Назад
III уровень Искусственный интеллект

Архитектор в области искусственного интеллекта

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»
250 часов длительность
Онлайн формат
1 поток (закрыт) 14.09-15.12.2022

Описание

Программа повышения квалификации ориентирована на формирование целостного инженерного видения и практики реализации и применения систем искусственного интеллекта в реальных условиях, с акцентом на технологии программной инженерии. В программе рассматриваются аспекты обработки и анализа данных, вопросы системной инженерии искусственного интеллекта, проектирования с учетом вычислительной инфраструктуры и существующих бизнес-процессов в различных отраслях.
Программа рассчитана на развитие у слушателей компетенций, связанных с профессиональными стандартами «Специалист по большим данным», «Руководитель
разработки программного обеспечения», также она учитывает базовую модель профессий и компетенций 2021 Альянса в сфере искусственного интеллекта и универсальную модель компетенций в сфере искусственного интеллекта, разработанную РЭУ им. Плеханова в 2021 году.
Обучение проходит в смешанном формате — предоставляются материалы онлайн-курса, а также проводятся вебинары (в режиме реального времени, и в записи) и консультации.
Программа разработана Национальным центром когнитивных разработок - НЦКР (центр компетенций НТИ по направлению «Машинное обучение и когнитивные технологии»).
Для реализации программы используются практические кейсы, сформулированные (предоставленные) индустриальными партнерами (ИП) НЦКР – ПАО «Газпромнефть», ПАО «Роснефть», ПАО «Банк «Санкт-Петербург», и др.

Часов в программе
28 часов
итоговая аттестация
28 часов
всего
Цель программы
Программа предназначена для подготовки специалистов в области искусственного интеллекта и больших данных, обучающихся в сфере прикладной математики и информационных технологий, а также по иным специальностям, которые заинтересованы в расширении своей компетенции в сфере искусственного интеллекта и больших данных.
Входная диагностика
Входное тестирование.
Итоговая аттестация 28 часов
Итоговый проект

Требования

   

Образование
  • Высшее образование
  • Среднее профессиональное образование
Квалификация
Рекомендуемая подготовка: слушатели с высшим (или незаконченным высшим) образованием. К освоению Программы допускаются физические лица, имеющие или получающие высшее, или среднее профессиональное образование. Требуется базовые знания математики, алгоритмов и структур данных, начальные навыки программирования на любом языке.
Опыт профессиональной дятельности
Умение писать программы на каком-либо императивном языке программирования (Java, Python, JavaScript, C++ и т.п.
Предварительное освоение иных дисциплин/курсов /модулей
Знания основ программирования, основ машинного обучения.
Владение необходимыми профессиональными компетенциями
Навыки алгоритмизации задач.

