Andmeteaduse praktilised koolitused

Mis on andmeteadus, masinõpe ja tehisintellekt – Läbi analoogiate tutvustakse osalejatele andmeteaduse, masinõppe ja tehisintellekti olemust ja omavahelisi seoseid. Osalejad saavad teada, kuidas erineb masinõpe programmeerimisest. Tutvustatakse masinõppe kolme põhiliiki (juhendatud õpe, juhendamata õpe ja stiimulõpe).

Kuidas masinõpe töötab ehk mis on musta kasti sees – Masinõpe ja tehisintellekt võivad tunduda hirmutavalt keerukatena, kuid baastasemel teostavad masinõppemudelid lihtsaid matemaatilisi tehteid. Koolitussessiooni käigus näidatakse osalejatele samm-sammult, kuidas „masin“ õpib. Praktilise ülesandena koostatakse mudel, mis prognoosib müügitulu reklaamikulu ja allahindluse protsendi baasil (näites kasutatavad andmed on sünteetilised ehk väljamõeldud).

Miks me tehisintellekti nii kaua ootama oleme pidanud – Tehakse kiire vaade tehisintellekti enam kui 200-aastasesse ajalukku ning kirjeldatakse viimase kümnendi väga kiire arengu kolme võtmekriteeriumit (paremad algoritmid, suurem arvutusvõimsus ja suuremad andmed).

Kuna kasutada kirjeldavat analüütikat, statistikat ja masinõpet – Andmeteadus on koondtermin, millega tähistatakse nii andmete ettevalmistamist, kirjeldavat statistilist analüüsi kui ka keerukate masinõppemudelite treenimist. Praktikas võib juhtuda, et juht tellib masinõpet, kuid probleemi tuleks lahendada lihtsama kirjeldava analüütika abil. Osalejatele tutvustatakse mõttemudelit, mille põhjal defineerida, millist analüütika tüüpi tuleks käesolevale küsimusele vastamiseks kasutada.

Andmete ettevalmistamine ja töötlemine programmeerimiskeeles Python – Tutvustatakse andmeteaduse tööriistu Python, R ja Google Colaboratory, õpetatakse Python’i põhialuseid ning andmeteadlaste hulgas populaarseid programmeerimisteeke. Samuti tehakse läbi praktiline näide andmete ettevalmistamisest Python’ga.

Andmete visualiseerimine ja veebirakenduste loomine – Osalejad õpivad andmete visualiseerimise põhimõtteid ning tehakse läbi praktilised näited interaktiivsete graafikute ja lihtsamate veebirakenduste loomisest.

Andmeteaduse projektide juhtimine – õpetatakse andmeteaduse projektide põhilisi samme ning vigade vältimist.

Prognoosimine ja mustrite leidmine andmetest – osalejad saavad teadmised andmete kogumisest ja ettevalmistamisest ning tehakse läbi praktilised näited prognoosimudelite ehitamisest.

Masinnägemine ja tekstitöötlus – õpetatakse masinnägemise ja tekstitöötluse kasutuslugusid ning tehakse üheskoos läbi praktilised näited.

Optimeerimine ja automatiseerimine – osalejad õpivad optimeerimist ja stiimulõpet ehk kuidas panna masin iseseisvalt otsuseid tegema.