Umělá inteligence pro manažery

Kurz je určen pro všechny, kteří chtějí porozumět principům strojového učení a umělé inteligence bez nutnosti zacházet do přílišných technických detailů.

Žádné.

Studijní materiál společnosti Machine Learning College.

• Co je strojové učení a umělá inteligence
• Rozdíl mezi strojovým učením a umělou inteligencí
• Základy strojového učení
• Nejdůležitější techniky strojového učení
• Problémy, které nejdou řešit umělou inteligencí
• Datově řízená společnost
• Důležitost dat
• Intuice vs. data
• Exponenciální výhoda
• Most mezi manažerem a vývojářem umělé inteligence
• Metriky strojového učení a jeho interpretovatelnost
• Trénovací vs. testovací data set
• Accuracy, precision, recall, RMSE, MAE, R-Square
• Odlehlé hodnoty v datech
• Vyváženost data setů
• Spolehlivost modelů
• Vysvětlitelnost rozhodnutí modelů strojového učení
• A/B testování a porozumění jeho výsledkům
• Tradiční A/B testování
• Víceruký bandita a optimalizace
• Souběžné provádění více A/B testů
• Intervaly spolehlivosti
• Etika a bezpečnost umělé inteligence
• Příklady úspěšných aplikací strojového učení
• Text (klasifikace, analýza sentimentu, sumarizace, vyvozování, chat boty
• Obraz a video (klasifikace, segmentace, zvýšení rozlišení, odstranění šumu)
• Doporučovací systémy a řazení
• Predikce časových řad (strojové obchodování, e-commerce)
• Detekce anomálií