Машинне, глибоке та підкріплювальне навчання, ITIL® Foundation (версія 5) та PRINCE2® Project Management Foundation (версія 7)

Вступ до машинного навчання (близько 5 днів)

Чому машинне навчання?

Приклади застосування

Навчання під контролем, навчання без контролю, частково контрольоване навчання, навчання з підкріпленням

Приклади наборів даних

Знайомство з даними

Навчальні, валідаційні та тестові дані

Перегляд даних

Прогнозування

Навчання під наглядом (приблизно 5 днів)

Класифікація та регресія

Узагальнення, надмірна та недостатня підгонка

Розмір набору даних

Алгоритми для керованого навчання

Лінійні моделі

Байєсівські класифікатори

Дерева рішень

Випадковий ліс

Градієнтний бустінг

k-найближчих сусідів

Машини опорних векторів

Умовне випадкове поле

Нейронні мережі та глибоке навчання

Ймовірності

Самостійне навчання (близько 5 днів)

Типи самостійного навчання

Попередня обробка та масштабування

Перетворення даних

Масштабування навчальних і тестових даних

Зменшення розмірності

Інженерія особливостей

Навчання на множині

Декомпозиція головних компонент (PCA)

Невід'ємна матрична факторизація (NMF)

Навчання на множині з t-SNE

Кластерний аналіз

Кластеризація k-середніх

Агломеративна кластеризація

Ієрархічний кластерний аналіз

DBSCAN

Кластерні алгоритми

Оцінка та вдосконалення (приблизно 2 дні)

Вибір моделі та оцінка моделі

Налаштування гіперпараметрів оцінювача

Перехресна перевірка

Пошук по сітці

Метрики оцінки

Класифікація

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Вступ до глибокого навчання (приблизно 1 день)

Глибинне навчання як різновид машинного навчання

Основи нейронних мереж (близько 4 днів)

Багатошарові персептрони

Розрахунок нейронних мереж

Оптимізація параметрів моделі, регресія

Бібліотеки глибокого навчання

Регресія проти класифікації

Типові функції втрат та активації

Оцінка прогнозу моделі за допомогою метрик

Метрики регресії та класифікації

Криві навчання, перенавчання та регуляризація

Гіперпараметрична оптимізація

L1/12 регуляризація

Відсіювання

Рання зупинка

Стохастичний градієнтний спуск (SGD)

Momentum, Adam Optimiser

Оптимізація швидкості навчання

Динамічне регулювання швидкості навчання

Зменшення швидкості навчання на плато

Оптимізація швидкості навчання за допомогою TensorBoard

Контролюйте процес підгонки за допомогою зворотних дзвінків

Збереження та завантаження моделей

Згорткова нейронна мережа (CNN) (приблизно 2 дні)

Класифікація зображень

Згорткові шари, об'єднання шарів

Переформування шарів, згладжування, глобальне середнє об'єднання

Архітектури CNN ImageNet-Competition

Глибокі нейронні мережі, зникаючі градієнти, пропуск зв'язків, пакетна нормалізація

Трансферне навчання (приблизно 1 день)

Адаптація та комбінування моделей

Попереднє навчання без нагляду

Доповнення даних зображень, зрозумілий ШІ

Завантажувач даних

Регіональний CNN (приблизно 1 день)

Локалізація об'єктів

Семантична сегментація

Регресійні задачі

Розгалужені нейронні мережі

Архітектура YOLO

U-Net моделі

Методи створення креативного іміджу (близько 1 дня)

Генеративні мережі суперництва (GAN)

Deepfakes

Дифузійні моделі

Надвисока роздільна здатність

Доповнення областей зображення

Нанесення базових моделей від Hugging Face

Мультимодальні моделі

LoRA-Fine-Tuning

Області застосування генеративних моделей

Юридичні обмеження

Рекурентні нейронні мережі (приблизно 2 дні)

Аналіз послідовностей

Рекурентні шари

Поширення в часі (BPTT)

Аналіз часових рядів

Проблеми градієнта, що вибухає та зникає

LSTM (Довга короткочасна пам'ять)

GRU (Gated Recurrent Unit)

Глибокий RNN

Deep LSTM

Обробка тексту за допомогою нейронних мереж (близько 2 днів)

Попередня обробка тексту

Вбудовування шарів

Класифікація тексту

Аналіз настрою

Обробка природної мови (NLP)

Переклади

Генерація тексту

Метод "від послідовності до послідовності", архітектура кодер-декодер

Моделі тільки кодера та тільки декодера

Локальне застосування великих мовних моделей

Мовні моделі (приблизно 1 день)

Архітектура трансфомерів

Увага та багатоголова увага

Позиційні кодування

Тонке налаштування великих мовних моделей

Підказки

Конвеєри генерації тексту

Підсумовування

Чат-боти

Пошукове доповнене покоління

Агенти штучного інтелекту

Навчання з глибоким підкріпленням (приблизно 1 день)

Управління динамічними системами

Агентні системи

Навчання через винагороду

Градієнти політики

Глибоке Q-навчання

Байєсівські нейронні мережі (приблизно 1 день)

Невизначеності в нейронних мережах

Статистична оцінка прогнозів

Достовірність, середньоквадратичне відхилення

Незбалансовані дані

Методи вибірки

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Вступ до навчання з підкріпленням (приблизно 1 день)

