საწყისი მოდული განმარტავს მონაცემთა გაწმენდა და მომზადება-ის ფარგლებს, ძირითად გამოყენებებს და მის ადგილს ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. მსმენელი ადგენს კურსის მიზნებს, წინაპირობებს, სასწავლო გეგმასა და წარმატების კრიტერიუმებს. ხელოვნური ინტელექტის სამუშაო იწყება მკაფიოდ განსაზღვრული ამოცანით და სანდო მონაცემებით. მონაცემებთან მუშაობა საჭიროებს გაწმენდას, აღწერით ანალიზსა და ვიზუალიზაციას.

1. მონაცემთა გაწმენდა და მომზადება — შესავალი, მიზნები და სასწავლო გეგმა — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — შესავალი, მიზნები და სასწავლო გეგმა — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — შესავალი, მიზნები და სასწავლო გეგმა — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — შესავალი, მიზნები და სასწავლო გეგმა — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — შესავალი, მიზნები და სასწავლო გეგმა — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: განსაზღვრეთ პირადი სასწავლო მიზანი, შეაფასეთ არსებული ცოდნა და შექმენით სამუშაო/მტკიცებულებების ფაილი კურსისთვის.

შეფასება და დასრულება: მოდულის ბოლოს მსმენელმა უნდა შეძლოს კურსის ფარგლების, შეზღუდვებისა და საკუთარი მიზნის მკაფიო აღწერა.

მოდული ასწავლის მონაცემთა გაწმენდა და მომზადება-ის ძირითად ცნებებს, პროფესიულ ტერმინებს და მათ განსხვავებებს. ტერმინები აიხსნება ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ის რეალური გამოყენების მაგალითებით. მოდელი სწავლობს ან იყენებს მონაცემებში არსებულ კანონზომიერებებს; ინფერენსი არის ეტაპი, როდესაც გაწვრთნილი მოდელი ქმნის შედეგს. ხარისხი უნდა შეფასდეს სიზუსტით, რელევანტურობით, თანმიმდევრულობით, დაყოვნებითა და ღირებულებით.

1. მონაცემთა გაწმენდა და მომზადება — ძირითადი ცნებები და პროფესიული ტერმინოლოგია — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — ძირითადი ცნებები და პროფესიული ტერმინოლოგია — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — ძირითადი ცნებები და პროფესიული ტერმინოლოგია — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — ძირითადი ცნებები და პროფესიული ტერმინოლოგია — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — ძირითადი ცნებები და პროფესიული ტერმინოლოგია — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შექმენით მინიმუმ ათი ძირითადი ტერმინის მცირე ლექსიკონი, განმარტეთ თითოეული საკუთარი სიტყვებით და დაამატეთ გამოყენების მაგალითი.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს ტერმინების სწორად განსაზღვრა, ერთმანეთისგან გარჩევა და შესაბამის კონტექსტში გამოყენება.

მოდული აკავშირებს მონაცემთა გაწმენდა და მომზადება-ის ძირითად პრინციპებს, მოდელებსა და ჩარჩოებს. მსმენელი აფასებს მათ ვარაუდებს, გამოყენების პირობებსა და შეზღუდვებს ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. გენერაციულ AI-ში პრომპტი განსაზღვრავს ინსტრუქციას, კონტექსტს, შეზღუდვებსა და სასურველი პასუხის ფორმატს. ჰალუცინაცია, მიკერძოება, კონფიდენციალურობის გაჟონვა, prompt injection და ზედმეტი ავტომატიზაცია რეალური რისკებია; მნიშვნელოვანი შედეგები უნდა გადამოწმდეს ადამიანის მიერ.

1. მონაცემთა გაწმენდა და მომზადება — ძირითადი პრინციპები, მოდელები და ჩარჩოები — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — ძირითადი პრინციპები, მოდელები და ჩარჩოები — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — ძირითადი პრინციპები, მოდელები და ჩარჩოები — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — ძირითადი პრინციპები, მოდელები და ჩარჩოები — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — ძირითადი პრინციპები, მოდელები და ჩარჩოები — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შეადარეთ ორი მიდგომა ან მოდელი ძლიერი მხარეების, შეზღუდვების, საჭირო მონაცემებისა და მოსალოდნელი შედეგების მიხედვით.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს მოდელის არჩევის დასაბუთება და მისი შეზღუდვების ახსნა.

