Εκπαιδευτικό πρόγραμμα του ΔΠΘ στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση, σχεδιασμένο με πρακτικές εφαρμογές και χρήση της Python χωρίς προαπαιτούμενες προγραμματιστικές γνώσεις.
Η επιστημονική πρόγνωση στηρίζεται σε κλασσικές μεθόδους των Μαθηματικών, της Στατιστικής και της Οικονομετρίας και συνήθως διατυπώνεται ως πρόβλημα ταξινόμησης ή παλινδρόμησης. Τις τελευταίες τρεις δεκαετίες, στο οπλοστάσιο αυτό προστέθηκε η Τεχνητή Νοημοσύνη (ΤΝ) και ιδιαίτερα η Μηχανική Μάθηση (ΜΜ) εισάγοντας νέες υπολογιστικές προσεγγίσεις με υψηλή προγνωστική ακρίβεια. 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 των πιο σημαντικών αλγορίθμων μηχανικής μάθησης και τεχνητής νοημοσύνης. Στόχος του προγράμματος είναι η κατανόηση της εφαρμογής των αλγορίθμων της ΤΝ και ΜΜ, χωρίς εμβάθυνση στο μαθηματικό, αλγοριθμικό ή προγραμματιστικό κομμάτι των μεθόδων αυτών. Έτσι, αυτές μπορούν να αποτελέσουν εργαλεία πρακτικής και άμεσα εφαρμόσιμης οικονομικής και επιχειρηματικής ανάλυσης από τον κάθε ενδιαφερόμενο χωρίς προηγούμενη σχετική εξειδικευμένη γνώση.
Θεσμικό πλαίσιο ελληνικών δημοσίων πανεπιστημίων
Όλα τα προγράμματα που διοργανώνονται από τα Κέντρα Επιμόρφωσης και Δια Βίου Μάθησης (ΚΕΔΙΒΙΜ) των δημόσιων πανεπιστημίων ολοκληρώνονται με τη χορήγηση επίσημου Πιστοποιητικού Επιμόρφωσης. Οι πιστωτικές μονάδες ECTS αναγνωρίζονται και μοριοδοτούνται σε προκηρύξεις του ΑΣΕΠ και του δημοσίου τομέα σύμφωνα με τις εκάστοτε ισχύουσες διατάξεις.
Προγράμματα Επαγγελματικής Επιμόρφωσης & Κατάρτισης με υψηλή ζήτηση από κορυφαία δημόσια πανεπιστήμια.
