В разделе объясняется, почему искусственный интеллект стал значимым направлением информатики и какие задачи он помогает решать. Формулируются проблема, цель, задачи и предполагаемый результат проекта, а также кратко описывается связь теоретического изучения моделей с созданием практического прототипа и последующей проверкой его качества.

Пункт раскрывает содержание понятия искусственного интеллекта, отличие интеллектуальной системы от обычной программы и основные этапы развития направления. Рассматриваются идеи символического ИИ, экспертных систем, машинного обучения и современных нейронных сетей, а также вклад ключевых исследователей и причины смены научных подходов.

Здесь сравниваются модели, основанные на правилах, деревья решений, методы классификации, регрессии и нейронные сети. Для каждого подхода описываются тип входных данных, принцип обучения, возможные результаты и ограничения. Отдельно объясняется, почему выбор модели должен соответствовать поставленной задаче и доступному набору примеров.

Раздел посвящён последовательности проектирования интеллектуального решения: формулировке задачи, выбору целевого признака, определению источников данных и критерия успешности. Описываются требования к системе, схема взаимодействия её компонентов, способы уменьшения рисков и необходимость заранее определить, кто и как будет использовать результат модели.

В пункте описывается выбор учебной задачи и программного инструмента для создания прототипа. Показываются подготовка таблицы данных, кодирование признаков, разделение примеров и настройка алгоритма. Объясняется, какие параметры фиксируются в ходе разработки, чтобы эксперимент можно было повторить и сравнить с другими вариантами модели.

Раздел рассматривает очистку исходного набора, обработку пропусков, удаление дубликатов и приведение признаков к удобному формату. Затем описывается обучение модели на размеченных примерах, изменение её параметров и использование функции ошибки. Подчёркивается необходимость отделять данные для обучения от примеров, предназначенных для объективной проверки.

В этом пункте приводится порядок проверки прототипа на данных, которые не использовались при обучении. Рассматриваются точность, полнота, доля правильных ответов по классам и матрица ошибок. Результаты сравниваются с ожидаемыми, анализируются неправильные предсказания и формулируются условия, при которых модель нельзя применять без дополнительного контроля.

Раздел связывает разработанную модель с практическими областями: образованием, медициной, транспортом и цифровыми сервисами. Обсуждаются конфиденциальность, качество исходных данных, объяснимость решений, ответственность пользователя и риск дискриминации. Отдельно формулируются правила безопасного применения учебного прототипа и необходимость участия человека в принятии значимых решений.

В заключении обобщаются результаты изучения моделей, проектирования и разработки искусственного интеллекта. Сопоставляются поставленные задачи и полученные результаты практического эксперимента, оцениваются точность и ограничения прототипа. Также обозначаются возможные направления улучшения: расширение набора данных, подбор другой модели, повторное тестирование и более подробный анализ ошибок.

В списке литературы приводятся учебники, научно-популярные издания, документация программных библиотек и проверенные электронные ресурсы, использованные при подготовке проекта. Источники оформляются единообразно и позволяют подтвердить сведения об истории искусственного интеллекта, принципах машинного обучения, оценке моделей и требованиях к ответственному использованию технологий.