მოდული წარმოგიდგენთ მონაცემთა გაწმენდა და მომზადება-ის ინსტრუმენტებს, რესურსებსა და პროფესიულ სამუშაო პროცესებს. განიხილება როგორ გროვდება მონაცემები, როგორ ფიქსირდება ნაბიჯები და როგორ მზადდება შედეგი ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. მონაცემებთან მუშაობა საჭიროებს გაწმენდას, აღწერით ანალიზსა და ვიზუალიზაციას. ხელოვნური ინტელექტის სამუშაო იწყება მკაფიოდ განსაზღვრული ამოცანით და სანდო მონაცემებით.

1. მონაცემთა გაწმენდა და მომზადება — ინსტრუმენტები, რესურსები და პროფესიული სამუშაო პროცესები — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — ინსტრუმენტები, რესურსები და პროფესიული სამუშაო პროცესები — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — ინსტრუმენტები, რესურსები და პროფესიული სამუშაო პროცესები — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — ინსტრუმენტები, რესურსები და პროფესიული სამუშაო პროცესები — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — ინსტრუმენტები, რესურსები და პროფესიული სამუშაო პროცესები — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შექმენით სამუშაო პროცესი: მიუთითეთ შესავალი მონაცემი, ინსტრუმენტი, მოქმედება, შედეგი, კონტროლის წერტილი და მტკიცებულება.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს შესაბამისი ინსტრუმენტის არჩევა და სრულად მიკვლევადი სამუშაო პროცესის აგება.

მოდული მონაცემთა გაწმენდა და მომზადება-ს გარდაქმნის ეტაპობრივ პრაქტიკულ მეთოდად. მსმენელი სწავლობს მეთოდის არჩევას, მოქმედებების თანმიმდევრობას, გადაწყვეტილების წერტილებსა და შედეგის შემოწმებას ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. ხარისხი უნდა შეფასდეს სიზუსტით, რელევანტურობით, თანმიმდევრულობით, დაყოვნებითა და ღირებულებით. მოდელი სწავლობს ან იყენებს მონაცემებში არსებულ კანონზომიერებებს; ინფერენსი არის ეტაპი, როდესაც გაწვრთნილი მოდელი ქმნის შედეგს.

1. მონაცემთა გაწმენდა და მომზადება — მეთოდები, ტექნიკები და ეტაპობრივი გამოყენება — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — მეთოდები, ტექნიკები და ეტაპობრივი გამოყენება — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — მეთოდები, ტექნიკები და ეტაპობრივი გამოყენება — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — მეთოდები, ტექნიკები და ეტაპობრივი გამოყენება — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — მეთოდები, ტექნიკები და ეტაპობრივი გამოყენება — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: აირჩიეთ რეალური დავალება და დაყავით მომზადების, შესრულების, შემოწმებისა და გაუმჯობესების ეტაპებად; თითოეულს დაუწერეთ წარმატების კრიტერიუმი. შექმენით მცირე სამუშაო პროცესი: განსაზღვრეთ პრობლემა, საჭირო მონაცემები, მოდელი ან მეთოდი, პრომპტის/დამუშავების ნაბიჯები, ორი ხარისხის მაჩვენებელი, ერთი შეცდომის სცენარი და შედეგის გადამოწმების გზა.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს არა მხოლოდ მეთოდის შესრულება, არამედ მისი თანმიმდევრობისა და შედეგის გადამოწმების ახსნა.

მოდული ავითარებს მონაცემთა გაწმენდა და მომზადება-ის უნარს კონტროლირებული პრაქტიკით. ყურადღება ექცევა ადაპტაციას, უკუკავშირს, შეცდომების დიაგნოსტიკასა და გაუმჯობესებას ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. ჰალუცინაცია, მიკერძოება, კონფიდენციალურობის გაჟონვა, prompt injection და ზედმეტი ავტომატიზაცია რეალური რისკებია; მნიშვნელოვანი შედეგები უნდა გადამოწმდეს ადამიანის მიერ. გენერაციულ AI-ში პრომპტი განსაზღვრავს ინსტრუქციას, კონტექსტს, შეზღუდვებსა და სასურველი პასუხის ფორმატს.

