КУРС З ОСНОВ ШТУЧНОГО ІНТЕЛЕКТУ
ДЛЯ ШКОЛЯРІВ ТА СТУДЕНТІВ
На YouTube-канал завантажено онлайн-лекції з основ штучного інтелекту. У відео-курсі Віталій Мокін, д.т.н., проф. ВНТУ, пояснює основи аналізу та прогнозування з використанням мови програмування Python. Курс призначений для учнів старших класів шкіл для вивчення AI / ML / DL / Data Science та для самопідготовки студентів спеціальностей 124 (освітня програма «Системний аналіз») та 126 (освітні програми «Прикладні інформаційні технології» (бакалавр), «Інформаційні технології аналізу даних та зображень» (магістр) та ін.
На канал завантажено більше 20-ти записів, у яких школярі, студенти та усі зацікавлені поступово знайомляться з курсом "AI-ML-DS Training від GM Мокіна В.Б.". Відео мають навчальний характер – приклади розв’язання реальних задач з використанням сучасних інформаційних технологій. З часом з'являтимуться нові уроки.
Щоб оволодіти курсом, необхідно спершу зареєструватись на Kaggle - платформі для створення моделей для прогнозування та опису даних на основі Python (https://www.kaggle.com/). Після цього кожен бажаючий отримує можливість зробити собі копію будь-якого з ноутбуків (код на Python), змінити параметри і провести дослідження. Як саме все це робити - починаючи з азів Python і роботи у редакторі ноутбуків Kaggle - розповідається у перших відео-записах плейлиста курсу з основ штучного інтелекту для школярів та студентів.
У одному з останніх відео розглядається черговий приклад моделювання поширення коронавірусної інфекції в Україні та її областях з використанням бібліотеки Facebook Prophet. Автор курсу розповідає як по API завантажити щоденні дані з сайту РНБО України, а потім - як їх обробити і спрогнозувати у спеціально розроблених ноутбуках на Python у Kaggle. Перше відео з цього блоку - див. за посиланням https://www.youtube.com/watch?v=tJZzdkCDQ5c&list=PL4DHq-xU-ebUiB6T6vjd0SoDha4GOm8zV&index=18. Щоб розібратись у особливостях Facebook Prophet, автор курсу пропонує ознайомитись з ноутбуками, розміщеними на порталі Kaggle - див. https://www.kaggle.com/vbmokin/code). Дані у прикладі враховують й більше факторів (наприклад, кількість тестів).
Дослідження показують, що модель Facebook Prophet себе поводить найбільш адекватно під час наростання чи спадання хвиль. Між хвилями та під час різкої зміни напрямку зміни кількісних показників модель поводить себе не дуже адекватно, що обумовлено відносно коротким рядом спостережень, багатьма аномальними датами (у свята, як правило, даних надходить набагато менше) та впливом багатьох факторів (зміна кількості тестувань, щеплення населення, метеофактори, зміна карантинних умов тощо), які важко співставляти і враховувати. Тому усі моделі враховують лише один фактор – той, який моделюється, і аномальні дати багатьох видів із різним запізненням – це все детально описано у відео.
Дізнатись більше - див. статтю https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2555/2430?fbclid=IwAR2-szeT1uzUycwwk75vl3KcUk3qS0AQoNaJBpeJ4vFgFQECi5sSqKGx2QM .
Джерело: Facebook Мокін Віталій .
опублік. Бурдейна Олена Володимирівна