технический университет
Курс предназначен для слушателей, желающих овладеть знаниями и навыками использования современных систем искусственного интеллекта (ИИ) в различных отраслях. В рамках курса участники изучат основные подходы к оценке эффективности и качества функционирования ИИ-систем, освоят методы постановки задач, проведения тестов и анализа результатов испытаний таких систем. Курс также включает изучение архитектур нейронных сетей, методов машинного обучения и применения интегрированных гибридных интеллектуальных систем.
Слушатели научатся использовать программные платформы ИИ, проводить анализ данных и решать задачи интеллектуальной обработки с помощью современных инструментов. Важное внимание уделяется принципам работы систем компьютерного зрения, распознавания изображений, речи и технической диагностики, что открывает новые перспективы применения ИИ в управлении и техническом анализе.
ИИ-системы становятся центральным элементом современных технологий, и знание их возможностей — ключ к эффективному применению. Пользователь должен уметь не только использовать готовые решения, но и понимать, как они работают, настраивать их под конкретные задачи и анализировать результаты. Этот курс дает необходимые инструменты для самостоятельной работы с нейронными сетями, ИИ-платформами и решениями в области компьютерного зрения и диагностики.
Слушатели курса овладеют навыками создания и настройки простейших нейронных сетей, научатся анализировать и оценивать качество ИИ-систем, а также использовать методы интеллектуальной обработки данных. Они разберутся в основных архитектурах нейросетей, принципах работы систем компьютерного зрения и методах технической диагностики. Слушатели также смогут применять ИИ-платформы и гибридные системы для решения задач в своей профессиональной деятельности и на практике использовать технологии анализа сигналов.
Курс рассчитан на 4 недели. Недельная нагрузка обучающегося по курсу – 18 академических часов.
Еженедельные занятия включают:
- просмотр коротких видеолекций;
- небольшое тестирование по каждому разделу курса.
Завершается курс итоговым тестированием.
Курс предназначен для лиц:
- имеющих среднее профессиональное и (или) высшее образование;
- получающих среднее профессиональное и (или) высшее образование.
- Программа
- Результаты обучения
- Направления подготовки
Раздел 1.
Базовые знания по системам искусственного интеллекта
- 1.1 Современное состояние и развитие перспективных направлений, методов и технологий в области искусственного интеллекта. Искусственный интеллект как инновационный инструмент внедрения современных средств обучения
- 1.2 Методы и инструментальные средства систем искусственного интеллекта. Функциональность современных инструментальных средств и систем программирования в области создания моделей искусственных нейронных сетей
- 1.3 Искусственные нейронные сети (ИНС), классификация, алгоритмы обучения
- 1.4 Методы распознавания образов
- 1.5 Специализированные среды для реализации систем искусственного интеллекта
- 1.6 Базы данных. Системы управления базами данных
- 1.7 Методы машинного обучения и приобретения знаний интеллектуальными системами
- 1.8 Технологии проектирования интеллектуальных систем
Раздел 2.