1. მონაცემთა გაწმენდა და მომზადება — მართული პრაქტიკა და უნარების განვითარება — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — მართული პრაქტიკა და უნარების განვითარება — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — მართული პრაქტიკა და უნარების განვითარება — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — მართული პრაქტიკა და უნარების განვითარება — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — მართული პრაქტიკა და უნარების განვითარება — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შეასრულეთ ერთი და იგივე დავალება ორ განსხვავებულ სცენარში და შეადარეთ რა შეიცვალა და რატომ. შექმენით მცირე სამუშაო პროცესი: განსაზღვრეთ პრობლემა, საჭირო მონაცემები, მოდელი ან მეთოდი, პრომპტის/დამუშავების ნაბიჯები, ორი ხარისხის მაჩვენებელი, ერთი შეცდომის სცენარი და შედეგის გადამოწმების გზა.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს უკუკავშირის გამოყენება, შეცდომის აღმოჩენა და გაუმჯობესებული მეორე ვერსიის შექმნა.

მოდული რეალური შემთხვევებით მონაცემთა გაწმენდა და მომზადება-ს პრობლემის გადაჭრისა და გადაწყვეტილების მიღების დონეზე ავითარებს. განიხილება არასრული ინფორმაცია, დროის წნეხი და კონკურენტული მიზნები ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. ხელოვნური ინტელექტის სამუშაო იწყება მკაფიოდ განსაზღვრული ამოცანით და სანდო მონაცემებით. მონაცემებთან მუშაობა საჭიროებს გაწმენდას, აღწერით ანალიზსა და ვიზუალიზაციას.

1. მონაცემთა გაწმენდა და მომზადება — რეალური შემთხვევები, პრობლემების გადაჭრა და გადაწყვეტილებები — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — რეალური შემთხვევები, პრობლემების გადაჭრა და გადაწყვეტილებები — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — რეალური შემთხვევები, პრობლემების გადაჭრა და გადაწყვეტილებები — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — რეალური შემთხვევები, პრობლემების გადაჭრა და გადაწყვეტილებები — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — რეალური შემთხვევები, პრობლემების გადაჭრა და გადაწყვეტილებები — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: მოამზადეთ ქეისის ანალიზი: პრობლემა, დადასტურებული ფაქტები, ვარაუდები, ვარიანტები, არჩეული გადაწყვეტა და დასაბუთება. შექმენით მცირე სამუშაო პროცესი: განსაზღვრეთ პრობლემა, საჭირო მონაცემები, მოდელი ან მეთოდი, პრომპტის/დამუშავების ნაბიჯები, ორი ხარისხის მაჩვენებელი, ერთი შეცდომის სცენარი და შედეგის გადამოწმების გზა.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს ვარიანტების შედარება გაურკვევლობის პირობებში და გადაწყვეტილების მტკიცებულებით დასაბუთება.

მოდული განიხილავს ხარისხს, ეთიკას, რისკს, უსაფრთხოებასა და პროფესიულ სტანდარტებს მონაცემთა გაწმენდა და მომზადება-ში. ყურადღება ექცევა სიზუსტეს, კონფიდენციალურობას, პასუხისმგებლობასა და დოკუმენტირებას ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ის კონტექსტში. მოდელი სწავლობს ან იყენებს მონაცემებში არსებულ კანონზომიერებებს; ინფერენსი არის ეტაპი, როდესაც გაწვრთნილი მოდელი ქმნის შედეგს. ხარისხი უნდა შეფასდეს სიზუსტით, რელევანტურობით, თანმიმდევრულობით, დაყოვნებითა და ღირებულებით.

1. მონაცემთა გაწმენდა და მომზადება — ხარისხი, ეთიკა, რისკი, უსაფრთხოება და პროფესიული სტანდარტები — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — ხარისხი, ეთიკა, რისკი, უსაფრთხოება და პროფესიული სტანდარტები — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — ხარისხი, ეთიკა, რისკი, უსაფრთხოება და პროფესიული სტანდარტები — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — ხარისხი, ეთიკა, რისკი, უსაფრთხოება და პროფესიული სტანდარტები — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — ხარისხი, ეთიკა, რისკი, უსაფრთხოება და პროფესიული სტანდარტები — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შექმენით რისკისა და ხარისხის სია მინიმუმ ხუთი რისკით, კონტროლით, გადამოწმების მეთოდითა და საჭირო ესკალაციით.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს ხარისხიანი და ეთიკური შედეგის კრიტერიუმების განსაზღვრა და მნიშვნელოვანი რისკების კონტროლი.