Модули

свернуть
Модуль 1 Принципы проектирования и разработки систем на основе искусственного интеллекта
Классификация систем искусственного интеллекта. Структурная организация систем искусственного интеллекта. Функциональная организация систем искусственного интеллекта. Роль архитектурных шаблонов в проектировании систем ИИ. Многоуровневая архитектура. Одноранговые архитектуры. Логическая архитектура систем искусственного интеллекта. Архитектуры баз данных и знаний. Событийная архитектура баз знаний систем искусственного интеллекта. Структурная организация систем искусственного интеллекта. Функциональная организация систем искусственного интеллекта. Роль архитектурных шаблонов в проектировании систем ИИ. Многоуровневая архитектура. Одноранговые архитектуры. Логическая архитектура систем искусственного интеллекта. Архитектуры баз данных и знаний. Событийная архитектура баз знаний систем искусственного интеллекта.
Подробнее
Модуль 3 Цифровая трансформация бизнес-процессов на основе искусственного интеллекта
Цели и задачи цифровой трансформации. Этапы цифровой трансформации. Сквозные технологии цифровой трансформации. Системные постановки задач трансформации бизнес-процессов, и их отраслевые вариации. Управление на данных. Дескриптивная, прогностическая, генеративная аналитика. ИИ для создания и использования цифровых двойников. Примеры применения ИИ для решения практических задач промышленности.
Подробнее
Модуль 5 Вычислительные методы и модели искусственного интеллекта
Общие концепции теории игр. Коалиционные и бескоалиционные игры. Матричные игры. Ситуации равновесия. Теорема о минимаксах. Доминирование стратегий. Бесконечные антагонистические игры. Бескоалиционные игры. Классические кооперативные игры. Описание реальных ситуаций как игр. Поиск равновесия, анализ стратегий. NP-сложные, NP-полные задачи; задача оптимизации с ограничениями. Локальная и глобальная оптимизация. Достаточные условия оптимальности решений.
Подробнее
Модуль 7 Параллельная и распределенная обработка данных
Теоретические основы параллельных вычислений. Показатели эффективности параллельной программы. Автоматическое распараллеливание программ. Эффективность параллельных библиотек. Понятие распределённых вычислений и распределённой системы. Цели построения распределённых систем и требования к ним при создании систем ИИ. Понятие и назначение программного обеспечения промежуточного уровня. Понятие потоковой обработки данных, использование в системах ИИ. Системы реального времени. Задачи и методы анализы потоковых данных. Инструменты (фреймворки) разработки систем потоковой обработки данных. Параллельные системы обработки данных для ИИ: нейроморфные и нечеткие процессоры. Организация вычислений на GPGPU.
Подробнее
Модуль 9 Программный инструментарий Data Science
Применение различных языков программирования для моделирования данных, проведения экспериментов, статистического анализа данных. Среды разработки, интерпретаторы PyCharm, Jupyter Notebook, командная строка. машинного обучения и анализа данных. Специализированный язык R (синтаксис, применение). Библиотеки машинного обучения на R и Python. Специализированные и предметно-ориентированные языки (Go и другие) для описания алгоритмов и данных. Средства интеграции со специализированными языками и инструментами. Специализированные языки вычислительных платформ для анализа и визуализации данных (HLSL и GLSL). Специализированные языки символьных и численных вычислений для анализа и визуализации данных.
Подробнее
Модуль 2 Жизненный цикл цифровых продуктов на основе искусственного интеллекта
Жизненный цикл систем ИИ. Модели жизненного цикла продуктов на основе искусственного интеллекта. Стадии и этапы создания, эксплуатации и внедрения систем на основе искусственного интеллекта. Жизненный цикл онтологических знаний.
Подробнее
Модуль 4 Интеллектуальный анализ данных. Современное машинное обучение.
Введение в интеллектуальный анализ данных. Предварительная обработка данных. Корреляция. Регрессионный и дисперсионный анализ данных. Кластерный анализ данных. Бизнес-аналитика. Ансамблевые методы, метапредикторы. Понятие ансамблей моделей: бэггинг, бустинг, стэкинг. Случайный лес. Обучение с подкреплением. Однорукие бандиты. Марковские процессы принятия решений. Функции ценности состояний и действий. Q-learning.
Подробнее
Модуль 6 Анализ и обучение на больших данных. Структурирование, разметка и обогащение данных
Виды представления данных. Табличные, графовые структуры данных. Временные ряды. Хранение структурированных и неструктурированных данных. Проектирование данных, формирование запросов. SQL базы данных (GreenPlan, Postgres, Oracle), NoSQL Базы хранилища (Cassandra, MongoDB, ElasticSearch, Neo4J, Hbase). Методы машинного обучения на больших данных. Основные понятия качества данных. Инструменты управления, качеством данных, интеграцией и очисткой данных, управление метаданнымии. Основные подходы к структурированию данных. Модели данных в системах ИИ (таблицы, иерархические структуры, графы). Классификация и кластеризация данных. Сегментация данных. Модели семантической структуры данных и онтологии. Основные понятия и методы разметки цифровых изображений, разметка текстовых данных, синтаксическая разметка. Понятие и задача обогащения данных. Методы обогащения текстовых данных. Методы обогащения наборов изображений.
Подробнее
Модуль 8 Инфраструктуры больших данных
Работа с кластерными системами и контейнеризация (Kubernetes, docker). Системы обработки и анализа больших массивов данных (Hadoop, Spark, ETL). Системы очередей и потоковая обработка данных (Spark Streaming, Apache Kafka). OLAP, Data Warehouse на основе ClickHouse.
Подробнее
Модуль 10 Технологии оценки, интерпретации и использования результатов работы систем на основе искусственного интеллекта
Визуальная аналитика многомерных данных. Снижение размерности наборов данных. Методы отображения многомерных данных. Визуальные языки представления данных. Способы интерпретации данных. Основные принципы онтологического инжиниринга. Понятие графового представления данных на основе троек. RDF-представление данных. Язык RDFs. OWL-онтологии. Реификация и ризонинг на онтологиях. Триплсторы. SPARQL-запросы. Классификация и методы систем поддержки принятия решений. Интеграция СППР в корпоративные информационные системы.
