Izobraževanje »Uvod v strojno učenje« je namenjeno razumljivemu in praktičnemu spoznavanju temeljnih konceptov strojnega učenja. Udeleženci se seznanijo z razliko med nadzorovanim in nenadzorovanim učenjem, pomenom vzorcev, značilk, ciljne spremenljivke in modela ter z osnovnimi pristopi, ki omogočajo gradnjo napovednih in klasifikacijskih modelov. Program vključuje regresijo, klasifikacijo, naivni Bayesov klasifikator, osnove umetnih nevronskih mrež, vrednotenje modelov ter rojenje podatkov z algoritmom K-Means.

V ospredju je praktično razumevanje, kako iz podatkov nastanejo modeli, kako jih učimo, preverjamo in interpretiramo ter kako ocenjujemo njihovo uspešnost. Udeleženci skozi praktične primere spoznajo uporabo učne in testne množice, navzkrižne validacije, matrike zamenjav ter mer, kot so točnost, preciznost, priklic in mera F1. Pridobljeno znanje predstavlja pomemben temelj za nadaljnje razumevanje naprednejših pristopov umetne inteligence, vključno z nevronskimi mrežami, globokim učenjem in velikimi jezikovnimi modeli.

Gradiva so po sklopih na voljo na spodnjih povezavah:

Sklop 1: Temeljni koncepti strojnega učenja

Sklop 2: Linearna regresija

Sklop 3: Klasifikacija in Naivni Bayes

Sklop 4: Nevronske mreže

Sklop 5: Metrika učinkovitosti

Sklop 6: Nenadzorovano učenje