Пользователь систем искусственного интеллекта
- 2.1 Создание простейшей нейронной сети. Полносвязные сети, обучающая и тестовая выборки. Оценка качества обучения нейросети. Принципы работы сверточных нейронных сетей. Принцип работы рекуррентных нейронных сетей
- 2.2 Применение функционального программирования к построению нейронных сетей. Архитектуры нейронных сетей для получения прогноза в задаче регрессии. Полносвязные и рекуррентные нейронные сети для прогнозирования временных рядов
- 2.3 Архитектура автокодировщиков. Снижение размерности исходного пространства. Вариационные автокодировщики. Генеративные модели на базе автокодировщиков. Генеративные состязательные сети Обучение без учителя при использовании метода обратного распространения ошибки
- 2.4 Анализ различных архитектур для сегментации изображений, функции ошибок и метрики. Основные концепции обучения с подкреплением (RL, reinforcement learning). Отличие задачи "обучение с подкреплением" от задач "обучение с учителем" и "обучение без учителя"
- 2.5 Понятия сигнала, оптические, акустические, вибрационные, электромагнитные сигналы. Обработка сигналов. Дискретизация сигнала. Спектральный анализ, разложение сигнала на гармонические составляющие, преобразование Фурье и его приложения. Object Detection (обнаружение и распознавание объектов). Распознавание зрительных образов, речи, технического состояния объектов контроля
обучающийся должен знать:
- – современное состояние и развитие перспективных направлений, методов и технологий в области искусственного интеллекта;
- – искусственный интеллект как инновационный инструмент внедрения современных средств обучения;
- – методы и инструментальные средства систем искусственного интеллекта, критерии их выбора и методы комплексирования в рамках применения интегрированных гибридных интеллектуальных систем различного назначения;
- – функциональность современных инструментальных средств и систем программирования в области создания моделей искусственных нейронных сетей, в том числе сетей-трансформеров;
- – основные критерии эффективности и качества функционирования системы искусственного интеллекта: точность, релевантность, достоверность, целостность, быстрота решения задач, надежность, защищенность функционирования;
- – основные критерии эффективности и качества функционирования системы искусственного интеллекта: точность, релевантность, достоверность, целостность, быстрота решения задач, надежность, защищенность функционирования;
- – методы постановки задач, проведения и анализа тестовых и экспериментальных испытаний работоспособности систем искусственного интеллекта;
- – программные и технические средства анализа и интеллектуальной обработки данных;
- – методы и инструментальные средства систем искусственного интеллекта, критерии их выбора и методы комплексирования в рамках применения интегрированных гибридных интеллектуальных систем различного назначения;
- – принципы построения и применения систем компьютерного зрения, распознавания изображений, распознавания и синтеза речи;
- – принципы построения и применения интеллектуальных систем технической диагностики, построенных на спектральном анализе оптических, акустических, вибрационных и электромагнитных сигналов;
- – современное состояние и развитие перспективных направлений, методов и технологий в области искусственного интеллекта;
обучающийся должен уметь:
- – программировать на языках высокого уровня, ориентированных на работу с большими данными: для статистической обработки данных и работы с графикой, для работы с разрозненными фрагментами данных в больших массивах, для работы с базами структурированных и неструктурированных данных;
- – выбирать и комплексно применять методы и инструментальные средства систем искусственного интеллекта, критерии их выбора;
- – выбирать и применять программные платформы систем искусственного интеллекта с учетом основных критериев эффективности и качества функционирования;
- – проводить оценку и выбор моделей искусственных нейронных сетей и инструментальных средств для решения задач машинного обучения;
- – выбирать и комплексно применять методы и инструментальные средства систем искусственного интеллекта, критерии их выбора;
- – выбирать и применять программные платформы систем искусственного интеллекта с учетом основных критериев эффективности и качества функционирования;
- – ставить задачи и участвовать в проведении тестовых и экспериментальных испытаний работоспособности систем искусственного интеллекта, анализировать результаты и вносить изменения;
- – проводить анализ перспективных направлений, методов и технологий в области искусственного интеллекта и определять наиболее перспективные для различных областей применения;
- – составлять правила и алгоритмы интеллектуальной обработки данных;
обучающийся должен владеть:
- – профессиональной терминологией из области программирования в приложении к методам искусственного интеллекта;
- – навыками анализа современных методов и средств информатики и искусственного интеллекта;
- – навыками анализа применимости тех или иных интеллектуальных систем для решения задач профессиональной деятельности;
- – навыками формализации знаний для последующей из программной реализации;
- – современными инструментальными методами и средствами обучения моделей искусственных нейронных сетей;
- – навыками анализа современных методов и средств информатики и искусственного интеллекта для решения задач профессиональной деятельности;
- – навыками работы в программных платформах систем, основанных на знаниях, с учетом основных критериев эффективности и качества функционирования;
- – навыками по созданию комплексных систем искусственного интеллекта с применением методов и алгоритмов искусственного интеллекта;
- – методами и алгоритмами машинного обучения моделей искусственных нейронных сетей.
УГНТУ
УГНТУ
УГНТУ
УГНТУ
УГНТУ
УГНТУ
Нефтегазовое образование
открытые онлайн-курсы