ΔΠΘ: E-learning με τίτλο «Τεχνητή Νοημοσύνη και Μηχανική Μάθηση: Θεωρία και Εφαρμογές»

Εισαγωγή:  Το ΚΕ.ΔΙ.ΒΙ.Μ. του Δ.Π.Θ διοργανώνει για τρίτη φορά (γ` κύκλος) το Εκπαιδευτικό/Επιμορφωτικό Πρόγραμμα με τίτλο: «Τεχνητή Νοημοσύνη και Μηχανική Μάθηση: Θεωρία και Εφαρμογές» από 23/10/2023 έως 23/2/2024 με Eπιστημονικό και Ακαδημαϊκό Yπεύθυνο τον Καθηγητή κ. Περικλή Γκόγκα.

Σκοπός του προγράμματος

Η επιστημονική ταξινόμηση και πρόγνωση παραδοσιακά γίνεται με μεθόδους των Μαθηματικών, της Στατιστικής και της Οικονομετρίας. Τα τελευταία 30 χρόνια παράλληλα, εμφανίστηκαν νέες προσεγγίσεις, προερχόμενες κυρίως από τις Πολυτεχνικές Σχολές: Η Τεχνητή Νοημοσύνη (ΤΝ) και η Μηχανική Μάθηση (ΜΜ), δυο αλληλένδετες έννοιες που περικλείουν υπολογιστικά συστήματα, μεθοδολογίες και τεχνικές. Οι εφαρμογές τους σε πραγματικά προβλήματα, έφεραν αποτελέσματα συγκρίσιμα και πολλές φορές καλύτερα από τις παραδοσιακές μεθοδολογικές προσεγγίσεις. Το Πρόγραμμα θα καλύψει το κενό που υπάρχει αναφορικά με την πρακτική και εμπειρική χρήση της ΤΝ και ΜΜ σε πραγματικά προβλήματα πρόβλεψης και ταξινόμησης.

Το πρόγραμμα εισάγει και εκπαιδεύει τους καταρτιζόμενους στις μεθοδολογίες και τεχνικές της τεχνητής νοημοσύνης και μηχανικής μάθησης με πρακτικές εφαρμογές.

Γίνεται παρουσίαση όλων των σημαντικών αλγορίθμων μηχανικής μάθησης και τεχνητής νοημοσύνης. Οι τεχνικές αυτές αντιπαραβάλλονται με κλασικές σχετικές μεθόδους για λόγους σύγκρισης και κατανόησης των ομοιοτήτων και διαφορών.

Στόχος του προγράμματος είναι η κατανόηση της εφαρμογής των αλγορίθμων της ΤΝ και ΜΜ, χωρίς (απαραίτητα) εμβάθυνση στο μαθηματικό, αλγοριθμικό ή προγραμματιστικό κομμάτι των μεθόδων αυτών. Έτσι, αυτές μπορούν να γίνουν γνωστές και να αποτελέσουν εργαλεία πρακτικής και άμεσα εφαρμόσιμης οικονομικής και επιχειρηματικής ανάλυσης-πρόβλεψης από τον κάθε ενδιαφερόμενο χωρίς προηγούμενη σχετική εξειδικευμένη γνώση.

Παρουσιάζονται και χρησιμοποιούνται όλοι οι σχετικοί αλγόριθμοι και μεθοδολογίες τόσο μη-επιβλεπόμενης μάθησης, όπως K-Means, Hierarchical Clustering για ομαδοποίηση, μείωση διαστάσεων, ανίχνευση ανωμαλιών κλπ, όπως και επιβλεπόμενης μάθησης, νευρωνικά δίκτυα, Support Vector Machines-Regression, Decision Trees, Random Forests, γραμμική λογιστική παλινδρόμηση, K-Nearest Neighbors κλπ καθώς και με τις σχετικές Boosting και Bagging τεχνικές.