Визначення та основні поняття

Відмінності від інших методів навчання

Сфери застосування та приклади

Марковські процеси прийняття рішень (МПР) (приблизно 2 дні)

Визначення та властивості ПДП

Функції цінності та політика

Рівняння Беллмана

Підхід динамічного програмування

Q-навчання (приблизно 2 дні)

Визначення та алгоритм

Розвідка проти експлуатації

Властивості збіжності та оптимізації

Застосування в іграх, робототехніці та інших сферах

Глибоке навчання з підкріпленням (близько 3 днів)

Глибоке Q-навчання

Глибокі детерміновані градієнти політики (DDPG)

Акторно-критичні методи

Методи градієнта політики

Поглиблені теми (приблизно 4 дні)

Навчання з підкріпленням на основі моделей

Багатоагентне навчання з підкріпленням

Зворотне навчання з підкріпленням

Метанавчання з підкріпленням

Практичне застосування (близько 3 днів)

Реалізація алгоритмів навчання з підкріпленням

Застосування до вибраних проблем та кейсів

Оцінка та налаштування алгоритмів

Підсумки та перспективи (приблизно 2 дні)

Короткий виклад найважливіших концепцій та результатів

Виклики та майбутні розробки в навчанні з підкріпленням

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Важливі терміни та визначення ITIL (приблизно 2 дні)

Управління цифровими продуктами та послугами

Продукти, послуги та сервісні пропозиції

Створення цінності та сервісні відносини

Споживачі послуг, постачальники послуг, спонсори, клієнти та користувачі

Якість послуг та угоди про рівень обслуговування (SLA)

Корисність, гарантія, користувацький досвід і стійкість

Життєвий цикл продуктів і послуг ITIL

Безперервне вдосконалення

Чотири виміри управління продуктами та послугами ITIL (приблизно 1 день)

Організації та люди

Партнери та постачальники

Інформація та технології

Потоки цінності та процеси

Цілісний підхід і зовнішні фактори впливу

Життєвий цикл продуктів і послуг ITIL (приблизно 1 день)

Виявлення, проектування, придбання та створення

Перехід, експлуатація, надання та підтримка

Створення цінності в життєвому циклі продукту і послуги

Ітеративне та нелінійне використання життєвого циклу

Система цінностей ITIL (приблизно 2 дні)

Компоненти системи цінностей ITIL та основні принципи ITIL

Управління, ланцюжок створення цінності та операційна модель

Практики управління, практичні рекомендації та постійне вдосконалення

Орієнтація на цінність, співпраця та оптимізація

Сервісні операції, релізи та управління проблемами

Безперервна інтеграція, безперервна доставка і безперервне розгортання

Інжиніринг надійності сайту (SRE) та спостережуваність

Метрики та критичні фактори успіху (CSF)

Ідентифікація, картування та управління потоками створення цінності (приблизно 1 день)

Потоки створення цінності та управління потоками створення цінності

Основні потоки створення цінності та допоміжні потоки створення цінності

Комплексне мислення та оптимізація робочих процесів

Картування потоків створення цінності

ITIL та ШІ (близько 0,5 дня)

Штучний інтелект (ШІ) та зрілість ШІ

Генеративний ШІ (GenAI) та агентний ШІ

ШІ в життєвому циклі продуктів і послуг

Управління ШІ

ITIL та інші фреймворки (приблизно 0,5 дня)

ITIL та DevOps

ITIL та PRINCE2

Управління проектами в життєвому циклі продукту та послуги

Робота над проектом, підготовка до сертифікації та сертифікаційний іспит (близько 3 днів)

Вступ до управління проектами на основі PRINCE2® (приблизно 1 день)

Визначення та характеристики проекту

Цикл управління проектами та шість вимірів проекту

Проблеми в управлінні проектами - чому проекти провалюються?

Переваги методу управління проектами PRINCE2®

Середовище клієнт-постачальник

Проекти в комерційному середовищі

Структура методу PRINCE2® та його п'ять інтегрованих будівельних блоків

Продукти управління PRINCE2®

Цифрові інструменти та аналіз з підтримкою штучного інтелекту в сучасному управлінні проектами

Основні принципи PRINCE2® (приблизно 1 день)

Сім основних принципів PRINCE2®

Формулювання та зміст основних принципів

Взаємозв'язок між основними принципами та темами PRINCE2

Адаптація PRINCE2® до проектного середовища з урахуванням цифрових методів роботи

Важливість людей для проектів PRINCE2® (приблизно 1 день)

Управління змінами

Лідерство та управління

Комунікація в проекті

Вплив цифрових систем і систем з підтримкою штучного інтелекту на співпрацю і процеси змін

Сім тем PRINCE2® (приблизно 3 дні)

Бізнес-кейс (підхід до управління вигодами та підхід до управління стійкістю)

Організація (структура проекту, ролі та обов'язки)

Створення планів

Планування якості та контроль якості

Управління ризиками з використанням сучасних методів аналізу та оцінок на основі даних

Управління проблемами

Контроль прогресу проекту

Сім процесів PRINCE2® (приблизно 2 дні)

Взаємодія семи процесів PRINCE2® в проектному процесі

Діяльність у відповідних процесах PRINCE2®

Підготовка, управління та ініціювання проекту

Контроль фази

Управління постачанням продукту

Управління фазовими переходами

Закриття проекту

Робота над проектом, підготовка до сертифікації та сертифікаційний іспит (приблизно 2 дні)