Подробнее
Модуль 1 Принципы проектирования и разработки систем на основе искусственного интеллекта
Классификация систем искусственного интеллекта. Структурная организация систем искусственного интеллекта. Функциональная организация систем искусственного интеллекта. Роль архитектурных шаблонов в проектировании систем ИИ. Многоуровневая архитектура. Одноранговые архитектуры. Логическая архитектура систем искусственного интеллекта. Архитектуры баз данных и знаний. Событийная архитектура баз знаний систем искусственного интеллекта. Структурная организация систем искусственного интеллекта. Функциональная организация систем искусственного интеллекта. Роль архитектурных шаблонов в проектировании систем ИИ. Многоуровневая архитектура. Одноранговые архитектуры. Логическая архитектура систем искусственного интеллекта. Архитектуры баз данных и знаний. Событийная архитектура баз знаний систем искусственного интеллекта.
Подробнее
Модуль 2 Жизненный цикл цифровых продуктов на основе искусственного интеллекта
Жизненный цикл систем ИИ. Модели жизненного цикла продуктов на основе искусственного интеллекта. Стадии и этапы создания, эксплуатации и внедрения систем на основе искусственного интеллекта. Жизненный цикл онтологических знаний.
Подробнее
Модуль 3 Цифровая трансформация бизнес-процессов на основе искусственного интеллекта
Цели и задачи цифровой трансформации. Этапы цифровой трансформации. Сквозные технологии цифровой трансформации. Системные постановки задач трансформации бизнес-процессов, и их отраслевые вариации. Управление на данных. Дескриптивная, прогностическая, генеративная аналитика. ИИ для создания и использования цифровых двойников. Примеры применения ИИ для решения практических задач промышленности.
Подробнее
Модуль 4 Интеллектуальный анализ данных. Современное машинное обучение.
Введение в интеллектуальный анализ данных. Предварительная обработка данных. Корреляция. Регрессионный и дисперсионный анализ данных. Кластерный анализ данных. Бизнес-аналитика. Ансамблевые методы, метапредикторы. Понятие ансамблей моделей: бэггинг, бустинг, стэкинг. Случайный лес. Обучение с подкреплением. Однорукие бандиты. Марковские процессы принятия решений. Функции ценности состояний и действий. Q-learning.
Подробнее
Модуль 5 Вычислительные методы и модели искусственного интеллекта
Общие концепции теории игр. Коалиционные и бескоалиционные игры. Матричные игры. Ситуации равновесия. Теорема о минимаксах. Доминирование стратегий. Бесконечные антагонистические игры. Бескоалиционные игры. Классические кооперативные игры. Описание реальных ситуаций как игр. Поиск равновесия, анализ стратегий. NP-сложные, NP-полные задачи; задача оптимизации с ограничениями. Локальная и глобальная оптимизация. Достаточные условия оптимальности решений.
Подробнее
Модуль 6 Анализ и обучение на больших данных. Структурирование, разметка и обогащение данных
Виды представления данных. Табличные, графовые структуры данных. Временные ряды. Хранение структурированных и неструктурированных данных. Проектирование данных, формирование запросов. SQL базы данных (GreenPlan, Postgres, Oracle), NoSQL Базы хранилища (Cassandra, MongoDB, ElasticSearch, Neo4J, Hbase). Методы машинного обучения на больших данных. Основные понятия качества данных. Инструменты управления, качеством данных, интеграцией и очисткой данных, управление метаданнымии. Основные подходы к структурированию данных. Модели данных в системах ИИ (таблицы, иерархические структуры, графы). Классификация и кластеризация данных. Сегментация данных. Модели семантической структуры данных и онтологии. Основные понятия и методы разметки цифровых изображений, разметка текстовых данных, синтаксическая разметка. Понятие и задача обогащения данных. Методы обогащения текстовых данных. Методы обогащения наборов изображений.
Подробнее
Модуль 7 Параллельная и распределенная обработка данных
Теоретические основы параллельных вычислений. Показатели эффективности параллельной программы. Автоматическое распараллеливание программ. Эффективность параллельных библиотек. Понятие распределённых вычислений и распределённой системы. Цели построения распределённых систем и требования к ним при создании систем ИИ. Понятие и назначение программного обеспечения промежуточного уровня. Понятие потоковой обработки данных, использование в системах ИИ. Системы реального времени. Задачи и методы анализы потоковых данных. Инструменты (фреймворки) разработки систем потоковой обработки данных. Параллельные системы обработки данных для ИИ: нейроморфные и нечеткие процессоры. Организация вычислений на GPGPU.
Подробнее
Модуль 8 Инфраструктуры больших данных
Работа с кластерными системами и контейнеризация (Kubernetes, docker). Системы обработки и анализа больших массивов данных (Hadoop, Spark, ETL). Системы очередей и потоковая обработка данных (Spark Streaming, Apache Kafka). OLAP, Data Warehouse на основе ClickHouse.
Подробнее
Модуль 9 Программный инструментарий Data Science
Применение различных языков программирования для моделирования данных, проведения экспериментов, статистического анализа данных. Среды разработки, интерпретаторы PyCharm, Jupyter Notebook, командная строка. машинного обучения и анализа данных. Специализированный язык R (синтаксис, применение). Библиотеки машинного обучения на R и Python. Специализированные и предметно-ориентированные языки (Go и другие) для описания алгоритмов и данных. Средства интеграции со специализированными языками и инструментами. Специализированные языки вычислительных платформ для анализа и визуализации данных (HLSL и GLSL). Специализированные языки символьных и численных вычислений для анализа и визуализации данных.
Подробнее
Модуль 10 Технологии оценки, интерпретации и использования результатов работы систем на основе искусственного интеллекта
Визуальная аналитика многомерных данных. Снижение размерности наборов данных. Методы отображения многомерных данных. Визуальные языки представления данных. Способы интерпретации данных. Основные принципы онтологического инжиниринга. Понятие графового представления данных на основе троек. RDF-представление данных. Язык RDFs. OWL-онтологии. Реификация и ризонинг на онтологиях. Триплсторы. SPARQL-запросы. Классификация и методы систем поддержки принятия решений. Интеграция СППР в корпоративные информационные системы.
Подробнее

