Süni intellekt üçün statistik metodlar

Fənnin təsviri

Bu fənn tələbələrə süni intellekt (AI) və maşın öyrənməsi (ML) alqoritmlərinin nəzəri və riyazi bünövrəsini təşkil edən statistik metodları, ehtimal nəzəriyyəsi konseptlərini və onların model quruculuğunda tətbiqi bacarıqlarını aşılamaq üçün nəzərdə tutulmuşdur. Kurs çərçivəsində ehtimal paylanmaları, Bayes nəzəriyyəsi və Bayes şəbəkələri, hipotezlərin yoxlanılması, parameterlərin qiymətləndirilməsi (Maximum Likelihood Estimation - MLE, MAP) və ölçünün azaldılması metodları (PCA) tədris olunur. Tələbələr reqressiya və təsnifatlandırma modellərinin statistik əsaslarını, requlyarizasiya texnikalarını (Lasso, Ridge), Markov zəncirlərini, Monte-Karlo simulyasiyalarını və AI modellərinin dəqiqliyinin statistik testlər vasitəsilə qiymətləndirilməsini mənimsəyəcəklər. Fənn tələbələrdə süni intellekt alqoritmlərinin arxasında duran statistik mexanizmləri anlamaq, data modellərindəki qeyri-müəyyənlikləri idarə etmək və optimal AI həlləri işləyib hazırlamaq vərdişlərini formalaşdırır.

Fənn təlim nəticələri

1. 1

   CLO 1: Süni intellekt və maşın öyrənməsi alqoritmlərinin nəzəri əsasını təşkil edən ehtimal nəzəriyyəsi və xətti cəbr konseptlərini tətbiq edir.

2. 2

   CLO 2: Parametrik və qeyri-parametrik hipotez testlərini, ehtimal paylanmalarını Maşın Öyrənməsi modellərinin qiymətləndirilməsində istifadə edir.

3. 3

   CLO 3: Bajesian statistikası (Bayesian Inference) və maksimum oxşarlıq qiymətləndirməsi (MLE) vasitəsilə qeyri-müəyyənlik şəraitində ehtimalsal modellər qurur.

4. 4

   CLO 4: Çoxölçülü verilənlərin ölçüsünü azaltmaq və xüsusiyyətlərin seçilməsi (feature selection) üçün statistik metodları (PCA, Factor Analysis) həyata keçirir.

5. 5

   CLO 5: Statistik modellərin dəqiqliyini, reqressiya və təsnifat alqoritmlərinin etibarlılığını cross-validation və statistik metrikalarla test edir.