MODUŁ 1. Wprowadzenie. Scenariusze użycia sztucznej inteligencji

1. Wprowadzenie

• Pejzaż uczenia maszynowego i sztucznej inteligencji
• Cele i zasady pracy na kursie, projekt na zaliczenie
• Platforma Data Science Dataiku

2. Scenariusze użycia najważniejszych technologii sztucznej inteligencji

• Technologie rozpoznawania obrazu i przetwarzania języka naturalnego w produkcji, handlu i logistyce
• Przetwarzanie języka naturalnego i technologie generatywne

MODUŁ 2. Uczenie maszynowe w biznesie – przykłady

1. Regresja: predykcja cen nieruchomości, predykcja wartości klienta
2. Klasyfikacja: identyfikacja klientów wysokomarżowych w e-commerce, predykcja odejścia klienta do konkurencji, ocena wiarygodności kredytowej i predykcja konwersji w bankowości
3. Segmentacja: segmentacja klientów metodą RFM, identyfikacja regionów o najwyższym potencjale sprzedaży
4. Prognozowanie szeregów czasowych
5. Optymalizacja wyników i analiza co-jeżeli
6. Warsztat: wybór pomysłu, identyfikacja źródeł danyc

MODUŁ 3. Algorytmy i modele. Analiza eksploracyjna i przygotowanie danych do modelowania

1. Algorytmy i modele

• Nauczanie nadzorowane, nienadzorowane i ze wzmocnieniem
• Ewaluacja, doskonalenie i objaśnialność modeli
• Dobór algorytmu do problemu

2. Analiza i przygotowanie do modelowania

• Eksploracyjna analiza danych
• Czyszczenie danych
• Inżynieria cech

3. Warsztat: identyfikacja kluczowych cech, przygotowanie danych do modelowania

MODUŁ 4. Strategia tworzenia portfela i formułowanie uzasadnienia biznesowego projektów wykorzystujących SI

1. Strategia tworzenia portfela projektów uczenia maszynowego
2. Idea strategicznego koła zamachowego
3. Formułowanie uzasadnienia biznesowego
4. Spotkanie z ekspertem
5. Warsztat: modelowanie i interpretacja wyników

MODUŁ 5. Praktyczne aspekty wdrożeń SI

1. Praktyczne aspekty wdrożeń

• Wdrożenie produkcyjne, stosy technologiczne i architektury SI, metodyka MLOps
• Proces pozyskania danych i modelowania, metodyka CRISP-DM
• Wdrożenie biznesowe, empiryczna weryfikacja wartości modeli uczenia maszynowego, projektowanie eksperymentów

2. Spotkanie z ekspertem
3. Warsztat: udoskonalenie modelu, strategia wdrożenia i sformułowanie uzasadnienia biznesowego

MODUŁ 6. Prezentacje końcowe i podsumowanie kursu

1. Warsztat: prezentacje projektów końcowych
2. Trendy rozwoju – dyskusja

• Technologie generatywne i ich możliwy wpływ na kreatywność, edukację i zarządzanie
• Modelowanie relacji przyczynowo-skutkowych
• Kompetencje przyszłości

3. Źródła wiedzy
4. Podsumowanie kursu.

Uwaga: prezentowany wyżej harmonogram jest orientacyjny – może ulec niewielkim modyfikacjom (zarówno w aspekcie czasowym, jak i zakresu) w zależności od postępów i zainteresowania uczestników.