Машинное обучение. Искусственный интеллект. Основы

Демонстрация возможностей технологий Машинного обучения и Искусственного интеллекта широкому кругу слушателей без специальной математической подготовки. Обучение практическому использованию технологий Machine Learning (ML) & Artificial Intelligence (AI). Обучение базовым знаниям и цифровым компетенциям
40 академических часов

About this course

ВАЖНО! Курс полностью оплачивается цифровым сертификатом!

 

Структура курса, Описание отдельных разделов/модулей:

Урок 1: 1) Введение: Термины и определения. Рынок AI, прогнозы. Как работает и из чего состоит глубокое обучение (Deep Learning). 2) Основные методы машинного обучения. Обучение с учителем и без учителя (Примеры). Обучение с подкреплением (Reinforcement Learning). Примеры.

Урок 2: 3) Основные виды нейронных сетей. Многослойный персептрон, Сверточные и Рекуррентные нейронные сети (Примеры). Генеративно-состязательные сети (Примеры). Зимы AI. 4) Ограничения технологии. Что необходимо для следующего прорыва в ИИ:

Урок 3: 5) Аппаратное обеспечение (Hard): виды процессоров, проблемы и ограничения. Проблемы с алгоритмами. Локации Data Centers (ЦОДов). Изучение мозга, цели, проекты. (Human Brain Project). 6) Программное обеспечение. Основные библиотеки машинного обучения, принципы работы. FrameWorks: расширение количества разработчиков (data scientists) за счет усложнения библиотек машинного обучения (Примеры).

Урок 4: 7) Методы ускорения обучения нейросетей: Перенос обучения и тонкая настройка (Transfer-Learning & Fine Tuning) (Примеры). Автоматизация создания архитектур Нейронных сетей (Neural Networks). Проблемы и ограничения. 8) Базовые технологии и нейросети для глубокого обучения (Deep Learning). (Примеры комбинаций). Самоуправляемы автомобили (Self-driving cars) - проблемы.

Урок 5: 9) Примеры доступных приложений с AI. (Практика). 10) Сильный ИИ как цель развития (Artificial General Intelligence): Возможные пути создания Сильного ИИ. Инновация-Модернизация. Международный опыт и центры исследований.

Оценочная работа № 1.

Урок 6: 11) Двойные технологии применения ИИ: Как обучать дроны и другие системы. Международная дискуссия. Самоограничения профессиональных сообществ. 12) Как работать с Большими данными (Big Data) с точки зрения аналитики и AI. Тренды. Раздел “данные” в Национальной Стратегии развития искусственного интеллекта в РФ (далее Стратегия).

Урок 7: 13) Обзор основных зарубежных Национальных стратегий в AI. Специализация стран. Цели. 14) Национальная Стратегия развития искусственного интеллекта в РФ. Сильные и слабые стороны РФ для развития технологий AI.

Урок 8: 15) Медицина и AI (Примеры). Быстрые победы (Quick wins). Геномика и AI. Методы. Идеи. Цели исследований. 16) Предиктивный анализ промышленного оборудования (Примеры)

Урок 9: 17) Сервисная робототехника и AI. Международный опыт (Примеры) 18) Дистанционное зондирование земли с помощью AI. Примеры. Идеи.

Урок 10: 19) AI в сельском хозяйстве. Примеры. Идеи. 20) AI и умный дом.

Оценочная работа № 2.

Урок 11: 21) Подготовка кадров для AI. (Стратегия) 22) Создание рынка AI. Информирование и обучение. Тематические парки. Международный опыт.

Урок 12: 23) Риски AI. Международный опыт и Стратегия. Право на ошибку в исследованиях. 24) Регуляторика. Ограничения (Примеры, кратко).

Урок 13: 25) Система управления проектами в AI. Возможные методы государственного симулирования. 26) Крупные Проекты в AI, в том числе освоение Крайнего Севера и Медицина.

Урок 14: 27) Тренды в исследованиях в ИИ. Финальная практика: 28)

Финальная практика: Создание и обучение собственной Нейронной сети без написания программного кода. Distinction уровень (с отличием) – с написанием программного кода.

Оценочные методы Результаты тестовых работ № 1 и № 2, а также Финальная практика оцениваются по 100 % бальной шкале. За основу берется методика оценки UK Post Graduate (Дополнительного высшего образования в Великобритании).

 

Курс ведет:

Мильке Виталий Эмильянович

- PhD researcher in Computer Science & Machine Learning (Соискатель степени Доктора наук в области Машинного обучения и Компьютерных технологий). Anglia Ruskin University Cambridge, UK

- Победитель первого всероссийского конкурса “Лидеры России”

- MSc Computer Science (Мастер компьютерных наук)

Who is this course for

Курс для тех, кто хочет получить представление о теме искусственного интеллекта и его возможных применениях. Также для руководителей цифровой трансформации, бизнесменов, заказчиков (клиентов IT компаний), государственных служащих

Специальной математической подготовки, а также навыков программирования, не требуется

Meet the Instructors

Course content

Free

Share this course