Описание ситуации:
Кафе «Sunny Cafe» расположено в центре города. Руководство хочет заранее знать, сколько посетителей придет в определенные дни, чтобы правильно планировать количество персонала и закупку продуктов. Для этого они решили использовать основы искусственного интеллекта и машинного обучения.
Содержание задания:
— Перечислите, какие данные могут повлиять на количество посетителей в кафе (например, погода, день недели, праздники).
— Предложите, как можно собирать и организовывать эти данные, чтобы использовать их для анализа.
— Разработайте простой способ представить данные в табличной форме для последующего анализа.
— Выберите подходящий метод машинного обучения для предсказания количества посетителей, обосновав свой выбор.
— Создайте схему (или опишите этапы) работы алгоритма, который прогнозирует посещаемость кафе.
— Объясните, какие выводы руководство кафе может сделать на основе работы такого алгоритма.
2.2.
Кейс-задача № 2. Управление расходами на электричество
Описание ситуации:
В офисе компании «GreenTech» заметили, что счета за электричество растут, но причину определить не удалось. Руководство решило использовать искусственный интеллект для анализа данных о потреблении электричества. Планируется собирать данные о времени использования техники, погоде и количестве сотрудников в офисе.
Содержание задания:
— Определите, какие данные необходимо собрать для анализа расходов на электричество.
— Предложите способ хранения и организации данных, чтобы их можно было использовать для машинного обучения.
— Разработайте простой план построения алгоритма для анализа данных и поиска закономерностей.
— Укажите, как можно визуализировать результаты работы алгоритма (например, графики потребления).
— Объясните, какие рекомендации можно дать компании для оптимизации расходов на электричество.
— Оцените, как внедрение алгоритма может повлиять на экономию средств компании.
2.3.
Кейс-задача № 3. Анализ клиентских отзывов
Описание ситуации:
Интернет-магазин «ShopPro» получает множество отзывов от клиентов, но их вручную обрабатывать слишком долго. Руководство решило использовать искусственный интеллект для автоматического анализа отзывов, чтобы находить основные темы и выявлять положительные или отрицательные комментарии.
Содержание задания:
— Определите, какие данные необходимо собрать для анализа (например, текст отзыва, дата, оценка клиента).
— Предложите, как организовать данные для автоматического анализа.
— Выберите подходящий метод машинного обучения для классификации отзывов на положительные и отрицательные.
или напишите нам прямо сейчас
— Опишите, как можно визуализировать результаты анализа (например, график с долей положительных отзывов).
— Объясните, как результаты анализа могут помочь интернет-магазину улучшить качество обслуживания.
— Оцените возможные сложности, которые могут возникнуть при внедрении такого алгоритма.
2.4.
Кейс-задача № 4. Автоматизация проверки домашних заданий
Описание ситуации:
Учебное заведение хочет сократить время, которое преподаватели тратят на проверку домашних заданий, и предлагает использовать искусственный интеллект. Предполагается, что система сможет проверять простые задания, например, тесты с выбором ответа или задания с коротким ответом.
Содержание задания:
— Укажите, какие данные необходимо собрать для создания системы проверки домашних заданий.
— Предложите, как организовать базу данных с ответами для обучения алгоритма.
— Разработайте алгоритм для проверки тестов с выбором ответа.
— Объясните, как система может проверять короткие текстовые ответы студентов.
— Укажите, какие результаты может предоставить система преподавателям (например, отчет о правильных и ошибочных ответах).
— Предложите, как преподаватели могут использовать такую систему для оптимизации своей работы.
2.5.
Кейс-задача № 5. Управление запасами продуктов
Описание ситуации:
В небольшом продуктовом магазине часто возникают проблемы с излишками или нехваткой определенных товаров. Владелец магазина решил использовать искусственный интеллект для анализа продаж и прогнозирования спроса на товары.
Содержание задания:
— Определите, какие данные необходимо собирать (например, продажи, даты, сезонность, скидки).
— Разработайте план организации данных для прогнозирования спроса.
— Выберите метод машинного обучения, который подойдет для анализа данных о продажах.
— Предложите, как можно визуализировать результаты прогнозирования (например, диаграмма с количеством товаров).
— Объясните, как результаты анализа помогут избежать излишков и дефицита товаров.
— Оцените, какие трудности могут возникнуть при внедрении такой системы.
3.
Систематизация собранного нормативного и фактического материала.
4.
Оформление отчета о прохождении практики.
5.
Защита отчета по практике.
или напишите нам прямо сейчас