Преподаватели

Бухановский

Александр Валерьевич

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

директор Национального центра когнитивных разработок

д.т.н.

https://itmo.ru/ru/viewperson/309/buhanovskiy_aleksandr_valerevich.htm

Кустарев

Павел Валерьевич

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

декан факультета программной инженерии и компьютерной техники

к.т.н.

https://itmo.ru/ru/viewperson/971/kustarev_pavel_valerevich.htm

Калюжная

Анна Владимировна

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета цифровых трансформаций, с.н.с. исследовательского центра в сфере искусственного интеллекта "Сильный искусственный интеллект в промышленности"

к.т.н.

https://itmo.ru/ru/viewperson/1247/kalyuzhnaya_anna_vladimirovna.htm

Насонов

Денис Александрович

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета цифровых трансформаций, с.н.с. исследовательского центра в сфере искусственного интеллекта "Сильный искусственный интеллект в промышленности"

к.т.н.

https://itmo.ru/ru/viewperson/1252/nasonov_denis.htm

Никитин

Николай Олегович

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета цифровых трансформаций, с.н.с. исследовательского центра в сфере искусственного интеллекта "Сильный искусственный интеллект в промышленности"

к.т.н.

Балакшин

Павел Валерьевич

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета программной инженерии и компьютерной техники

к.т.н.

Бессмертный

Игорь Александрович

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

профессор факультета программной инженерии и компьютерной техники

д.т.н.

профессор

https://itmo.ru/ru/viewperson/1134/bessmertnyy_igor_aleksandrovich.htm

Болдырева

Елена Александровна

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета программной инженерии и компьютерной техники

к.т.н.

Логинов

Иван Павлович

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»

доцент факультета программной инженерии и компьютерной техники, с.н.с. исследовательского центра в сфере искусственного интеллекта "Сильный искусственный интеллект в промышленности"

к.т.н.

Авторизуйтесь чтобы записаться

Профстандарт

06.042

Специальность

Архитектор в области искусственного интеллекта (AI Architect)

Ответственный за программу

monakhov@itmo.ru

+79052154014