III уровень Искусственный интеллект

Архитектор в области искусственного интеллекта

260 часов длительность
Онлайн формат
Продвинутый уровень
1 поток (закрыт) 05.06-04.09.2023
2 поток (закрыт) 04.09-04.12.2023

Описание

Программа является программой повышения квалификации и разработана с учетом потребностей слушателей, которые хотят продолжить карьеру в IT в качестве архитектора в области искусственного интеллекта. 

#архитектурная_стратегия#искусственный_интеллект #большие_данные #big_data#программная_инженерия

Курс включает изучение функций, задач, навыков, содержания работы архитектора в области искусственного интеллекта, методов и программного инструментария технологий больших данных, синтаксис и семантику основных языков искусственного интеллекта (Python, JAVA/С#/С++/Scala) и основные приемы программирования на них. Программа нацелена на формирование целостного инженерного видения и практики реализации и применения систем искусственного интеллекта в реальных условиях, с акцентом на технологии программной инженерии.

Программа повышения квалификации построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.

Основной формой реализации Программы является очно-заочная форма обучения, осуществляемая с применением электронного обучения и дистанционных образовательных технологий (онлайн-вебинары и т. п.) без отрыва от производства.

Часов в программе
56 часов
лекции
126 часов
практика
61 час
самостоятельная
8 часов
промежуточная аттестация
1 час
входная диагностика
8 часов
итоговая аттестация
260 часов
всего
Цель программы
Целью программы является получение слушателями компетенций, необходимых для профессиональной деятельности архитектора в области искусственного интеллекта (далее - ИИ) для разработки и применения технологических решений в области искусственного интеллекта и в смежных областях.
Актуальность
Ускоренное внедрение цифровых технологий в экономике и социальной сфере создает условия для высокотехнологичного бизнеса, повышает конкурентоспособность страны на глобальном рынке, укрепляет национальную безопасность и повышает качество жизни людей.

Одним из приоритетных направлений научно-технического развития Российской Федерации согласно Стратегии научно-технологического развития Российской Федерации, утвержденной Указом Президента Российской Федерации от 1 декабря 2016 г. № 642, обозначено создание технологий, являющихся основой инновационного развития внутреннего рынка продуктов и услуг, что может быть осуществлено за счет перехода к цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, создания систем обработки больших объемов данных, машинного обучения и искусственного интеллекта.

Задачи, на решение которых человек раньше тратил довольно продолжительное время, искусственный интеллект может выполнить за несколько секунд. Уже сегодня с помощью ИИ в десятки раз быстрее открывают банковские счета и проводят закупки, разрабатывают новые лекарства, инвестируют на фондовом рынке и могут с точностью до минут определить время задержки рейса. Искусственный интеллект называют «новым электричеством»: он меняет целые отрасли бизнеса, а в будущем, возможно, изменит и облик всей цивилизации.

Следует подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня – это не полная замена человека в производственных и бизнес-процессах, а повышение эффективности человеческого труда.
Проекты в области ИИ становятся все разнообразнее и востребованнее, однако инициативы часто тормозятся из-за неудачного выбора архитектуры, недостаточной подготовки и неспособности масштабироваться. Именно поэтому все более актуальной становится роль архитектора в области ИИ, который подготовит и организует запуск в эксплуатацию решений ИИ. Таким образом актуализируется задача подготовки кадров соответствующей квалификации (архитектор в области искусственного интеллекта) с учетом потребностей бизнеса к квалификации специалистов в области искусственного интеллекта.

Архитектор в области искусственного интеллекта – это кураторы и владельцы стратегии архитектуры ИИ, связующее звено между дата-сайентистами, дата-инженерами, разработчиками, операционным направлением (DevOps, DataOps, MLOps) и руководителями бизнес-подразделений для управления и масштабирования инициатив в области ИИ. Они тесно сотрудничают с архитекторами предприятий и решений, но в отличие от них, сосредоточены не на широком наборе функций, а на создании надежной корпоративной архитектуры для ИИ.
Входная диагностика 1 час
Входная диагностика (вступительное испытание) проводится в тестовой форме.
Итоговая аттестация 8 часов
Решение практико-ориентированных задач (кейсов)

Компетенции

Профессиональные


Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
Знать:

− определения, историю развития и главные тренды искусственного интеллекта;
− архитектуру, принципы, процесс, стадии и методологии разработки решений на основе ИИ;
− методы и инструментальные средства решения задач искусственного интеллекта.

Уметь:

− осуществлять поиск информации о новых и перспективных методах анализа больших данных, выполнять сравнительный анализ методов

Владеть:

− культурой постановки и планирования последовательности решения задач анализа данных и классификации;
− навыками анализа реальных задач из различных предметных областей на уровне отдельных подходов и коллективами алгоритмов.

