1. Определение искусственного интеллекта и машинного обучения.
2. Качество данных. Требования к данным. 3. Представление данных. Множества. Основные аксиомы теории множеств. 4. Представление данных в цифровом формате. Числовые и категориальные данные. 5. Основы Python. Типы данных. 6. Python – тип данных список. 7. Условный оператор. 8. Циклы. 9. Массивы в Python. 10. Библиотеки языка и их роль в решении задач. 11. Библиотека Pandas. Назначение и функционал. 12. Библиотека Matplotlib. Назначение и функционал. 13. Предобработка данных. Подходы к работе с категориальными данными. 14. Нормировка данных. Примеры. 15. Задачи классификации данных. Метрики определения расстояний между объектами. 16. Метод ближайших соседей. 17. Регрессионный анализ данных. 18. Построение полинома 1 и 2 степени. Примеры. 19. Метрики оценки алгоритмов в задачах классификации и регрессии. 20. Машинное обучение в прикладных задачах. Примеры постановки задач.