III уровень

Проектирование и разработка систем искусственного интеллекта (AI Architect)

МГТУ "СТАНКИН"
256 часов длительность
Онлайн формат
Базовый уровень
1 поток 22.07-28.10.2024

Описание

Программа призвана обеспечивать наращивание профессиональных компетенций в области получения, обработки и анализа, и управления данными для решения задач искусственного интеллекта в промышленности, интеллектуальной аналитики технологических данных и повышения их качества с использованием высокоуровневого языка Python, применения моделей машинного обучения для решения прикладных задач. 

Особенностью программы является ее практическая ориентация и направленность на решение конкретных задач и получения максимального эффекта

Программа включает в себя четыре основных блока:

1. Введение в технологии искусственного интеллекта.

2. Предварительная обработка данных

3. Машинное обучение. Глубокое машинное обучение

4. Нейронные сети. Компьютерное зрение 

Трудоемкость учебной работы слушателя по данной программе – 256 ак. часа, включая все виды аудиторной и внеаудиторной̆ (самостоятельной̆) работы.

В рамках реализации образовательной программы используются различные организационные формы обучения, такие как:
индивидуальные – самостоятельное выполнение заданий в рамках практических занятий,
дистанционные– лекции, практические занятия консультации с наставниками.

Программа предназначена для специалистов со средним и высшим профессиональным образованием.

Оценка качества освоения программы включает текущую и итоговую аттестацию обучающихся.

  • Текущая аттестация – практическое задание.
  • Итоговая аттестация - выполнение проекта в форме письменной работы.

Конечным образовательным результатом дополнительной профессиональной программы является получение актуальных профессиональных компетенций в области информационных технологий с учетом основных приоритетов цифровой экономики России.

Слушателям после успешного окончания обучения выдается удостоверение  о повышении квалификации установленного образца.

Часов в программе
8 часов
промежуточная аттестация
1 час
входная диагностика
11 часов
итоговая аттестация
20 часов
всего
Цель программы
Целью реализации дополнительной профессиональной программы повышения квалификации «Проектирование и разработка систем искусственного интеллекта (AI Architect)» является получение новых компетенций, необходимых для управления производством в области искусственного интеллекта, а также применения методов машинного обучения и инструментов бизнес-аналитики данных для решения прикладных задач промышленного предприятия
Актуальность
Рабочая программа разработана с учетом с учетом установленных квалификационных требований, профессиональных стандартов и соответствующих требований федеральных государственных образовательных стандартов среднего профессионального и (или) высшего образования к результатам освоения образовательных программ, требований федерального проекта «Искусственный̆ интеллект» национальной̆ программы «Цифровая экономика Российской̆ Федерации», положений Национальной̆ стратегии развития искусственного интеллекта на период до 2030 года, утверждённой̆ указом Президента Российской̆ Федерации от 10 октября 2019 г. No 490.6.2. и требований Министерства науки и высшего образования Российской Федерации к дополнительной профессиональной образовательной программе повышения квалификации/профессиональной переподготовке.
Входная диагностика 1 час
Вступительные испытания проводятся в форме тестирования.
Итоговая аттестация 11 часов
выполнение проекта

Компетенции

Профессиональные


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

Знания методов и инструментальных средств искусственного интеллекта для решения задач в зависимости от особенностей проблемной области

Уметь:

Классифицировать и идентифицировать задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей

Владеть:

Собирать исходную информацию и формировать требования к решению задач с использованием методов искусственного интеллекта

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

Принимает участие в оценке и выборе используемых методов автоматизированного логического вывода и автоматизированной проверки гипотез

Уметь:

Использует методы автоматизированной генерации и проверки гипотез в сфере исследовательской деятельности

Владеть:

Настраивает, конфигурирует и адаптирует программные средства автоматизированного логического вывода в сфере исследовательской деятельности

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

Знает критерии оценки при выборе используемых методов в процессе создания систем искусственного интеллекта

Уметь:

Проводит анализ требований и определяет необходимые классы задач

Владеть:

Участвует в коллективной работе по созданию систем искусственного интеллекта в качестве эксперта

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

Определяет метрики оценки результатов моделирования и критерии качества построенных моделей

Уметь:

Проводит анализ требований и определяет необходимые классы задач машинного обучения

Владеть:

Принимает участие в оценке и выборе используемых методов машинного обучения

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

Знания критериев оценки и выбора инструментальных средств для решения поставленной задачи

Уметь:

Проводит анализ требований и определяет необходимые классы задач в процессе создания системы искусственного интеллекта на основе нейросетевых моделей

Владеть:

Осуществляет оценку и выбор моделей искусственных нейронных сетей и инструментальных
средств для решения поставленной задачи

