Tekoälyn verkkokurssi
Neljä ensimmäistä tekoälyyn orientoivaa osaa sopivat kaikille, eikä niihin ole mitään pohjatietovaatimuksia: 1. Tekoälyn taustaa, 2. Koneoppimisen tavat, 3. Data ja 4. Soveltaminen.
Toinen kokonaisuus sisältää 10 teknisempää, tekoälyä soveltavaa verkkokurssin osaa. Ne vaativat jonkin verran ohjelmointitaitoa.
Tekoälyn verkkokurssin orientoivat osat
1. Tekoälyn taustaa
Tässä osassa tutustumme tekoälyn historiaan. Karsimme sen ympäriltä turhaa hypeä. Selvittelemme teoriaa taustalla ja tarkastelemme esimerkkejä.
2. Koneoppimisen tavat
Tämän osan tavoitteena on selventää tapoja, joilla tietokone pystyy oppimaan toimimaan itsenäisesti erilaisissa tehtävissä. Koneoppiminen on tekoälyn osa-alue, joka on tällä hetkellä käytössä monissa sovelluksissa ja kurssi monelta osin keskittyy siihen.
3. Data
Tässä kurssin osassa keskitytään dataan, joka on tekoälysovellusten ytimessä. Tarkastelemme, millaista dataa on olemassa, miten sitä kerätään ja miten sitä kuuluu käsitellä, jotta siit saadaan irti paras mahdollinen hyöty koneoppimisen kannalta.
4. Soveltaminen
Tässä kurssin osassa siirrytään tekoälyn teoreettisesta tarkastelusta käytännön soveltamiseen. Mistä sovelluksen kehittämisessä kannattaa lähteä liikkeelle? Miten tekoälysovellusten toimintaa voidaan arvioida? Millaisia hyviä käytänteitä ja toimivaksi todettuja rakenteita tekoälysovelluksen kehitysprosessiin on olemassa?
Johdanto tekoälyyn ja verkkokurssille
Tekoälyä voidaan soveltaa omassa yrityksessä ja työssä esimerkiksi optimoimalla tuotannon prosesseja; vältetään rikkoutumisia ja parannetaan laatua. Tekoälyn avulla pystytään myös tekemään parempia päätöksiä, esimerkiksi hyödyntämällä ennustavaa analytiikkaa.
Tekoälyn verkkokurssin soveltavat osat
Osa 5: Python ohjelmoinnin perusteet
Osa 6: Matemaattiset perusteet
Osa 7: Datan esikäsittely
Osa 8: Luokittelu ja regressio I
Osa 9: Luokittelu ja regressio II
Osa 10: Aikasarjat
Osa 11: Ryhmittely
Osa 12: Poikkeaman tunnistaminen
Osa 13: Neuroverkot I
Osa 14: Neuroverkot II