AI rakendamine andmeanalüüsis ja andmetöötluses

Lisaks õpime, kuidas kombineerida seda süstemaatiliste statistiliste meetoditega, et tagada usaldusväärsed tulemused.

Pakkuda praktilisi teadmisi ja võimalusi, kuidas kasutada tehisintellekti (AI) põhiseid tööriistu andmetöötluse ja -analüüsi kiirendamiseks, aidates era- ja avaliku sektori asutustel teha paremaid ja kiiremaid andmepõhiseid otsuseid.

Oodatud on kõik, kes vastutavad ettevõtte andmete töötlemise ja analüüsi eest ning soovivad teha teadlikke otsuseid AI ja andmeanalüüsi rakendamise kohta oma ettevõtte protsessides, sh ettevõtete omanikud, tegevjuhid, finantsjuhid, tootejuhid, turundus- ja müügijuhid, andmeanalüütikud, IT- ja tehnoloogiajuhid, ärijuhid, andmeteadlased jt.

• 09:50 – 10:00 Kogunemine veebikeskkonda
• 10:00 – 11:30 AI rakendamine andmetöötluses ja andmeanalüüsis
  • Mis on juturobotite (ChatGPT, Gemini, Claude jt) võimalused ja piiratused andmeanalüüsis?
  • Kuidas otsustada, kuidas andmeanalüütilisele ülesandele läheneda: lahendada ise, juturoboti abiga, mõne ülesande-spetsiifilise tööriistaga, või rakendada suuri keelemudeleid?
  • Assistendi-funktsioonid juturobotites: kuidas teha endale analüüsi-abilist?
  • Sammud küsimusest praktilise analüüsini
  • Kas ja kuidas analüüsida kvalitatiivseid andmeid (tekstid, küsimustikud, dokumendid, pildid) kvantitatiivselt ja suurel skaalal?
• 11:30 – 11:45 Sirutuspaus
• 11:45 – 13:15 Koolitus jätkub
  • Suured keelemudelid ja zero-shot learning – tehisaru sisulises analüüsis
  • Kuidas jooksutada oma keelemudelit: lokaalsed ja pilve-lahendused, kommerts- ja “avatud” mudelid
  • Praktika: rakendame koos tehisarusid
  • Kokkuvõttev mõttevahetus, edasiste sammude arutamine

Koolitusel osalenu:

• Teab, millised on juturobotite (ChatGPT, Gemini, Claude jt) ja suurte keelemudelite võimalused ning piirangud andmeanalüüsis.
• Teab, kuidas valida sobiv lähenemine andmeanalüüsi ülesannetele, kombineerides AI-tööriistu ja süstemaatilisi meetodeid.
• Oskab kasutada juturobotite assistendi-funktsioone praktilise andmeanalüüsi abistamiseks.
• Oskab rakendada suuri keelemudeleid kvalitatiivsete andmete (tekstid, pildid) kvantitatiivseks analüüsiks.
• Suudab viia läbi praktilisi andmeanalüüsi projekte, kasutades AI-põhiseid tööriistu ning hinnata nende tulemuste usaldusväärsust.