Способен использовать инструментальные средства для решения задач машинного обучения
Знать:

Знает инструментальные средства для решения задач машинного обучения

Уметь:

Умеет проводить оценку и выбор инструментальных средств для решения поставленных целей и задач проекта

Владеть:

Осуществляет оценку и выбор инструментальных средств для решения поставленной задачи

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

Знает инструментальные средства для решения задач при создании и
поддержании системы искусственного интеллекта

Уметь:

Умеет проводить оценку и выбор инструментальных средств для решения поставленных целей и задач проекта

Владеть:

Осуществляет оценку и выбор моделей искусственных нейронных сетей и инструментальных средств для решения поставленной задачи

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

Знает инструментальные средства для сбора и подготовки данных для систем искусственного интеллекта

Уметь:

Осуществляет поиск данных в открытых источниках, специализированных библиотеках и репозиториях

Владеть:

Выполняет подготовку и разметку структурированных и неструктурированных данных для машинного обучения

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

Способы использования сквозных цифровых субтехнологий искусственного интеллекта

Уметь:

Умеет использовать сквозные цифровые субтехнологии искусственного интеллекта

Владеть:

Решает прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение»

Решает прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений»

Решает прикладные задачи и участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

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

Способы использования сквозных цифровых субтехнологий искусственного интеллекта

Уметь:

Умеет использовать сквозные цифровые субтехнологии искусственного интеллекта

Владеть:

Участвует в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение»

Участвует в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений»

Участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

Требования

Нет

Владение необходимыми профессиональными компетенциями
Слушатель должен знать место и роль анализа данных, уметь использовать на практике инструменты аналитики, модели и алгоритмы работы с большими данными, владеть навыками сбора данных, анализа, выдвижения гипотез, прогнозирования, основ математического анализа