Οι καταρτιζόμενοι εκπαιδεύονται στην βασική χρήση της γλώσσας Python χωρίς να απαιτείται καμία προηγούμενη σχετική γνώση. Παρέχεται σχετική εργαλειοθήκη (toolbox) με έτοιμο κώδικα Python που μπορεί να χρησιμοποιηθεί άμεσα σε οποιοδήποτε πρόβλημα πρόβλεψης ή ταξινόμησης τόσο κατά την διάρκεια του προγράμματος όσο και έπειτα ανεξάρτητα από αυτό στην εργασία τους ή σε τυχόν περαιτέρω σπουδές τους.

Κατηγορίες υποψηφίων που γίνονται δεκτοί/ές – Προαπαιτούμενες γνώσεις

Αίτηση συμμετοχής μπορούν να υποβάλουν όσοι είναι κάτοχοι απολυτήριου Λυκείου.

Προαπαιτούμενα για την συμμετοχή στο πρόγραμμα είναι:

Πρόσβαση στο διαδίκτυο έστω και περιστασιακά για την λήψη και προβολή του υλικού
Κατοχή προσωπικού email για την ενημέρωση από το ΚΕΔΙΒΙΜ και τους εκπαιδευτές καθώς και για την εγγραφή στην μαθησιακή πλατφόρμα eclass.
Βασικές γνώσεις χειρισμού ηλεκτρονικών υπολογιστών (άνοιγμα αρχείων pdf, MS excel, MS word, MS powerpoint.)

Μεθοδολογία υλοποίησης προγράμματος

• H εξ αποστάσεως ασύγχρονη διδασκαλία κρίνεται ως ενδεδειγμένη μεθοδολογία, καθώς οι εκπαιδευόμενοι αναμένεται να προέρχονται από διαφορετικές γεωγραφικές περιοχές, ενώ ταυτόχρονα δίνει τη δυνατότητα στους συμμετέχοντες να προσαρμόζουν τη μελέτη τους σύμφωνα με τις εξατομικευμένες τους ανάγκες.
• Οι θεματικές ενότητες θα περιέχουν φυσική διδασκαλία με ασύγχρονη τηλεκπαίδευση μέσω εγγεγραμμένων video με τη μορφή webinar. Σε αυτά οι διδάσκοντες θα παρουσιάζουν, αναλύουν και εξηγούν επιλεγμένες έννοιες ή αντικείμενα.
  Επιπλέον, θα παρέχεται πλούσιο υλικό με την μορφή κειμένων σε pdf, παρουσιάσεων ppt, βιβλιογραφία και ασκήσεις αυτοαξιολόγησης.

Όταν κρίνεται απαραίτητο θα υπάρχουν και εξ αποστάσεως σύγχρονα sessions στην πλατφόρμα Microsoft Teams (για την οποία δεν χρειάζεται η εγκατάσταση κάποιου προγράμματος) σε προκαθορισμένες ημερομηνίες. Στις περιπτώσεις αυτές, τα video θα αναρτώνται επίσης στην πλατφόρμα.

Κόστος συμμετοχής

Το κόστος συμμετοχής ανέρχεται σε 500€ το οποίο καταβάλλεται εφάπαξ ή σε 2 ισόποσες δόσεις των 250€. Η πρώτη δόση καταβάλλεται έως την προθεσμία υποβολής των αιτήσεων (15/10/2023) και η δεύτερη έως 31/12/2023.

Η καταβολή της πρώτης δόσης αποτελεί προϋπόθεση για συμμετοχή στο πρόγραμμα.

Βρείτε περισσότερες πληοροφρίες εδώ.

Διαβάστε ακόμη:

• ΔΠΘ: E-learning με τίτλο «Οικονομικά για μη Ειδικούς»
• ΕΚΠΑ: E-learning με τίτλο «Μουσειακή Εκπαίδευση»
• ΑΠΘ: E-learning με τίτλο «Εκπαίδευση Εκπαιδευτών Ενηλίκων Διά Βίου Μάθησης»