Автономная некоммерческая организация дополнительного профессионального образования «Открытое образование» (Москва, Россия) объявляет о проведении детского научно-образовательного интенсива «Анализ данных и искусственный интеллект». Кроме российских школьников, к участию в мероприятии приглашаются иностранные учащиеся IX–XI классов с хорошими и отличными знаниями математики, какого-либо языка программирования, проявляющие интерес к занятиям программированием и инженерному образованию.

Образовательная программа проводится в рамках реализации мероприятия «Проведение тематических смен в сезонных лагерях для школьников по передовым направлениям дискретной математики, информатики, цифровых технологий в рамках федерального проекта „Кадры для цифровой экономики“ национальной программы „Цифровая экономика“ государственной программы Российской Федерации „Развитие образования“».

Мероприятие пройдет с 29 октября по 7 ноября 2019 года на базе Государственного  автономного учреждения дополнительного образования «Детский оздоровительно-образовательный (профильный) центр „Сибирская сказка“» (Кемеровская область, Новокузнецкий район, с. Костенково).

Все расходы по поездке и пребыванию слушателей финансируются из средств гранта.

Контактное лицо: Бикенёва Анастасия Игоревна,
тел. +79659171259, e-mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

 

Основные предметные блоки программы

  1. Современные социально-экономические вызовы и роль анализа данных в работе с ними.

  2. Анализ социально-экономических процессов. Введение в методы анализа данных с помощью Python, в том числе:
  • Основы машинного обучения и основные типы задач. Классификация задач машинного обучения. Повторение основ программирования на языке Python.
  • Знакомство со специализированными библиотеками языка программирования Python для научных расчетов и анализа данных.
  • Знакомство с различными методами предобработки данных, описательными статистиками и основными способами визуализации данных.
  • Методы обучения с учителем и без. Методы кластеризации. Критерии оценки качества полученных моделей. Линейный регрессионный анализ.
  • Задача классификации и основные методы ее решения. Метрики качества классификации.
  • Ансамбли алгоритмов машинного обучения.
  • Введение в Deep.
  1. Определение новых социально-экономических объектов и управления ими на основе данных.

 

НИО