Способен применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез
Знать:

− методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез;
− основы методов оптимизации;
− технологии распределенной обработки данных.

Уметь:

− применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез;
− строить модель для прогнозирования временного ряда;
− использовать цифровые платформы анализа данных для решения профессиональных задач.

Владеть:

− навыками применения алгоритма проблемных ситуаций (алгоритма фаззинга)

Способен участвовать в процессе создания систем искусственного интеллекта, на различных этапах жизненного цикла в качестве эксперта и ключевого пользователя
Знать:

− функции, задачи, навыки, содержание работы архитектора в области искусственного интеллекта;
− архитектуру, принципы, процесс, стадии и методологии разработки решений на основе ИИ.

Уметь:

− строить модель для рекомендательных систем;
− использовать контейнеризацию и развертывать модель в производство;
− решать проблемы переобучения и недообучения алгоритма.

Владеть:

− навыками анализа реальных задач из различных предметных областей на уровне отдельных подходов и коллективами алгоритмов.

Способен разрабатывать и применять методы машинного обучения для решения задач
Знать:

− основные типы, источники больших данных, проблемы безопасности;
− методы и программный инструментарий технологий больших данных;
− базовые понятия и возможности теории игр для их применения в области машинного обучения и искусственного интеллекта;
− системы обработки и анализа больших массивов данных (SQL, NoSQL, Hadoop, SPARK и др.): принципы работы, функционал, язык запросов, преимущества и недостатки;
− технологии, методы и инструменты машинного обучения для решения профессиональных задач.

Уметь:

− применять методы машинного обучения для работы с большими данными.

Владеть:

− навыками работы с библиотеками, программными платформами (фреймворками) и программными комплексами машинного обучения.

Способен использовать системы искусственного интеллекта на основе нейросетевых моделей и методов
Знать:

− нейронные сети: полносвязные, свёрточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности.

Уметь:

− применять методы машинного обучения и нейронных сетей.

Владеть:

− навыком построения полносвязной нейронной сети для задачи классификации;
− основными принципами, возможностями и порядком применения методов обучения с учителем и без учителя для решения задач классификации данных.

Способен использовать инструментальные средства для решения задач машинного обучения
Знать:

− синтаксис и семантику основных языков искусственного интеллекта (Python, JAVA/С#/С++/Scala) и основные приемы программирования на них;
− основные алгоритмы, используемые в языках программирования;
− принципы, содержание и области применения массово-параллельной обработки и анализа данных для ускорения машинного обучения;
− технологии распределенной обработки данных;
− принципы и содержание работы с распределенными кластерными системами;
− технологии и методы потоковой обработки данных.

Уметь:

− применять системы обработки и анализа больших массивов данных;
− применять системы контроля версий Git для разработки решений на основе языков программирования;
− применять язык SQL для прикладных решений;
− применять язык программирования Python и библиотеки при разработке решений на основе ИИ;
− визуализировать анализируемые данные;
− использовать шины данных (kafka) при обработке больших данных.

Владеть:

− языками программирования (Python, JAVA/С#/С++/Scala) для реализации методов анализа и структурирования данных;
− основными инструментами для работы с данными (Git, Docker, CI/CD, RestAPI, Jupyter notebook, kaggle, Nvidia Cuda, VS, IntelliJIdea);
− навыками работы с основными библиотеками Python для визуализации данных (Matplotlib, Seaborn, Plotly);
− навыком установки Hadoop на виртуальную машину;
− навыком использования Docker;
− навыком работы с MapReduce, PySpark;
− навыком работы с Numpy;
− математическими методами анализа данных.

Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов
Знать:

− архитектуры современных нейронных сетей и их использование для решения профессиональных задач.

Уметь:

− поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов.

Владеть:

− способами улучшить качество модели с помощью методов Feature engineering;
− навыком использования библиотеки PyTorch, применения GPU в PyTorch;
− навыком построения полносвязной нейронной сети для задачи классификации;
− основными принципами, возможностями и порядком применения методов обучения с учителем и без учителя для решения задач классификации данных;
− методами машинного обучения и нейронных сетей.

Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
Знать:

− методы, инструментальные средства и стандарты статистического и описательного анализа данных;
− основные платформы данных (облачные и внутрикорпоративные), применяемые при разработке решений на основе ИИ;
− основные виды представления данных: табличные, графовые, временные ряды;
− основные уровни представления данных.