მოწინავე მოდული აერთიანებს მონაცემთა გაწმენდა და მომზადება-ის ცოდნას ერთ პროექტში. მსმენელი აყალიბებს მიზანს, ფარგლებს, სამუშაო პაკეტებს, რესურსებს, ხარისხის მაჩვენებლებსა და შედეგებს ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ისთვის. გენერაციულ AI-ში პრომპტი განსაზღვრავს ინსტრუქციას, კონტექსტს, შეზღუდვებსა და სასურველი პასუხის ფორმატს. ჰალუცინაცია, მიკერძოება, კონფიდენციალურობის გაჟონვა, prompt injection და ზედმეტი ავტომატიზაცია რეალური რისკებია; მნიშვნელოვანი შედეგები უნდა გადამოწმდეს ადამიანის მიერ.

1. მონაცემთა გაწმენდა და მომზადება — მოწინავე პრაქტიკა, პროექტი და სამუშაო გარემოში ინტეგრაცია — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — მოწინავე პრაქტიკა, პროექტი და სამუშაო გარემოში ინტეგრაცია — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — მოწინავე პრაქტიკა, პროექტი და სამუშაო გარემოში ინტეგრაცია — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — მოწინავე პრაქტიკა, პროექტი და სამუშაო გარემოში ინტეგრაცია — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — მოწინავე პრაქტიკა, პროექტი და სამუშაო გარემოში ინტეგრაცია — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: შექმენით მცირე შემაჯამებელი პროექტი: მიზანი, ფარგლები, ხუთი ამოცანა, ორი რისკი, ორი ხარისხის მაჩვენებელი და საბოლოო შედეგი. შექმენით მცირე სამუშაო პროცესი: განსაზღვრეთ პრობლემა, საჭირო მონაცემები, მოდელი ან მეთოდი, პრომპტის/დამუშავების ნაბიჯები, ორი ხარისხის მაჩვენებელი, ერთი შეცდომის სცენარი და შედეგის გადამოწმების გზა.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს რამდენიმე უნარის ერთ პროექტში გაერთიანება და გეგმის შედეგთან დაკავშირება.

საბოლოო მოდული აერთიანებს მონაცემთა გაწმენდა და მომზადება-ის კურსში მიღებულ ცოდნას და გარდაქმნის მას პორტფოლიოსა და კარიერულ გამოყენებად ხელოვნური ინტელექტი, მონაცემები და ავტომატიზაცია-ში. მონაცემებთან მუშაობა საჭიროებს გაწმენდას, აღწერით ანალიზსა და ვიზუალიზაციას. ხელოვნური ინტელექტის სამუშაო იწყება მკაფიოდ განსაზღვრული ამოცანით და სანდო მონაცემებით.

1. მონაცემთა გაწმენდა და მომზადება — საბოლოო შეფასება, პორტფოლიო და კარიერული გამოყენება — სასწავლო მიზნები და თემის ძირითადი ცოდნა
2. მონაცემთა გაწმენდა და მომზადება — საბოლოო შეფასება, პორტფოლიო და კარიერული გამოყენება — ცნებები, ტერმინები და მათი მნიშვნელობა
3. მონაცემთა გაწმენდა და მომზადება — საბოლოო შეფასება, პორტფოლიო და კარიერული გამოყენება — ეტაპობრივი მეთოდი, ინსტრუმენტი ან სამუშაო პროცესი
4. მონაცემთა გაწმენდა და მომზადება — საბოლოო შეფასება, პორტფოლიო და კარიერული გამოყენება — რეალური შემთხვევა, პრაქტიკული დავალება და შეცდომების ანალიზი
5. მონაცემთა გაწმენდა და მომზადება — საბოლოო შეფასება, პორტფოლიო და კარიერული გამოყენება — ცოდნისა და ხარისხის შემოწმება და მოკლე შეფასება

პრაქტიკა: აირჩიეთ სამი საუკეთესო ნამუშევარი და თითოეულისთვის აღწერეთ პრობლემა, მეთოდი, შედეგი, მტკიცებულება და შემდეგი გაუმჯობესება. შექმენით მცირე სამუშაო პროცესი: განსაზღვრეთ პრობლემა, საჭირო მონაცემები, მოდელი ან მეთოდი, პრომპტის/დამუშავების ნაბიჯები, ორი ხარისხის მაჩვენებელი, ერთი შეცდომის სცენარი და შედეგის გადამოწმების გზა.

შეფასება და დასრულება: მსმენელმა უნდა შეძლოს ცნებების, მეთოდების, ქეისების და ხარისხის კონტროლის ერთობლივად გამოყენება საბოლოო შეფასებაში.