Методики управления проектами в области искусственного интеллекта

Цель: познакомиться с методиками управления проектами в области искусственного интеллекта.
Задачи: изучить классические методики управления проектами анализа данных и искусственного интеллекта; изучить адаптивные (agile) методики управления проектами анализа данных и искусственного интеллекта

Часов в программе

4,00 часа

лекции

12,00 часов

практика

14,00 часов

самостоятельная

2,00 часа

промежуточная аттестация

32,00 часа

всего

Материально-технические условия реализации программы:

Вид занятий: Лекция, практическое занятие
Требуемое ПО:
VK Звонки / Яндекс телемост
Браузер Chrome или Яндекс.Браузер

Информационные ресуры

Team Data Science Process. https://learn.microsoft.com/en-us/azure/architecture/data-science-process/overview; LeanDS – https://leands.ai/; Data Driven Scrum – https://datadrivenscrum.com/ ; CRISP-DM – http://www.machinelearning.ru/wiki/index.php?title=Crisp-dm; SIGKDD: The community for data mining, data science and analytics – https://www.kdd.org/

Образовательные ресуры

Управление проектами по анализу данных https://sberuniversity.ru/learning/courses/digital-skills/upravlenie-proektami-po-analizu-dannykh/;
Управление ML продуктами при помощи LeanDS – https://leands.university/online-course;
Эффективное управление продуктом. https://stepik.org/course/128959/promo.

Учебно-методические материалы

Методы, формы и технологии

Методы обучения:
- лекция;
- практическая работа под руководством учителя;
- самостоятельная практическая работа;
- изучение литературы по теме.
Методы контроля:
- выполнение практических занятий по темам лекций;
- выполнение итогового задания.
Формы организации учебных занятий:
- лекция;
- вебинар с элементами практической работы и разбора теоретического материала.
Формы организации учебной деятельности:
- групповая работа;
- индивидуальная работа.
Дистанционные образовательные технологии:
- использование образовательных интернет-ресурсов;
- использование ресурсов, созданных преподавателем;
- WEB-консультации и другие.

Методические разработки

Задание для промежуточного контроля разработал Кошелев Антон Александрович, руководитель группы математического моделирования банка Уралсиб.
Промоделируйте разработку продукта, использующего искусственный интеллект, в симуляторе владельца продукта - https://npg-team.itch.io/product-owner-simulator

Материалы курса

1. Разработка плана реализации проекта искусственного интеллекта с использованием одной из классических методик CRISP-DM, SEMMA, KDD.
2. Разработка плана реализации проекта искусственного интеллекта с использованием одной из адаптивных (agile) методик: Microsoft Team Data Science Process, Data Driven Scrum, LeanDS.
3. Заполнение описания проекта в области искусственного интеллекта по шаблону AI Canvas или ML Canvas (по выбору).

Учебная литература

1. Daswin De Silva, Damminda Alahakoon. An artificial intelligence life cycle: From conception to production // Patterns, Volume 3, Issue 6, 2022, ISSN 2666-3899, https://doi.org/10.1016/j.patter.2022.100489.
2. Andrew Ferlitsch. Making the machine: the machine learning lifecycle. https://cloud.google.com/blog/products/ai-machine-learning/making-the-machine-the-machine-learning-lifecycle
3. Data-centric AI Resource Hub. https://datacentricai.org/
4. К.Швабер, Дж.Сазерленд. Руководство по Scrum - https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Russian.pdf
5. Джефф Сазерленд. Scrum. Революционный метод управления проектами.
6. Майк Барроуз. Канбан Метод. Улучшение системы управления.
7. Машинное обучение для людей – https://vas3k.blog/blog/machine_learning/
8. Что такое машинное обучение и как оно работает – https://trends.rbc.ru/trends/industry/60c85c599a7947f5776ad409
9. Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных – http://www.machinelearning.ru/

Темы

Классические методики управления проектами искусственного интеллекта Адаптивные (agile) методики управления проектами искусственного интеллекта