III уровень Большие данные

Архитектор в области искусственного интеллекта

Университет Иннополис

Онлайн формат

Базовый уровень

1 поток (закрыт) 01.06-27.11.2023

2 поток (закрыт) 07.06-27.11.2023

3 поток (закрыт) 14.06-27.11.2023

4 поток (закрыт) 23.06-27.11.2023

Описание

Курс направлен на получение компетенций для работы над проектами на основе машинного обучения в области промышленности. Образовательная программа позволит научиться определять требования к системам на основе машинного обучения и контролировать процесс разработки на всех этапах жизненного цикла проекта. В конце курса участники разработают проект на основе машинного обучения.

Образовательная программа состоит из трех блоков: введение в специальность архитектора в области ИИ, архитектура баз данных и работа над проектами на основе машинного обучения.

Курс проходит в дистанционном формате. Слушатели получают обратную связь к выполненным домашним заданиям. В конце участники выполняют учебный проект.

Кому подойдет программа:

— начинающим разработчикам;

— студентам ИТ-направлений;

— специалистам, желающим сменить сферу деятельности.

Чему вы научитесь:

— пониманию методов машинного обучения;

— работать с Python, Matplotlib, Sklearn, Pandas, NumPy, SQL для обработки, анализа и моделирования больших данных;

— проектировать базы данных и развертывать системы на основе машинного обучения;

— применять статистические методы для проверки гипотез.

Часов в программе

76 часов

лекции

78 часов

практика

70 часов

самостоятельная

18 часов

промежуточная аттестация

14 часов

итоговая аттестация

256 часов

всего

Цель программы

Целью подготовки слушателей по Программе является совершенствование компетенций в области искусственного интеллекта и машинного обучения, необходимых для профессиональной деятельности по специальности архитектор в области искусственного интеллекта

Актуальность

Проекты в области искусственного интеллекта становятся все востребованнее. Многие компании уже работают с системами ИИ в виде чат-ботов и голосовых помощников. В связи с этим все более актуальной становится профессия архитектора в области ИИ, который способен определить архитектурную стратегию, работать с особым набором ИИ-инструментов, организовать рабочие процессы и масштабировать операции с ИИ. Компетенции ИИ-архитектора лежат на стыке технологий и коммуникаций, связанных с дата-менеджментом, управлением, построением моделей, развертыванием и организацией процессов ИИ.

Итоговая аттестация 14 часов

защита проектной работы

Компетенции

Профессиональные

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

Знать:

• фреймворки Python для решения задач классического машинного обучения, задачи по обработке естественного языка (NLP), по компьютерному зрению (CV);
• типы анализа больших данных, виды аналитики;
• теоретические и прикладные основы анализа больших данных;
• методы и инструментальные средства управления аналитическими проектами по исследованию больших данных;
• методы разработки алгоритмов и программного обеспечения в рамках систем искусственного интеллекта;
• современные методы и инструментальные средства анализа больших данных;
• технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, многомерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества;
• нейронные сети: полносвязные, свёрточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности;
• статистические модели;
• алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;
• машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация;
• распределенный анализ данных;
• анализ данных в реальном времени;
• методы обучения с учителем: метрические методы классификации, метод линейной регрессии, байесовские методы, подходы к регуляризации (L1, L2);
• математический анализ, теория вероятности и математическая статистика.

Уметь:

• Классифицировать и идентифицировать задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей ПК
• Выбирать методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области ПК
• Собирать исходную информацию и формирует требования к решению задач с использованием методов искусственного интеллекта
• осуществлять оценку и выбор инструментальных средств для решения поставленной задачи;
• разрабатывать модели машинного обучения для решения задач;
• планировать и проводить аналитические работы с использованием технологий больших данных;
• проводить анализ больших данных;
• осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных;
• 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;
• решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных;
• работать с библиотеками numpy, pandas, matplotlib, seaborn;
• работать с операционной системой Linux.

Владеть:

• работы с инструментами Python, Matplotlib, Sklearn, Pandas,NumPy, SQL
• использования методов кластеризации;
• разработки нейронных сетей на языке Python;
• разработки методов машинного обучения с учителем на языке Python;
• эффективной работы с данными;
• построения предиктивных моделей;
• написания и оптимизации алгоритмов машинного обучения;
• визуализации полученных результатов;
• проведении статистической проверки гипотез по имеющимся данным.

Требования

При поступлении на Программу слушатель должен обладать знаниями основ программирования и прикладной математики.

Образование

Высшее образование
Среднее профессиональное образование

Иные требования и рекомендации для обучения по программе

Модули

свернуть

86ч

Модуль 1 Введение в специальность архитектор в области искусственного интеллекта

Основы специальности Основы Python и ООП

Подробнее

110ч

Модуль 3 Проекты на основе машинного обучения

Основы машинного обучения Подготовка данных. Валидация данных. Версионность и размещение моделей Мониторинг данных Развертывание

Подробнее

46ч

Модуль 2 Архитектура баз данных и SQL

БД и SQL Работа с PostgreSql

Подробнее

86ч

Модуль 1 Введение в специальность архитектор в области искусственного интеллекта

Основы специальности Основы Python и ООП

Подробнее

46ч

Модуль 2 Архитектура баз данных и SQL

БД и SQL Работа с PostgreSql

Подробнее

110ч

Модуль 3 Проекты на основе машинного обучения

Подробнее

Преподаватели