Практика

Описание практических заданий

Практические задания курса “Разработка и оптимизация интеллектуальных информационных систем” охватывают основные области современного искусственного интеллекта и машинного обучения. Каждое задание включает теоретические основы, практическую реализацию и самостоятельные задания для углубления знаний.

Основные направления практических работ:

Классические методы оптимизации: - Одномерная оптимизация — методы пассивного поиска, дихотомии, золотого сечения и Фибоначчи

Машинное обучение: - Классификация — основные алгоритмы ML, метрики качества, сравнительный анализ

Обработка естественного языка: - Токенизация, векторизация, классификация текстов, анализ тональности, извлечение сущностей

Компьютерное зрение: - Обработка изображений, классификация, распознавание лиц, обнаружение объектов

Нейронные сети и глубокое обучение: - Создание нейросетей с нуля, CNN, RNN/LSTM, предобученные модели

Системы массового обслуживания: - Моделирование очередей, теория массового обслуживания, оптимизация сервисных систем