технический университет
Данный онлайн-курс не имеет аналогов, поскольку в нем освещаются передовые решения применения искусственного интеллекта для решения задач нефтегазохимии. Уникальность курса заключается в том, что в нем рассматриваются вопросы применения искусственного интеллекта в области нефтепереработки и нефтехимии с позиций различных специалистов – с точки зрения химика-технолога, инженера по автоматизации, программиста и экономиста. Материал курса аккумулирует мировые научные достижения в этом направлении, формируя у слушателя по окончании обучения емкую и целостную картину применения искусственного интеллекта для решения конкретных задач в области создания новых веществ и материалов, разработки и совершенствования химических технологий.
Онлайн-курс создан в соответствии с Национальной стратегией развития искусственного интеллекта на период до 2030 г. (Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации») и необходим для формирования у слушателей продвинутых цифровых компетенций и навыков, необходимых для успешного функционирования цифровой экономики.
Ваши конкуренты уже сейчас «перегоняют данные», не отставайте от них и научитесь эффективно применять возможности вашего нового и ловкого помощника – искусственного интеллекта. Катализируйте не процессы, а прибыль. Синтезируйте не просто идеи и решения, а устойчивое конкурентное преимущество для вашего предприятия.
Этот курс – интенсив по внедрению искусственного интеллекта в реальные химико-технологические процессы нефтегазохимии: от предиктивной аналитики химических реакций до умного мониторинга установки и управления технологическими цепочками. Представьте заводской реактор, где вместо сырья – производственные данные, а катализатор их превращения в продукт – искусственный интеллект. Наш курс научит вас этому волшебству. Вы увидите, как нейросети оптимизируют установки, предсказывают выход целевой продукции или помогают «собрать» новую формулу реагента.
Курс рассчитан на 10 недель. Недельная нагрузка обучающегося по курсу – 10-12 академических часов.
Еженедельные занятия включают:
- просмотр коротких видеолекций;
- изучение текстовых конспектов;
- тестирование по каждому разделу курса.
Завершается курс итоговым тестированием.
Порог вхождения при изучении 2 раздела – знание языка Python. Для изучения остальных разделов курса необходимы базовые знания химико-технологических процессов нефтегазохимии, автоматизации технологических процессов, экономики.
- Программа
- Результаты обучения
- Направления подготовки
Раздел 1.
Основные сведения о технологиях искусственного интеллекта в производственных процессах
- 1.1 Тенденции применения цифровых технологий и искусственного интеллекта в промышленности. Проблемы и пути их решения
- 1.2 Возможности интенсификации промышленных процессов нефтегазохимии при применении цифровых технологий и искусственного интеллекта
Раздел 2.
Нейронные сети как инструмент искусственного интеллекта
- 2.1 История и перспективы развития вычислений с помощью искусственных нейронных сетей
- 2.1 Формальный нейрон. Функции активации. Взвешенное суммирование. Однослойные искусственные нейронные сети. Сеть Хопфилда
- 2.1 Обучение искусственных нейронных сетей. Дельта – правило. Обратное распространение ошибки Back Propagation. Обучение по Хопфилду
- 2.1 Нейросетевые методы классификации изображений. Регуляризация, нормализация в классификации
- 2.1 DataSet. Подготовка и разметка данных
- 2.1 Применение методов ИИ для решения задач моделирования процесса нефтепереработки на примере каталитического крекинга нефти
- 2.1 Получение таблицы решений посредством математического моделирования каталитического крекинга нефти. Преобразование в обучающую и тестовую выборку. Сведение задачи регрессии к задаче классификации
- 2.1 Задача восстановления пропущенных данных
- 2.1 Визуализация данных и полученных результатов. Библиотеки Matplotlib, PyVista и др.
Раздел 3.
Интеллектуальные системы управления и обеспечения безопасности на предприятиях
- 3.1 Искусственный интеллект в управлении техническими системами. Задачи и методы. Структура интеллектуальной системы управления
- 3.2 Задачи разработки моделей для интеллектуальных систем управления и обеспечения безопасности (ИСУиОБ). Когнитивное моделирование
- 3.3 Нейросетевые модели в задачах ИСУиОБ
- 3.4 Нечеткие множества и комплексирование с неросетевыми методами при моделировании объектов управления
- 3.5 Нейро-нечеткие системы управления
- 3.6 Обзор типовых задач формирования решений для управления, диагностики, верификации данных
- 3.7 Модели формирования решений в подсистемах управления, обеспечения безопасности. Примеры решения задач управления: 1. Управление уровнем. 2. Иерархический нечеткий автомат для дозирующей системы
- 3.8 Примеры решения задач диагностики состояния технологического оборудования и верификации данных в информационных подсистемах: сложная ректификационная колонны и трубчатая печь
- 3.9 Искусственный интеллект в задаче интерпретации диагностической информации на примере диагностики состояния насосно-компрессорного оборудования и запорной арматуры)
- 3.10 Архитектура Edge AI для компьютерного зрения в мобильной робототехнике
Раздел 4.
