περάσετε τη εξέταση χωρίς κόστος.

  •  Όποιος ενδιαφέρεται να διευρύνει τις γνώσεις του στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση.
  • Μηχανικοί, Αναλυτές, Υπεύθυνοι Μάρκετινγκ.
  • Όποιος ενδιαφέρεται για τεχνικές εξόρυξης δεδομένων και μηχανικής μάθησης.
CURRICULUM

Ύλη προγράμματος

  • Machine Learning Fundamentals
  • Key Points

Introduction to K-Nearest Neighbors

  • Evaluating Model Performance

Multivariate K-Nearest Neighbors

Hyperparameter Optimization

Cross Validation

Guided Project: Predicting Car Prices

Calculus For Machine Learning

Linear Algebra For Machine Learning

Linear Regression For Machine Learning

Machine Learning in Python

Decision Tree

Δηλώστε συμμετοχή