Kursuse eesmärk on anda üliõpilastele teadmised ja praktilised oskused, et mõista, arendada ja rakendada kaasaegseid masinõppe meetodeid praktiliste probleemide lahendamiseks. Kursuse käigus tutvutakse enimlevinud masinõppe algoritmide tööpõhimõtete, omaduste ning kasutusjuhtumitega.

The aim of the course is to provide students with knowledge and practical skills to understand, develop and apply modern machine learning methods to solve practical problems. During the course, the principles, properties and use cases of the most common machine learning algorithms are introduced.

Õppeaine edukalt läbinud üliõpilane:
- kasutab masinõppega seotud terminoloogiat;
- kirjeldab enimkasutatud masinõppe meetodite tööpõhimõtteid;
- tunneb ära olukorrad, kus võiks kaaluda masinõppe meetodite rakendamist ja kus masinõppe meetodite rakendamine pole mõttekas;
- kasutab eri probleemide korral erinevaid masinõppe algoritme;
- valib konkreetse ülesande lahendamiseks sobiliku masinõppe meetodi;
- tõlgendab ja hindab masinõppesüsteemi töö tulemusi;
- rakendab masinõpet iseseisvalt.

After completing this course, the student:
- uses terminology related to machine learning;
- describes the working principles of the most commonly used machine learning methods;
- recognizes situations where the use of machine learning methods could be considered and where the use of machine learning methods does not make sense;
- uses different machine learning algorithms for different problems;
- chooses a suitable machine learning method for solving a specific task;
- interprets and evaluates the results of the machine learning system;
- applies machine learning independently.

Kursus käsitleb masinõppe põhiprintsiipe ja algoritme, toob näiteid tegelike kasutusjuhtude kohta. Parimad praktikad masinõppes - sobivate algoritmide valimine, tüüpvigade vältimine ning tulemuste tõlgendamine ja hindamine. Tutvutakse kõrgtaseme masinõppetarkvaraga. Kursuse käigus luuakse masinõppel põhinev tarkvaralahendus, mis koosneb andmete kogumisest, eeltöötlusest, masinõppe algoritmi valikust ja selle rakendamisest, ning algoritmi täpsuse hindamisest.

The course deals with the basic principles and algorithms of machine learning, gives examples of actual use cases. Best practices in machine learning - selection of appropriate algorithms, avoidance of standard errors and interpretation and evaluation of results. Introduction to machine learning software. During the course, a software solution based on machine learning is created - data collection, data pre-processing, selection and implementation of a machine learning algorithm, and evaluation of the accuracy of the algorithm.

-

-

-

-

Denis Rothman - Artificial Intelligence By Example (2020)

Denis Rothman - Hands-On Explainable AI (XAI) with Python (2020)

Denis Rothman - Transformers for Natural Language Processing (2021)

-