За 250 часов интенсивного обучения вы получите дополнительную квалификацию «Аналитик данных» и ключевые навыки для цифровой индустрии:
- программирование на Python;
- работа с no-code платформой Deductor;
- реализация методов машинного обучения и искусственного интеллекта для решения исследовательских задач;
- анализ и визуализация экспериментальных данных.
Одним из ключевых элементов программы является использование кейсов и примеров из реальных научно-исследовательских проектов, связанных с современной проблематикой материаловедения и физики, что позволит не только освоить теоретические основы искусственного интеллекта, но и применить их для решения конкретных задач отраслевой направленности. Итоговый проект позволит продемонстрировать ваши навыки и применить знания в реальных условиях.
Программа подходит для студентов обучающихся по направлениям/специальностям подготовки, отнесенным к математическим и естественным наукам, инженерному делу, технологиям и техническим наукам, которые хотят:
- анализировать экспериментальные данные с применением Python и no-code платформ;
- обрабатывать и готовить экспериментальные данные для последующего анализа и обучения моделей искусственного интеллекта;
- разрабатывать скрипты и приложения для решения исследовательских задач с использованием Python и специализированных библиотек (NumPy, Pandas, Matplotlib, Seaborn);
- оценивать возможности и области применения искусственного интеллекта и машинного обучения для решения исследовательских задач.
К обучению приглашаются
Студенты обучающиеся по направлениям/специальностям не ИТ-профиля:
- бакалавры (БВО) не ранее 2 курса;
- магистры 1, 2 курса.
Сроки обучения
Срок освоения программы составляет 250 академических часов, длительность — 9 месяцев.
Модуль 1. Основы искусственного интеллекта и работа с no-code инструментами (56 ак. часов)
- Введение в искусственный интеллект
- Виды машинного обучения
- Знакомство с инструментом Deductor
- Оценка качества моделей
- Применение Deductor для решения задач
Модуль 2. Решение исследовательских задач с использованием Python (56 ак. часов)
- Основы Python для анализа данных
- Библиотеки Python для работы с данными
- Решение задач на готовых примерах
- Работа с изображениями
- Обработка текстов (NLP)
Модуль 3. Использование искусственного интеллекта в научно-исследовательской деятельности (56 ак. часов)
- Готовые нейросетевые модели для научных задач
- Адаптация моделей
- Применение ИИ в проектах
- Кейсы использования ИИ в исследовательской деятельности
Практика
Итоговая аттестация в формате демонстрационного экзамена
Команда программы
Котенева Мария ВладимировнаКотенева Мария Владимировна
Руководитель программы
К.т.н, доцент кафедры металловедения и физики прочности
Преподаватели
Мишуров Сергей Сергеевич
Д.э.н., доцент, руководитель образовательных программ ООО «Гарпикс», профессор кафедры инженерной кибернетики НИТУ МИСИС
Ширкин Сергей Владимирович
Старший преподаватель кафедры инженерной кибернетики НИТУ МИСИС
Бакулев Константин СтаниславовичБакулев Константин Станиславович
К.э.н., доцент кафедры инженерной кибернетики НИТУ МИСИС
Тагиев Эмин Рафаилович
Главный инженер по разработке в центре развития технологического партнерства Департамента перспективных вычислительных технологий ПАО «Сбербанк»
Федоров Игорь Юрьевич
К.ф.-м.н., руководитель направления в центре развития технологического партнерства Департамента перспективных вычислительных технологий ПАО «Сбербанк»
Исаева Марина Владимировна
Старший преподаватель кафедры инженерной кибернетики НИТУ МИСИС
Садеков Ринат НаилевичСадеков Ринат Наилевич
Д.т.н., доцент, главный инженер-разработчик ООО «Когнитив Роботикс», профессор кафедры инженерной кибернетики НИТУ МИСИС
Филимонов Андрей Викторович
К.т.н., доцент кафедры инженерной кибернетики НИТУ МИСИС
Гусев Михаил ПавловичГусев Михаил Павлович
К.т.н., директор по развитию ООО «Сайберфизикс», директор НОЦ Цифровые решения НИТУ МИСИС
Чебаков Денис Игоревич
Инженер ООО «Сайберфизикс»
Организаторы и партнеры программы
 |  |  |  |
 |  |  |