Неформальна освіта

Неформальна освіта

Вивчення дисципліни «Програмування систем штучного інтелекту» може бути доповнене результатами неформальної освіти, що охоплює участь у відкритих онлайн-курсах, спеціалізованих тренінгах, сертифікаційних програмах і практичних воркшопах. Це дозволяє студентам розширити та поглибити знання з актуальних тем, підкріпити їх практичними навичками та підтвердити рівень компетентностей міжнародно визнаними сертифікатами.

Теми, що можуть бути зараховані

1. Вступ до машинного навчання та штучного інтелекту: основні поняття, типи навчання, моделі.
2. Розвідувальний аналіз даних (EDA): методи візуалізації, статистичний опис, підготовка датасетів.
3. Методи відбору ознак та зменшення розмірності: PCA, Lasso, інформаційна ентропія.
4. Класифікація та регресія: алгоритми kNN, логістична та лінійна регресія, дерева рішень.
5. Ансамблеві методи: Random Forest, Gradient Boosting, XGBoost.
6. Обробка текстів (NLP): токенізація, TF-IDF, word embeddings.
7. Комп’ютерний зір: згорткові нейронні мережі, розпізнавання та сегментація зображень.
8. Глибинне навчання: основи роботи з TensorFlow і PyTorch, побудова нейронних мереж.
9. Практичні інструменти для аналізу даних: Jupyter Notebook, Google Colab, GitHub.
10. Етика та безпека в штучному інтелекті: прозорість моделей, академічна доброчесність, відповідальність у застосуванні ШІ.

Ресурси для опанування

• Coursera: курси Machine Learning (Andrew Ng), AI For Everyone, Deep Learning Specialization.
• edX: програми від MIT, Harvard та інших університетів з основ AI, ML та Data Science.
• Udemy: практичні курси з Python для Data Science, TensorFlow, PyTorch, Computer Vision.
• Kaggle: інтерактивні туторіали (Kaggle Learn), змагання для практичного закріплення навичок.
• DataCamp: інтерактивні вправи з Python, R, обробки даних та побудови моделей.
• Stepik: курси з основ ML, Data Analysis та Computer Vision українською та російською мовами.
• Google AI: освітня платформа з матеріалами з ML, TensorFlow, Responsible AI.
• Fast.ai: безкоштовні курси з глибинного навчання з орієнтацією на практичну реалізацію.
• Курси Udemy.com

Зарахування результатів

Студенти можуть представити сертифікати про проходження курсів або портфоліо практичних проєктів (Kaggle, GitHub), які засвідчують опанування тем, відповідних програмі дисципліни. Такі результати можуть бути враховані як частина самостійної, лабораторної роботи чи  модуля.