Lucrând pe seturi de date din domeniul medical, vom aplica împreună algoritmi precum ID3, kNN, Bayes Optimal, Regresie Logistică și Rețele Neuronale.

Această arie își propune să ofere participanților o introducere clară și accesibilă în domeniul Inteligenței Artificiale și al Machine Learning, cu aplicabilitate practică în diverse contexte.

Obiective generale:

• Înțelegerea conceptelor fundamentale din AI și ML.
• Familiarizarea cu procesul de dezvoltare a unui model de ML.
• Explorarea aplicațiilor AI în domeniul medicinal și educațional.

Obiective specifice:

• Explicarea diferenței dintre învățarea supervizată și nesupervizată.
• Utilizarea unor librării Python esențiale precum pandas, numpy, scikit-learn.
• Crearea și evaluarea unor modele simple de clasificare și regresie.
• Aplicarea tehnicilor de preprocesare a datelor și de optimizare a modelelor.

Desfășurător pentru fiecare săptămână de training:

Săptămâna 1 - Explicarea conceptelor fundamentale: AI, ML, prezentarea arborelui de domenii și subdomenii din cadrul Inteligenței Artificiale; prezentarea conceptelor de învățare supervizată și nesupervizată, sublinierea diferențelor dintre cele două concepte. Prezentarea algoritmului ID3. Prezentarea conceptelor de entropie și câștig de informație. Realizarea implementării algoritmului ID3, alături de participanți.

Săptămâna 2 - Prezentarea algoritmului kNN. Descrierea amănunțită a algoritmului pe tablă, realizând scheme și grafice. Aplicare pe un set de date mic (5-8 date de intrare, 3 date de ieșire) pentru consolidarea teoriei. Introducerea noțiunilor de overfitting și underfitting. Realizarea implementării algoritmului kNN, alături de participanți.

Săptămâna 3 - Prezentarea algoritmului Bayes Naive și Bayes Optimal. Cei doi algoritmi diferă prin complexitatea formulei folosite => evidențierea acestei diferențe, care explică și diferența din numele algoritmilor. Realizarea implementării algoritmului Bayes Naive sau Optimal, la alegerea personală a fiecărui participant.

Săptămâna 4 - Prezentarea algoritmului de Regresie Logistică. Explicarea noțiunii de criteriu J, de gradient descendent, explicarea funcțiilor softmax și sigmoid. Realizarea implementării algoritmului de Regresie Logistică, alături de participanți.

Săptămâna 5 - Prezentarea arhitecturii de Rețele Neuronale. Explicarea noțiunilor de neuron artificial, de straturi din rețea, de propagare înainte și înapoi etc. Realizarea implementării unei rețele neuronale, alături de participanți.