Автономная некоммерческая организация дополнительного профессионального образования «Открытое образование» (Москва, Россия) объявляет о проведении детского научно-образовательного интенсива «Анализ данных и искусственный интеллект». Кроме российских школьников, к участию в мероприятии приглашаются иностранные учащиеся IX–XI классов с хорошими и отличными знаниями математики, какого-либо языка программирования, проявляющие интерес к занятиям программированием и инженерному образованию.
Образовательная программа проводится в рамках реализации мероприятия «Проведение тематических смен в сезонных лагерях для школьников по передовым направлениям дискретной математики, информатики, цифровых технологий в рамках федерального проекта „Кадры для цифровой экономики“ национальной программы „Цифровая экономика“ государственной программы Российской Федерации „Развитие образования“».
Мероприятие пройдет с 29 октября по 7 ноября 2019 года на базе Государственного автономного учреждения дополнительного образования «Детский оздоровительно-образовательный (профильный) центр „Сибирская сказка“» (Кемеровская область, Новокузнецкий район, с. Костенково).
Все расходы по поездке и пребыванию слушателей финансируются из средств гранта.
Контактное лицо: Бикенёва Анастасия Игоревна,
тел. +79659171259, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Основные предметные блоки программы
- Современные социально-экономические вызовы и роль анализа данных в работе с ними.
- Анализ социально-экономических процессов. Введение в методы анализа данных с помощью Python, в том числе:
- Основы машинного обучения и основные типы задач. Классификация задач машинного обучения. Повторение основ программирования на языке Python.
- Знакомство со специализированными библиотеками языка программирования Python для научных расчетов и анализа данных.
- Знакомство с различными методами предобработки данных, описательными статистиками и основными способами визуализации данных.
- Методы обучения с учителем и без. Методы кластеризации. Критерии оценки качества полученных моделей. Линейный регрессионный анализ.
- Задача классификации и основные методы ее решения. Метрики качества классификации.
- Ансамбли алгоритмов машинного обучения.
- Введение в Deep.
- Определение новых социально-экономических объектов и управления ими на основе данных.
НИО