Технологии искусственного интеллекта для решения задач нефтепереработки и нефтехимии
- 4.1 Многомасштабное моделирование в нефтегазохимии и искусственный интеллект как один из инструментов исследования
- 4.2 Методы предсказательного моделирования и дизайна молекулярных систем на основе искусственного интеллекта
- 4.3 Применение методов искусственного интеллекта для анализа и выбора материалов в решении задач нефтегазохимии
- 4.4 Применение технологий искусственного интеллекта в производственных процессах нефтепереработки и нефтехимии для создания виртуальных помощников, систем компьютерного зрения и промышленного интернета вещей
- 4.5 Методы имитационного моделирования для формального описания процессов нефтепереработки и нефтехимии
- 4.6 Методы получения входных данных для создания интеллектуальной модели технологического процесса на примере установки алкилирования бензола пропиленом
- 4.7 Разработка интеллектуальной модели технологического процесса на примере нефтехимического процесса алкилирования бензола пропиленом
- 4.8 Методы искусственного интеллекта для решения экологических проблем борьбы с загрязнением окружающей среды
Раздел 5.
Искусственный интеллект в задачах управления бизнес-процессами на нефтехимических и нефтеперерабатывающих предприятиях
- 5.1 Бизнес-модель как основа экосистемы предприятий нефтепереработки и нефтехимии и как объект изучения ИИ
- 5.2 Основные бизнес-процессы нефтеперерабатывающих и нефтехимических предприятий. Основные задачи для управления бизнес-процессами, решаемые с помощью ИИ
- 5.3 Внешняя и внутренняя среда нефтеперерабатывающего и нефтехимического предприятия как база данных для применения ИИ
- 5.4 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами сбыта на предприятиях нефтепереработки и нефтехимии
- 5.5 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами маркетинга на предприятиях нефтепереработки и нефтехимии
- 5.6 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами снабжения на предприятиях нефтепереработки и нефтехимии
- 5.7 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами логистики на предприятиях нефтепереработки и нефтехимии
- 5.8 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами кадровой политики на предприятиях нефтепереработки и нефтехимии
- 5.9 Информационно-аналитический инструментарий и возможности применения ИИ для управления процессами финансового обеспечения на предприятиях нефтепереработки и нефтехимии
- 5.10 Формирование финансовых результатов деятельности нефтеперерабатывающего и нефтехимического предприятия: методические и информационные аспекты в условиях цифровой трансформации
обучающийся должен знать уметь:
- – оценивать эффективность внедрения в производство результатов научно-исследовательских работ и опытно-конструкторских разработок в области нефтегазохимии;
- – создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов;
- – осуществлять сбор и подготовку данных для систем искусственного интеллекта;
- – выбирать, разрабатывать и проводить экспериментальную проверку работоспособности программных компонентов систем искусственного интеллекта по обеспечению требуемых критериев эффективности и качества функционирования;
- – исследовать и разрабатывать архитектуры систем искусственного интеллекта на основе комплексов методов и инструментальных средств систем искусственного интеллекта;
- – разрабатывать, обосновывать, внедрять и сопровождать цифровые решения;
- – инициировать выявления потребностей в изменениях сервисов ИТ и осуществлять их реализацию;
- – осуществлять сбор, обработку, анализ и систематизацию информации;
- – проводить оценку эффективности проектов и анализ предложений по их совершенствованию с учетом специфики профессиональной деятельности;
- – разрабатывать алгоритмы обработки данных для реализации в интеллектуальных системах автоматизации;
- – адаптировать и применять методы и алгоритмы машинного обучения для решения прикладных задач в области нефтегазохимии;
- – разрабатывать на основе цифровых технологий обобщенные варианты решения проблем, связанных с проектированием и эксплуатацией АСУ ТП;
- – собирать, обрабатывать и анализировать большие объемы данных (Big Data) для принятия обоснованных решений и прогнозирования результатов химико-технологических процессов;
- – применять искусственный интеллект для оптимизации химико-технологических процессов и создания устойчивых бизнес-моделей;
- – создавать и использовать цифровые двойники для моделирования и управления химико-технологическими процессами;
- – критически оценивать информацию, полученную с помощью инструментов искусственного интеллекта, и использовать ее для решения производственных задач.
- 18.04.01 Химическая технология
- 09.03.01 Информатика и вычислительная техника
- 09.04.01 Информатика и вычислительная техника
- 38.04.01 Экономика
- 15.03.04 Автоматизация технологических процессов и производств
- 15.04.04 Автоматизация технологических процессов и производств
- 27.03.04 Управление в технических системах
- 27.04.04 Управление в технических системах
Нефтегазовое образование
открытые онлайн-курсы


