Уметь:

− использовать основные статистические методы анализа данных;
− проводить EDA - разведочный анализ данных;
− моделировать данные в хранилищах (DWH, Data Lake, NoSQL хранилища данных).

Владеть:

− навыком создания логической и физической базы данных;
− навыком BI-аналитики;
− языками запросов для обращения к СУБД.

Способен создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта
Знать:

− понятие сквозных цифровых субтехнологий искусственного интеллекта;
− методы и технологии внедрения сквозных цифровых субтехнологий искусственного интеллекта.

Уметь:

− внедрять технологии компьютерного зрения для обработки изображений и видео, задач биометрии;
− внедрять технологии обработки естественного языка для анализа и генерации текстов;
− внедрять технологии обучения с подкреплением для задач автоматизации производства и транспорта.

Владеть:

− навыком работы с генеративными моделями GAN для задач генерации;
− навыком работы с автокодировщиками для задач уменьшения размерности и поиска аномалий;
− навыком работы с технологией RL - обучения с подкреплением.

Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта
Знать:

− понятие сквозных цифровых субтехнологий искусственного интеллекта;
− методы и технологии внедрения сквозных цифровых субтехнологий искусственного интеллекта.

Уметь:

− применять технологии компьютерного зрения для обработки изображений и видео, задач биометрии;
− применять технологии обработки естественного языка для анализа и генерации текстов;
− применять технологии обучения с подкреплением для задач автоматизации производства и транспорта.

Владеть:

− навыком работы с генеративными моделями GAN для задач генерации;
− навыком работы с автокодировщиками для задач уменьшения размерности и поиска аномалий;
− навыком работы с технологией RL - обучения с подкреплением.

Требования

Умение писать программы на каком-либо императивном языке программирования (Java, Python, JavaScript и т.п.)

PYTHON
● Знание синтаксиса языка
● Понимание базовых структур данных
● Иметь базовое представление о работе популярных алгоритмах (бинарный поиск, рекурсия и т.д.)
● Базовое представление о скорости работы алгоритмов (“О” большое)
● Иметь базовое представление о работе с модулем Pandas и Numpy

 SQL
● Знание базового синтаксиса (SELECT, WHERE, GROUP BY, HAVING)
● Умение составлять подзапросы и делать все виды JOIN
● Навык работы с вложенными запросами

ИНФРАСТРУКТУРА
● Умение работать с командной строкой
● Знание базовых команд Linux
● Навыки работы с Git
● Базовое знание Docker

МАШИННОЕ ОБУЧЕНИЕ
● Знание классических моделей (линейные модели и решающие деревья)
● Знание классических метрик качества модели (accuracy, MSE, RMSE)
● Базовое знание

Образование
  • Высшее образование
  • Среднее профессиональное образование
Квалификация
К обучению на программе допускаются: предприниматели, работники и владельцы компаний IT-сектора, имеющие высшее образование или среднее профессиональное (либо получающие высшее или среднее профессиональное образование), а также мотивированные специалисты из других профессиональных сфер и студенты, обучающиеся в области информационных технологий, а также по иным специальностям, которые заинтересованы в получении новых компетенций по специальности «Архитектор в области искусственного интеллекта».
Владение необходимыми профессиональными компетенциями
Требования к компетенциям, которыми должен обладать гражданин при поступлении на курс:
– способен использовать и адаптировать существующие математические методы и системы программирования для разработки и реализации алгоритмов решения прикладных задач;
– способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности;
– владеет широкой общей подготовкой (базовыми знаниями) для решения практических задач в области информационных систем и технологий;
– способен использовать современные компьютерные технологии поиска информации для решения поставленной задачи, критического анализа этой информации и обоснования принятых идей и подходов к решению;
– способен выбирать и оценивать способ реализации информационных систем и устройств (программно-, аппаратно- или программно-аппаратно-) для решения поставленной задачи.
Иные требования и рекомендации для обучения по программе

Умение писать программы на каком-либо императивном языке программирования (Java, Python, JavaScript и т.п.)

PYTHON
● Знание синтаксиса языка
● Понимание базовых структур данных
● Иметь базовое представление о работе популярных алгоритмах (бинарный поиск, рекурсия и т.д.)
● Базовое представление о скорости работы алгоритмов (“О” большое)
● Иметь базовое представление о работе с модулем Pandas и Numpy

 SQL
● Знание базового синтаксиса (SELECT, WHERE, GROUP BY, HAVING)
● Умение составлять подзапросы и делать все виды JOIN
● Навык работы с вложенными запросами

ИНФРАСТРУКТУРА
● Умение работать с командной строкой
● Знание базовых команд Linux
● Навыки работы с Git
● Базовое знание Docker

