"Βασικές αρχές της τεχνητής νοημοσύνης" - μάθημα 2800 τρίψιμο. από το MSU, εκπαίδευση 15 εβδομάδων. (4 μήνες), Ημερομηνία: 28 Νοεμβρίου 2023.
μικροαντικείμενα / / November 29, 2023
Επί του παρόντος, το θέμα της τεχνητής νοημοσύνης (AI) βρίσκεται στο απόγειο της ανάπτυξής του λόγω της εφαρμογής μοναδικών τεχνολογιών τεχνητής νοημοσύνης σε πολλούς τομείς της ανθρώπινης δραστηριότητας. Η χρήση μεθόδων τεχνητής νοημοσύνης σε ένα ευρύ φάσμα επιστημονικής έρευνας έχει γίνει κοινή πραγματικότητα. Χάρη στην ανάπτυξη νέων τεχνολογιών, επιστήμονες από διάφορους τομείς της επιστήμης έχουν την ευκαιρία να αναλύσουν παραγωγικά δεδομένα μεγάλου όγκου και αποτελεσματικά επίλυση ερευνητικών προβλημάτων, για τα οποία προηγουμένως είτε θα είχε δαπανηθεί δυσανάλογος χρόνος και άλλοι πόροι, είτε απλώς φανταστικός. Το μάθημά μας θα εξετάσει τις κύριες κατευθύνσεις της AI ως πολλά υποσχόμενο κλάδο της επιστήμης δεδομένων: μεθόδους έξυπνη ανάλυση μεγάλων δεδομένων, μέθοδοι μηχανικής μάθησης, μέθοδοι παρουσίασης και πρωτογενούς επεξεργασίας δεδομένα. Θα επεξηγηθούν οι βασικοί όροι, οι δυνατότητες και οι περιορισμοί των τεχνολογιών που εξετάζονται και οι τύποι θα αναλυθούν. προβλήματα που πρέπει να επιλυθούν και παραδείγματα χρήσης μεθόδων τεχνητής νοημοσύνης στην επιστημονική έρευνα και σε άλλους τομείς του ανθρώπου δραστηριότητες.
Μορφή σπουδών
Μαθήματα αλληλογραφίας με χρήση τεχνολογιών εξ αποστάσεως εκπαίδευσης
Θέμα Νο 1 Στόχοι και στόχοι του μαθήματος «Βασικές αρχές της τεχνητής νοημοσύνης στη σύγχρονη επιστήμη και εφαρμογές». Η διαδικασία για την τελική πιστοποίηση.
Θέμα Νο 2 Μεγάλα δεδομένα στον σύγχρονο κόσμο: νέες προκλήσεις, νέα καθήκοντα και νέες λύσεις.
Θέμα Νο 3 Μέθοδοι τεχνητής νοημοσύνης στην επιστημονική έρευνα: δυνατότητες εφαρμογής και τρέχουσες τάσεις.
Θέμα Νο 4 Εφαρμογή μεθόδων τεχνητής νοημοσύνης ως υλοποίηση της έννοιας της νέας επιστημονικής γνώσης. Μηχανική μάθηση: πλεονεκτήματα και μειονεκτήματα της εφαρμογής.
Θέμα Νο 5 Αλγόριθμοι για την επεξεργασία μεγάλων δεδομένων. Βασικές μέθοδοι εργασίας με δεδομένα μεγάλου όγκου.
Θέμα Νο 6 Βασικοί αλγόριθμοι για την εξόρυξη μεγάλων δεδομένων στην επιστημονική έρευνα.
Θέμα Νο 7 Σύγχρονες τεχνολογίες τεχνητής νοημοσύνης σε μεγάλης κλίμακας κοινωνική επιστημονική έρευνα.
Θέμα Νο 8 Η τεχνητή νοημοσύνη στην επίλυση επιστημονικών προβλημάτων προσανατολισμένων στην πράξη.
Θέμα Νο 9 Η τεχνητή νοημοσύνη στην επίλυση σύγχρονων κοινωνικών και οικονομικών προβλημάτων.
Θέμα Νο 10 Προβλήματα χρήσης τεχνητής νοημοσύνης στον επιστημονικό και εκπαιδευτικό τομέα.
Θέμα Νο 11 Προοπτικές για την ανάπτυξη της χρήσης της τεχνητής νοημοσύνης στην επιστημονική έρευνα.
Θέμα Νο 12 Τελική πιστοποίηση για το μάθημα «Βασικές αρχές της τεχνητής νοημοσύνης στη σύγχρονη επιστήμη και εφαρμογές»