Искусственный интеллект (Machine learning) для руководителей
Код: AI-001
Продолжительность очно: от 2 дн.
Продолжительность VILT: от 2 дн.
Формат обучения: очно, Virtual Instructor-Led Training - VILT
О курсе
На курсе рассматриваются основы машинного обучения с фокусом на его применение в бизнесе.
Учебная программа включает изучение основных моделей машинного обучения, а также анализ различных кейсов их применения в реальных бизнес-сценариях.
Слушатели овладеют навыками сбора и обработки данных, анализа и оценки результатов моделей, а также стратегиями управления проектами внедрения искусственного интеллекта.
Слушатели будут готовы применять инструменты машинного обучения для оптимизации бизнес-процессов и принятия эффективных управленческих решений.
Для кого этот курс
- Руководители структурных подразделений
- Руководители ИТ проектов
Требуемые знания и навыки
Приобретаемые навыки
После завершения курса слушатели получат навыки, позволяющие им:
-
- Знать основы машинного обучения: основные концепции и методы машинного обучения
- Уметь анализировать данные: слушатели освоят методы сбора, очистки и анализа данных, что позволит им работать с большими объемами информации и извлекать из нее ценные инсайты
- Оценивать эффективность и точность моделей машинного обучения, что позволит принимать обоснованные решения на основе данных
- Управлять проектами ИИ: слушатели освоят методы управления проектами внедрения искусственного интеллекта, включая разработку стратегий и оценку рисков
- Применять различные модели машинного обучения для решения бизнес-задач
Программа
- Введение в искусственный интеллект и машинное обучение
- Виды моделей машинного обучения и категории задач для применения ИИ
- Разбор кейсов применения ML-моделей в бизнес-задачах
- Наука о данных и инструменты анализа данных
- Этапы разработки и применения ML-модели
- Разбор кейсов поэтапной разработки и внедрения ML-моделей
- Анализ кейса: где и как применить ML-модель (идентификация задачи)
- Погружение в этап сбора и обработки данных, оценка достаточности данных
- Погружение в этап создания модели, классификация и регрессия
- Практическое задание на обработку данных и выбор модели
- Управление проектами ИИ. Стратегия внедрения ИИ. Оценка результатов внедрения
- Разбор кейсов управления проектами ИИ и внедрения ИИ
