Lady Margaret Hall, University of Oxford

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση: Θεωρία και Πράξη

Στην εποχή μας της ανερχόμενης έξυπνης τεχνολογίας και αυτοματισμού, βλέπουμε ήδη τις μεταμορφωτικές δυνατότητες της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης σε τομείς τόσο διαφορετικούς όπως η χρηματοδότηση, η ιατρική και η κατασκευή. Αυτό το μάθημα προσφέρει μια πρακτική εισαγωγή σε αυτόν τον τομέα έρευνας που εστιάζεται στο μέλλον.

Θα ξεκινήσετε με μια εισαγωγή στα βασικά του προγραμματισμού στην Python, ιδιαίτερα στην κατανόηση του αντικειμενοστρεφούς προγραμματισμού και της σημασίας του στη βαθιά μάθηση. Θα προχωρήσετε γρήγορα σε μια εισαγωγή στην τεχνητή νοημοσύνη, εξετάζοντας τις βασικές αρχές της εποπτευόμενης μηχανικής μάθησης, συμπεριλαμβανομένης της γραμμικής παλινδρόμησης, της λογιστικής παλινδρόμησης, των νευρωνικών δικτύων και της βαθμίδωσης. Στη δεύτερη εβδομάδα του μαθήματος, θα εξερευνήσετε την επεξεργασία εικόνας, τη διερεύνηση μετασχηματισμών, συνελικτικά φίλτρα και ανίχνευση άκρων, πριν από μια εισαγωγή στα συνελικτικά νευρωνικά δίκτυα και σε ορισμένες εξέχουσες αρχιτεκτονικές του CNN, όπως το VGG και το ResNet. Στο τελευταίο μέρος του μαθήματος, θα εξετάσετε τις βασικές έννοιες της επεξεργασίας φυσικής γλώσσας, συμπεριλαμβανομένης της μοντελοποίησης ακολουθίας, των αυτοπαλινδρομικών μοντέλων και των επαναλαμβανόμενων νευρωνικών δικτύων.

Αυτό το εντατικό μάθημα προσφέρει τόσο μια θεωρητική εισαγωγή στις έννοιες της τεχνητής νοημοσύνης και της μηχανικής μάθησης και μια ευκαιρία να τεθεί σε εφαρμογή αυτή η γνώση για την επίλυση πρακτικών προβλημάτων μικρής κλίμακας από διάφορους τομείς.

Ημερομηνίες και Διαθεσιμότητα

Διατίθεται ως μάθημα Residential ή Online στις ακόλουθες ημερομηνίες:

Συνεδρία 1: 24 Ιουνίου έως 12 Ιουλίου 2024

Συνεδρία 3: 5 Αυγούστου έως 23 Αυγούστου 2024