19. martā Rīgas Stradiņa universitātē notiks cikla Mašīnmācīšanās pamati pirmais vebinārs Ievads un pārskats par mākslīgo intelektu (MI) un mašīnmācīšanos (MM).
- Ievads un pārskats par mākslīgo intelektu (MI) un mašīnmācīšanos (MM): uzraudzītā mācīšanās, nepārraudzītā mācīšanās un stimulētā mācīšanās; datu sagatavošana mašīnmācīšanās algoritmu realizācijai – apmācības un testēšanas datu kopas; apmācītā mašīnmācīšanās algoritma precizitātes novērtēšana
- Programmēšanas valodas Python pamati: programmēšanas rīki, mainīgie, datu tipi, matemātiskās operācijas, nosacījumi, izpildes plūsma, funkcijas un bibliotēkas. Python bibliotēkas darbam ar datiem (Numpy, Pandas), vizualizāciju (Matplotlib) un mašīnmācīšanos (Scikit-Learn)
Praktiskajā daļā katram dalībniekam būs jāizvēlas problēma, kuras risināšanai izmantot mašīnmācīšanos, kā arī datu kopa attiecīgā mašīnmācīšanās modeļa izveidei. Ar programmēšanas valodas Python palīdzību būs jāveic datu kopas izpēte, vizualizācija un sagatavošana izmantošanai mašīnmācīšanās algoritmu apmācībai un novērtēšanai.
Par lektoru
Dr. sc. ing. Uldis Doniņš ir RSU Informācijas tehnoloģiju departamenta Informācijas sistēmu nodaļas vadītājs. Uldis ir paplašinājis savas zināšanas un pieredzi mašīnmācīšanās (machine learning) un datietilpīgā skaitļošanas (data intensive computing) jomās Bufalo Universitātes, ASV, Inženierzinātņu un lietišķo zinātņu fakultātē. Mašīnmācīšanās kā daļa no mākslīgā intelekta nozares nodrošina datorsistēmu mācīšanās un lēmumu pieņemšanas iespējas, balstoties uz pieejamajiem datiem, izmantojot dažādus uzraudzītās (supervised), nepārraudzītās (unsupervised) un stimulētās (reinforcement) mācīšanās modeļus. Datietilpīga skaitļošana risina jautājumus attiecībā uz dažādiem datu formātiem, glabāšanas modeļiem, programmatūras arhitektūru, programmēšanas modeļiem un algoritmiem, kā arī rīkiem liela apjoma datu analīzei.
- Par vebināru ciklu
Pieaugot skaitļošanas tehnikas jaudai un iespējām, mākslīgā intelekta risinājumi ieņem arvien lielāku lomu dažādu procesu norisē un veikšanā. Mašīnmācīšanās kā daļa no mākslīgā intelekta jomas nodrošina datora apmācīšanos un lēmumu pieņemšanu, pamatojoties uz pieejamajiem datiem. Vebinārā tiks apskatīts, kas ir mašīnmācīšanās, tās veidi un algoritmi, kā arī sniegts ieskats datu apstrādē un izmantošanā mašīnmācīšanās algoritmu realizācijā. Vebinārā tiks aplūkoti aktuālie mašīnmācīšanās algoritmi un to realizācijas iespējas, izmantojot Python, kas ir viena no populārākajām programmēšanas valodām.
Praktiskā daļa ir balstīta uz patstāvīgā darba, realizējot mašīnmācīšanās projektu ar Python programmēšanas valodu.
Nākamie vebināri šajā ciklā
| 23. aprīlī | Uzraudzītā mācīšanās regresijas un klasificēšanas uzdevumiem |
| 21. maijā | Individuāli izstrādāto mašīnmācīšanās projektu prezentācijas un diskusijas |
Norises vieta
