Python (школа ИИ) 8 класс

Знать

Разницу между традиционным программированием (алгоритм пишет человек) и машинным обучением (алгоритм находит закономерности сам на основе данных).
Основные типы задач ИИ применительно к школьному уровню: классификация (спам/не спам, кот/собака), регрессия (прогноз оценки), кластеризация (разделение объектов на группы без учителя).
Что такое признаки (features) и целевая переменная (target). Понимать разницу между категориальными (пол, цвет) и числовыми (рост, возраст) признаками.
Этические основы работы с данными: понятие анонимизации персональных данных школьников, недопустимость предвзятости (bias) в выборке.
Уметь

Использовать готовые классы моделей из библиотеки scikit-learn (например, LogisticRegression, DecisionTreeClassifier, KMeans) без необходимости вручную прописывать математические формулы градиентного спуска.
Разделять имеющийся датасет на обучающую и тестовую выборки с помощью функции train_test_split для честной проверки качества модели.
Проводить базовое масштабирование числовых признаков (StandardScaler) и кодировать текстовые категории в числа (LabelEncoder).
Оценивать качество простой модели по метрике точности (accuracy_score) и интерпретировать результат (почему точность 75% может быть плохой для одной задачи и отличной для другой).
Владеть

Полным пайплайном мини-проекта ИИ: от постановки вопроса (например, «Можно ли предсказать любимый предмет восьмиклассника?») и сбора анкетных данных до обучения модели и вывода прогноза в консоль.
Навыком интерпретации результата работы модели: умение объяснить простыми словами, почему нейросеть приняла то или иное решение (на уровне важности признаков в решающем дереве).
Навыком сохранения натренированной модели в файл (joblib или pickle) и её последующей загрузки для создания работающего прототипа (например, простого чат-бота или советчика).
Критическим мышлением: способностью заметить переобучение (overfitting) на малом школьном наборе данных и вовремя остановиться, не выдавая случайные совпадения за выученную закономерность.