технический университет
Курс разработан для профессионалов, стремящихся овладеть навыками проектирования и создания современных систем искусственного интеллекта (ИИ). В рамках курса слушатели изучат архитектурные принципы построения ИИ, методы декомпозиции подсистем и их взаимодействия на основе предметноориентированного проектирования. Особое внимание уделяется алгоритмам машинного обучения, методам работы с большими данными, нейронным сетям и современным инструментальным средствам для разработки и обучения моделей ИИ.
Участники курса научатся выбирать и применять методы для создания гибридных систем, интегрировать их в различные проекты и оценивать качество моделей машинного обучения. Курс включает практическую работу с данными, создание систем на основе нейросетей и оптимизацию программного обеспечения для различных задач.
Разработка ИИ-систем требует не только глубокого понимания методов машинного обучения и нейронных сетей, но и навыков создания комплексных решений для разных областей. Разработчик ИИ выступает как архитектор, способный декомпозировать задачу, выбрать правильные методы и инструменты и интегрировать их в готовую систему. Этот курс обучает основам создания архитектур ИИ и предоставляет практические знания, необходимые для успешной реализации проектов на основе современных технологий.
Слушатели курса получат знания о построении архитектуры ИИ-систем, принципах машинного обучения и работе с большими данными. Они освоят методы декомпозиции компонентов ИИ, научатся выбирать подходящие алгоритмы и инструменты для решения задач в различных областях. Слушатели смогут разрабатывать собственные системы ИИ, оптимизировать их работу, оценивать качество моделей и использовать современные технологии для создания гибридных интеллектуальных систем.
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.
Разработчик систем искусственного интеллекта
- 2.1 Задачи, требующие решения на основе машинного обучения. Работа с данными. Основные понятия математической статистики для машинного обучения
- 2.2 Дисперсионный, корреляционный и регрессионный анализ, предсказания. Решение задач регрессии, проверка адекватности модели. Восстановление пропущенных значений и поиск выбросов, детектор аномалий
- 2.3 Алгоритмы дерева принятия решения. Решающее дерево. Проблема переобучения. Определение важности признаков по алгоритмам, основанным на деревьях решений. Кластеризация
- 2.4 Балансирование выборок. Проблема неполных данных. Восстановление пропусков. Метод исключения некомплектных объектов. Методы с заполнением. Методы взвешивания. Методы, основанные на моделировании
- 2.5 Линейные классификаторы, нейронные сети, как композиция линейных классификаторов. Вероятностные алгоритмы. Ансамбли алгоритмов. Отбор признаков и объектов. Эвристические алгоритмы и метаоптимизация
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