МАШИННОЕ ОБУЧЕНИЕ
● Знание классических моделей (линейные модели и решающие деревья)
● Знание классических метрик качества модели (accuracy, MSE, RMSE)
● Базовое знание

Модули

свернуть
122ч
Модуль 1 МОДУЛЬ 1. БАЗОВЫЙ
Модуль предполагает введение в инженерию больших данных, содержание профессии «Архитектор в области ИИ». Отдельные темы посвящены изучению языков программирования: Python, JAVA/С#/С++/Scala; основных инструментов для работы с данными: Git, Docker, CI/CD, RestAPI, платформ: Jupiter notebook, kaggle, Nvidia Cuda, сред разработки: VS, IntelliJIdea. Будут рассмотрены современные методы и инструментальные средства анализа больших данных, методы математического и числового анализа с помощью библиотек NumPy, SciPy; основные библиотеки Python для визуализации данных, Matplotlib, Seaborn, Plotly. Будут изучены планирование и организация аналитических работ с использованием технологий больших данных, инструменты для проведения разведочного анализа данных EDA
129ч
Модуль 2 МОДУЛЬ 2. ПРОФИЛЬНЫЙ
Модуль предполагает введение в архитектуру ML, искусственного интеллекта и нейронных сетей. Отдельные темы посвящены изучению основ линейной алгебры, обработки матриц с помощью библиотеки Numpy, методов математического моделирования и оценки качества моделей. Будут рассмотрены обучение с учителем и без учителя; прогнозирование временных рядов; рекомендательные системы, методы обучения нейронных сетей, анализ изображений, видео и естественного языка с помощью методов искусственного интеллекта. Будут изучены GAN-генеративные модели, создание чат-бота; Reinforcement Learning; методы управления жизненным циклом и управления проектами создания информационно-технологической инфраструктуры организации
122ч
Модуль 1 МОДУЛЬ 1. БАЗОВЫЙ
Модуль предполагает введение в инженерию больших данных, содержание профессии «Архитектор в области ИИ». Отдельные темы посвящены изучению языков программирования: Python, JAVA/С#/С++/Scala; основных инструментов для работы с данными: Git, Docker, CI/CD, RestAPI, платформ: Jupiter notebook, kaggle, Nvidia Cuda, сред разработки: VS, IntelliJIdea. Будут рассмотрены современные методы и инструментальные средства анализа больших данных, методы математического и числового анализа с помощью библиотек NumPy, SciPy; основные библиотеки Python для визуализации данных, Matplotlib, Seaborn, Plotly. Будут изучены планирование и организация аналитических работ с использованием технологий больших данных, инструменты для проведения разведочного анализа данных EDA
129ч
Модуль 2 МОДУЛЬ 2. ПРОФИЛЬНЫЙ
Модуль предполагает введение в архитектуру ML, искусственного интеллекта и нейронных сетей. Отдельные темы посвящены изучению основ линейной алгебры, обработки матриц с помощью библиотеки Numpy, методов математического моделирования и оценки качества моделей. Будут рассмотрены обучение с учителем и без учителя; прогнозирование временных рядов; рекомендательные системы, методы обучения нейронных сетей, анализ изображений, видео и естественного языка с помощью методов искусственного интеллекта. Будут изучены GAN-генеративные модели, создание чат-бота; Reinforcement Learning; методы управления жизненным циклом и управления проектами создания информационно-технологической инфраструктуры организации

Преподаватели

Александров

Антон Федорович

Международная компания «Детский мир» (ООО «ДМ -ТЕХ»)

Руководитель платформы Big Data

Ганеев

Алексей Рафисович

Федеральное государственное бюджетное учреждение «Российская академия образования» (РАО)

Вице-президент по экспертно-аналитической деятельности Союза участников отношений в сфере образования

Кандидат технических наук

https://1t.ru/teacher-ganeev

Кузин

Антон Алексеевич

МТУСИ

Старший преподаватель кафедры «Математическая кибернетика и информационные технологии», факультет информационных технологий

https://1t.ru/teacher-kuzin

Набока

Михаил Викторович

Индивидуальный предприниматель

Сертифицированный BI Data Analyst

Кандидат технических наук

Никаноров

Иван Михайлович

разработчик ПО, преподаватель ДПО,

https://1t.ru/teacher-nikanorov

Рабин

Алексей Владимирович

Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП)

Директор центра координации научных исследований

Доктор технических наук

Доцент кафедры аэрокосмических компьютерных и программных систем

https://1t.ru/teacher-rabin
Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Специальность

Архитектор в области искусственного интеллекта (AI Architect)

Ответственный за программу

data@1t.ru

+79993333307