Опис курсу

Курс розроблено так, щоб надати учасникам необхідні знання і навички для успішного аналізу соціально-економічної інформації за допомогою інтелектуальних систем та методів машинного навчання. Кожна тема курсу пропонує вивчення ключових аспектів штучного інтелекту, інтелектуальних систем, а також методів та інструментів аналізу даних, таких як Excel, Power BI, Google Таблиці та програмне забезпечення Weka. Студенти також ознайомляться з концепціями експертних систем, нечіткої логіки, нейронних мереж та генетичних алгоритмів. Курс спрямований на практичне застосування набутих знань у вирішенні реальних завдань аналізу соціально-економічної інформації, що дозволить учасникам ефективно використовувати ці навички у своїй професійній діяльності.

Після завершення курсу студент буде знати:

• основні напрямки досліджень у сфері штучного інтелекту та інтелектуальних систем;
• загальні положення та принципи функціонування інтелектуальних систем;
• основи інтелектуального аналізу та візуалізації даних;
• засади роботи експертних систем;
• використання нечіткої логіки у аналізі соціально-економічної інформації;
• поняття машинного навчання та його застосування у Google таблицях та пакету Weka;
• основні концепції нейронних мереж.
• основні концепції генетичного алгоритму.

Після завершення курсу студент буде вміти:

• застосовувати основні поняття та методи штучного інтелекту для вирішення завдань аналізу соціально-економічної інформації;
• використовувати інтелектуальні системи для обробки та аналізу даних з різних джерел;
• здійснювати аналіз та візуалізацію соціально-економічних даних за допомогою Excel та Power BI;
• використовувати експертні системи для моделювання та розв’язання проблем в сфері соціально-економічного аналізу;
• вирішувати завдання інтелектуального аналізу даних, використовуючи різні методи та інструменти;
• використовувати нечітку логіку для вирішення складних завдань аналізу соціально-економічної інформації;
• застосовувати знання з машинного навчання для розв’язання завдань прогнозування та класифікації;
• використовувати Google Таблиці для виконання завдань машинного навчання;
• використовувати програмне забезпечення Weka для побудови моделей машинного навчання;
• застосовувати концепції нейронних мереж та генетичних алгоритмів для розв’язання завдань аналізу соціально-економічної інформації.