III уровень

Архитектор в области искусственного интеллекта

260 часов длительность
Онлайн формат
Продвинутый уровень
1 поток 03.06-02.09.2024
2 поток 02.09-25.11.2024

Описание

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

#архитектурная_стратегия #искусственный_интеллект #большие_данные #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) 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 построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.

Преимущества курса:

  • Можно осваивать параллельно с получением среднего профессионального образования или высшего образования, основной работой без отрыва от производства.
  • В основе – передовые и наиболее востребованные методы, приемы, технологии работы с большими данными.
  • Использование современного программного обеспечения.
  • Дистанционный формат, удобный график и темп обучения.
  • Персональное сопровождение и поддержка обучающихся.
  • Интерактивный формат подачи учебного материала.
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
Получение обучающимися компетенций, необходимых для профессиональной деятельности архитектора в области искусственного интеллекта 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. В рамках реализации Указа Президента Российской Федерации от 7 мая 2018 г № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года», в том числе с целью решения задачи по обеспечение ускоренного внедрения цифровых технологий в экономике и социальной сфере, Правительством Российской Федерации на базе программы «Цифровая экономика Российской Федерации» сформирована национальная программа «Цифровая экономика Российской Федерации», утвержденная протоколом заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 г. № 7.
Россия должна решить целевые задачи кадровой политики в цифровой экономике, подготовки высококлассных специалистов в информационно-технологической сфере, найти способы и приемы мотивации населения по глубокой интеграции в своей повседневной жизни и профессиональной деятельности объектов цифровизации. Совершенствование системы образования обеспечит подготовку квалифицированных кадров для цифровой экономики, а граждане получат новые возможности и мотивацию для освоения цифровых компетенций.
Под искусственным интеллектом в Программе развития в соответствии с «Национальной стратегией развития искусственного интеллекта на период до 2030 года», утверждённой Указом Президента РФ от 10.10.2019 г. № 409 (далее – Стратегия), понимается комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Для продуктивной реализации задач указанной Стратегии на основе технологий искусственного интеллекта необходимо повышение эффективности процессов планирования, прогнозирования и принятия управленческих решений, использование автономного интеллектуального оборудования и робототехнических комплексов, интеллектуальных систем управления логистикой.
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.
Для развития рынка ИИ в России в 2020 году был создан федеральный проект «Искусственный интеллект» национального проекта «Цифровая экономика».
Задача федерального проекта «Искусственный интеллект» — создать условия для того, чтобы предприятия и граждане использовали продукты и услуги, основанные на преимущественно отечественных технологиях искусственного интеллекта, обеспечивающих качественно новый уровень эффективности деятельности.
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.
Искусственный интеллект способен снижать риски износа и повреждения оборудования, а также создавать систему безопасности для различных компаний. Автоматизация ручного труда также является важной и неоднозначной темой, поскольку использование алгоритмов искусственного интеллекта в промышленности способно вытеснить из этой сферы человеческий труд. Автоматизированные технологии выполняют сложные процессы быстрее и качественнее, чем человек, они способны работать 24 часа в сутки. 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.
Архитекторы 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.
К ключевым задачам архитектора в области искусственного интеллекта относятся помощь в определении архитектурной стратегии, создание рабочих процессов, определение наборов инструментов и масштабирование операций с ИИ.
Потребность в архитекторах в области ИИ продолжает расти, особенно с переходом бизнеса в онлайн.
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

Требования к уровню подготовленности, определяемому контрольно-измерительными материалами.

Обучающиеся должны обладать следующими знаниями, умениями и владеть навыками:

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 алгоритмов (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).
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 программу:
– 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

Требования к уровню подготовленности, определяемому контрольно-измерительными материалами.

Обучающиеся должны обладать следующими знаниями, умениями и владеть навыками:

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 алгоритмов (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).

Модули

свернуть
121ч
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
130ч
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
121ч
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
130ч
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

Борисов

Вадим Владимирович

Филиал НИУ «МЭИ» в г. Смоленске

Профессор кафедры вычислительной техники

Доктор технических наук

Профессор

Бен Режеб

Тауфик Бен Камель

МТУСИ

Декан факультета «Радио и телевидение»

Кандидат технических наук

Дроздов

Сергей Николаевич

ФГАОУ ВО «Южный федеральный университет»

Доцент Института компьютерных технологий и информационной безопасности

Кандидат технических наук

Доцент

Захарова

Алёна Александровна

Институт проблем управления им. В.А. Трапезникова РАН

Главный научный сотрудник

Доктор технических наук

Доцент

Дон

Юрий Никитич

ООО «Рубиус тех»

Разработчик машинного обучения

Ерохин

Кирилл Сергеевич

Руководитель отдела Data Science

Бондаренко

Евгений Владимирович

Ведущий специалист по ИИ

Ерохин

Виталий Александрович

Ведущий специалист по ИИ

https://data.1t.ru/erohin_v

Козлова

Анна Сергеевна

Специалист по ИИ

Кузин

Антон Алексеевич

МТУСИ

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

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

Софьина

Каролина Германовна

Специалист по ИИ

Юров

Юрий Аркадьевич

Специалист по ИИ

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