Модули

свернуть
Модуль 1 Введение в технологии искусственного интеллекта
Целью изучения модуля «Введение в технологии искусственного интеллекта» является получение новых компетенций по применению методов и инструментов технологий искусственного интеллекта в промышленности Задачи: 1. Формирование у слушателей умение классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта 2. Формирование у слушателей знаний для участия в процессе создания систем искусственного интеллекта, на различных этапах жизненного цикла в качестве эксперта и ключевого пользователя 3. Формирование у слушателей навыков использовать системы искусственного интеллекта на основе нейросетевых моделей и методов Основные темы модуля: 1. Введение в технологии искусственного интеллекта 2. Использование машинного обучения на предприятии 3. Применение методов и инструментов технологий искусственного интеллекта в промышленности
Модуль 3 Машинное обучение. Глубокое машинное обучение
Целью изучения модуля «Машинное обучение. Глубокое машинное обучение» является получение новых компетенций по разработке и применению моделей глубокого машинного обучения для управлением производственным процессом Задачи Модуля 3: 1. Формирование у слушателей знаний применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез 2. Формирование у слушателей навыков разрабатывать и применять методы машинного обучения для решения задач 3. Формирование у слушателей знаний использовать инструментальные средства для решения задач машинного обучения 4. Формирование у слушателей навыков использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта Основные темы модуля: 1. Основы машинного обучения 2. Задачи классификации. KNN. Метрики качества. Матрица ошибок 3. Кластеризация: K-means, DBSCAN, иерархическая кластеризация 4. Библиотека Scikit-learn 5. Градиентный бустинг
Модуль 2 Предварительная обработка данных
Целью изучения модуля «Предварительная обработка данных» является получение новых компетенций по применению инструментов парсинга данных, предобработки данных с использованием языка высокого уровня Python, а также инструментов обработки больших данных. Задачи Модуля 2: 1. Формирование у слушателей знаний применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез 2. Формирование у слушателей навыков осуществлять сбор и подготовку данных для систем искусственного интеллекта Основные темы модуля: 1. Парсинг данных. Работа с API 2. Разведочный анализ 3. Предобработка данных и снижение размерности
Модуль 4 Нейронные сети. Компьютерное зрение
Целью изучения модуля «Нейронные сети. Компьютерное зрение» является получение новых компетенций по разработке и применению нейронных сетей для принятия решений по управлению промышленным предприятием Задачи Модуля 4: 1. Формирование у слушателей знаний классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта 2. Формирование у слушателей навыков участвовать в процессе создания систем искусственного интеллекта, на различных этапах жизненного цикла в качестве эксперта и ключевого пользователя 3. Формирование у слушателей навыков использовать системы искусственного интеллекта на основе нейросетевых моделей и методов 4. Формирование у слушателей знаний создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов 5. Формирование у слушателей знаний использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта 6. Формирование у слушателей навыков создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта Основные темы модуля: 1. Нейронные сети 2. Сверточные нейросети 3. Продвинутое обучение нейронных сетей. Pytoch 4. Алгоритмы компьютерного зрения 5. Прикладной искусственный интеллект
Модуль 1 Введение в технологии искусственного интеллекта
Целью изучения модуля «Введение в технологии искусственного интеллекта» является получение новых компетенций по применению методов и инструментов технологий искусственного интеллекта в промышленности Задачи: 1. Формирование у слушателей умение классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта 2. Формирование у слушателей знаний для участия в процессе создания систем искусственного интеллекта, на различных этапах жизненного цикла в качестве эксперта и ключевого пользователя 3. Формирование у слушателей навыков использовать системы искусственного интеллекта на основе нейросетевых моделей и методов Основные темы модуля: 1. Введение в технологии искусственного интеллекта 2. Использование машинного обучения на предприятии 3. Применение методов и инструментов технологий искусственного интеллекта в промышленности
Модуль 2 Предварительная обработка данных
Целью изучения модуля «Предварительная обработка данных» является получение новых компетенций по применению инструментов парсинга данных, предобработки данных с использованием языка высокого уровня Python, а также инструментов обработки больших данных. Задачи Модуля 2: 1. Формирование у слушателей знаний применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез 2. Формирование у слушателей навыков осуществлять сбор и подготовку данных для систем искусственного интеллекта Основные темы модуля: 1. Парсинг данных. Работа с API 2. Разведочный анализ 3. Предобработка данных и снижение размерности
Модуль 3 Машинное обучение. Глубокое машинное обучение
Целью изучения модуля «Машинное обучение. Глубокое машинное обучение» является получение новых компетенций по разработке и применению моделей глубокого машинного обучения для управлением производственным процессом Задачи Модуля 3: 1. Формирование у слушателей знаний применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез 2. Формирование у слушателей навыков разрабатывать и применять методы машинного обучения для решения задач 3. Формирование у слушателей знаний использовать инструментальные средства для решения задач машинного обучения 4. Формирование у слушателей навыков использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта Основные темы модуля: 1. Основы машинного обучения 2. Задачи классификации. KNN. Метрики качества. Матрица ошибок 3. Кластеризация: K-means, DBSCAN, иерархическая кластеризация 4. Библиотека Scikit-learn 5. Градиентный бустинг
Модуль 4 Нейронные сети. Компьютерное зрение
Целью изучения модуля «Нейронные сети. Компьютерное зрение» является получение новых компетенций по разработке и применению нейронных сетей для принятия решений по управлению промышленным предприятием Задачи Модуля 4: 1. Формирование у слушателей знаний классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта 2. Формирование у слушателей навыков участвовать в процессе создания систем искусственного интеллекта, на различных этапах жизненного цикла в качестве эксперта и ключевого пользователя 3. Формирование у слушателей навыков использовать системы искусственного интеллекта на основе нейросетевых моделей и методов 4. Формирование у слушателей знаний создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов 5. Формирование у слушателей знаний использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта 6. Формирование у слушателей навыков создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта Основные темы модуля: 1. Нейронные сети 2. Сверточные нейросети 3. Продвинутое обучение нейронных сетей. Pytoch 4. Алгоритмы компьютерного зрения 5. Прикладной искусственный интеллект

Преподаватели

Нежметдинов

Рамиль Амирович

МГТУ "СТАНКИН"

профессор кафедры КСУ

доктор технических наук

профессор

Ковалев

Илья Александрович

МГТУ "СТАНКИН"

доцент кафедры КСУ

кандидат технических наук

доцент

Чаруйская

Марианна Александровна

МГТУ "СТАНКИН"

доцент кафедры финансового менеджмента

кандидат экономических наук

Семенищев

Евгений Александрович

МГТУ "СТАНКИН"

Доцент

Кандидат технических наук

Доцент

https://stankin.ru/subdivisions/id_149/stuffs?user=956

Новоселова

Ольга Вячеславовна

МГТУ "СТАНКИН"

Заведующий кафедрой информационных технологий и вычислительных систем

Заведующий кафедрой информационных технологий и вычислительных систем

Доцент

https://stankin.ru/subdivisions/id_160/stuffs?user=353

Червонного

Надежда Юрьевна

МГТУ "СТАНКИН"

старший преподаватель

Ненарокомов

Максим Дмитриевич

АО «НПП «РадиоСигнал»

Инженер-программист

Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Специальность

Архитектор в области искусственного интеллекта (AI Architect)

Отрасль

Промышленность

Ответственный за программу

amozharovskaya@stankin.ru

+7(499)9733972