Programos struktūra
-
Blokas 1: Sprendimų teorija ir DI
Normatyviniai ir deskriptyvūs modeliai. Kur DI papildo ir kur trukdo sprendimų procesui.- Daugiakriterijai metodai: AHP, TOPSIS
- Neapibrėžtumo modeliavimas
-
Blokas 2: Prognozavimas su ML
Laiko eilučių analizė, ansambliniai metodai, hiperparametrų optimizavimas su Optuna. -
Blokas 3: Bajeso metodai
Tikimybinis mąstymas, Bajeso tinklai, priežastingumo modeliai. Atvejo tyrimas iš mažmeninės prekybos. -
Blokas 4: Simuliacijos ir scenarijai
Monte Carlo metodas verslo sprendimams. Rizikos kiekybinimas ir jautrumo analizė. -
Blokas 5: Interpretavimas ir komunikacija
SHAP reikšmės, LIME metodas. Kaip paaiškinti modelio sprendimus netechninei auditorijai. -
Blokas 6: Projekto pristatymas
Dalyviai pristato savo sistemas. Grupinė diskusija ir rašytinis vertinimas.
Papildoma medžiaga
Prieiga prie kurso bibliotekos su 40 mokslinių straipsnių ir atvejo tyrimų išlieka 12 mėnesių po kurso pabaigos.
Apie šią programą
Dirbtinis intelektas keičia tai, kaip organizacijos analizuoja duomenis ir priima sprendimus.
Šis kursas skirtas žmonėms, kurie jau žino, kas yra regresija ir matė bent vieną duomenų analizės projektą. Čia pradedame nuo ten, kur kiti baigia.
Sudėtingumas, kuris atsipirka
Nagrinėjame metodus, kurie realiai naudojami finansų, logistikos ir sveikatos sektoriuose: daugiakriterijai sprendimų modeliai, neapibrėžtumo kiekybinimas, Monte Carlo simuliacijos verslo scenarijams. Kiekvienas metodas pristatomas per konkretų atvejo tyrimą, o ne abstrakčią teoriją. Pavyzdžiui, trečiame modulyje analizuojame, kaip viena Skandinavijos mažmeninė įmonė naudojo Bajeso tinklus, kad optimizuotų sandėlių paskirstymą.
Techninė aplinka ir įrankiai
Darbui reikalingas Python su scikit-learn, PyCaret ir Optuna bibliotekomis. Taip pat dirbsime su Azure Machine Learning sąsaja, kuri leidžia testuoti modelius be serverių administravimo. Kursas neapima giluminio mokymosi ar neuroninių tinklų, nes šiame kontekste jie dažnai yra per sudėtingi ir neinterpretuojami.
Projektas ir vertinimas
Kiekvienas dalyvis per kursą kuria vieną pilną sprendimų palaikymo sistemą savo srities problemai. Projektas vertinamas pagal metodologinį pagrįstumą, interpretavimo aiškumą ir praktinį pritaikomumą, o ne pagal modelio tikslumą. Aukštas tikslumas be suprantamumo neturi vertės verslo kontekste.
Dalyvis Tadas Baranauskas, dirbantis logistikos įmonėje, savo projekto metu atrado, kad du iš penkių jų naudojamų KPI visiškai nekoreliuoja su realiais veiklos rezultatais.
Grupės dydis ir formatas
Grupė ribojama iki 12 dalyvių, kad būtų įmanomas individualus grįžtamasis ryšys. Susitikimai vyksta kartą per savaitę gyvai per vaizdo konferenciją, papildomai prieinami įrašai ir konsultacijos el. paštu. Kursas vyksta lietuvių kalba, naudojama medžiaga anglų kalba.