Этот курс продолжает линию машинного обучения и знакомит учеников с нейросетями и современными идеями искусственного интеллекта. Мы разберём, что такое нейрон, веса, слой, функция активации и почему одной простой модели иногда недостаточно.
Ученики увидят, как изображение превращается в таблицу чисел, как модель может распознавать цифры или простые картинки, зачем нужны свёртки и фильтры. Отдельный блок посвящён текстам: как буквы и слова превращаются в числа, как работает простая вероятностная генерация слов и почему современным ИИ-моделям важен контекст.
Курс не превращается в университетскую математику: главная задача — понять принципы через эксперименты, визуальные примеры и небольшие проекты.
В этом курсе ученики переходят от простого анализа данных к первым моделям машинного обучения. Мы будем разбираться, как компьютер может находить закономерности, делать прогнозы и ошибаться.
Курс строится через практику: сначала смотрим на данные, потом задаём вопрос, обучаем модель, проверяем результат и обсуждаем ошибки. Ученики познакомятся с библиотеками Pandas и scikit-learn, научатся выделять признаки и ответы, делить данные на обучающую и тестовую части, решать задачи регрессии, классификации и кластеризации.
Особое внимание уделяется не запоминанию терминов, а пониманию: почему модель дала такой ответ, где она ошиблась и как можно улучшить результат.
Этот курс — первый шаг в мир анализа данных и искусственного интеллекта. Мы начнём не с формул и сложных моделей, а с простых и понятных вещей: как запустить код, как сохранить результат, как работать с числами, списками и небольшими наборами данных.
Ученики познакомятся с Jupyter Notebook — рабочей тетрадью исследователя, где рядом находятся код, результат и вывод. Постепенно ребята научатся задавать вопросы к данным, находить минимум, максимум, среднее значение, замечать необычные значения и объяснять полученные результаты своими словами.