This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
У цьому уроці ви дізналися про багато реальних випадків використання, які були вирішені за допомогою класичного машинного навчання. Хоча використання глибокого навчання, нових технік і інструментів в штучному інтелекті, а також застосування нейронних мереж допомогли прискорити створення інструментів для допомоги в цих секторах, класичне машинне навчання, використовуючи техніки з цієї програми, все ще має велике значення.
У цьому завданні уявіть, що ви берете участь у хакатоні. Використайте те, що ви дізналися в програмі, щоб запропонувати рішення за допомогою класичного машинного навчання для вирішення проблеми в одному з секторів, обговорених у цьому уроці. Створіть презентацію, де ви розповісте, як ви реалізуєте свою ідею. Додаткові бали, якщо ви зможете зібрати зразки даних і побудувати модель машинного навчання для підтримки своєї концепції!
## Критерії оцінювання
| Критерій | Відмінно | Задовільно | Потребує покращення |
| | Представлено презентацію PowerPoint - додатково за створення моделі | Представлено просту, неінноваційну презентацію | Робота незавершена |
---
**Відмова від відповідальності**:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.
