В разделе объясняется, почему искусственный интеллект и машинное обучение стали важными темами современной информатики. Формулируются проблема, цель, задачи и предполагаемый продукт проекта, а также уточняется, какие знания будут получены в теоретической и практической частях. Кратко обозначаются границы исследования и порядок дальнейшего изложения материала.

Здесь раскрывается содержание понятия «искусственный интеллект», рассматриваются его основные направления и отличие интеллектуальной системы от обычной программы. Описываются важные этапы развития области: появление символических методов, экспертных систем, нейронных сетей и современных генеративных моделей. Приводятся имена исследователей и конкретные примеры.

Пункт посвящён машинному обучению как разделу искусственного интеллекта, в котором алгоритмы строят модели по данным. Объясняются понятия признака, объекта, целевой переменной, обучающей и тестовой выборки. Сравниваются обучение с учителем, без учителя и с подкреплением, а также показывается, какие задачи решает каждый подход.

В разделе рассматривается путь от сбора и подготовки данных до получения предсказания. Объясняется, зачем удалять ошибки, кодировать признаки и разделять данные на выборки. Кратко описывается работа деревьев решений, метода ближайших соседей и нейронных сетей, включая настройку параметров и риск переобучения.

Пункт показывает, как ИИ используется в медицине, образовании, транспорте, промышленности, поиске и цифровых рекомендациях. Отдельно анализируются ограничения таких систем: зависимость от качества данных, алгоритмическая предвзятость, утечки персональной информации, непрозрачность решений и необходимость человеческого контроля при ответственных задачах.

В практической части описывается подготовка небольшого набора примеров и выбор доступного инструмента для обучения модели. Последовательно фиксируются загрузка данных, выделение признаков и классов, запуск обучения и получение предсказаний. Все действия формулируются так, чтобы другой учащийся мог повторить эксперимент и проверить его результат.

Здесь оценивается, насколько хорошо созданная модель работает на новых примерах. Результаты представляются в таблице, сравниваются правильные ответы и предсказания, рассчитывается или объясняется доля верных решений. Анализируются причины ошибок, влияние состава выборки и способы улучшения модели без необоснованных выводов о её универсальности.

Раздел объединяет результаты эксперимента с правилами грамотного применения интеллектуальных сервисов. Формулируются рекомендации по проверке фактов, защите персональных данных, указанию использования автоматических инструментов и контролю готовых ответов. Также объясняется, почему модель нельзя применять вне условий, на которых она обучалась и проверялась.

В заключительном разделе кратко обобщаются изученные понятия и результаты практической части. Показывается, как поставленные задачи связаны с полученными наблюдениями: от подготовки данных до оценки предсказаний. Отдельно отмечаются возможности и ограничения выбранной модели, а также знания, которые можно развить в дальнейшем изучением программирования и анализа данных.

В список включаются учебники, научно-популярные издания, официальная документация программных библиотек и проверенные интернет-источники по искусственному интеллекту и машинному обучению. Для каждого материала указываются автор, название, год публикации или дата обращения. Источники подбираются так, чтобы подтвердить определения, исторические факты и описание практических методов.