Искусственный интеллект

Искусственный интеллект (ИИ) позволяет компьютерам обучаться на собственном опыте, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. В большинстве случаев реализации ИИ — от компьютерных шахматистов до беспилотных автомобилей — крайне важна возможность глубокого обучения и обработки естественного языка. Благодаря этим технологиям компьютеры можно «научить» выполнению определенных задач с помощью обработки большого объема данных и выявления в них закономерностей.

Кому подойдет этот курс?

Искусственный интеллект

IT-профессия

Для учащихся 9-11 классов и студентов

Практикующим разработчикам. Курс для тех,  кто смотрит в будущее и хочет жить в мире с искусственными интеллектуальными системами. Рекомендован после прохождения курсов "Машинное обучение и большие данные". 

Какие знания дает курс?

Основы интерактивной визуализации, рекуррентные нейросети, классификация текстов, 

современные подходы к построению рекомендательных систем. Наработки данной сферы преимущественно используются в бизнесе для построения AGI-based вопросно-ответных систем, алгоритмы которых лежат в основе поисковых машин, чат-ботов, автоматизации работы колл-центров и технической поддержки, обработки обращений граждан, сбора обратной связи и т.п.

Как проходит обучение?

Очно

На площадке ЦМИТ (г. Жуковский, Дугина д.6/1)

На занятиях изучается теория подкрепляется общением с наставником преподавателем и однокурсниками. Теория закрепляется еженедельной практикой  выполнением ДЗ по теме.  В итогам обучения создается командная проектная работа. 

Количество человек в группе: до 10 учеников

Расписание занятий: 1 раз в неделю по 2 ак. часа

Стоимость: 1 250 рублей /занятие

Продолжительность курса: 2 и 3 года 

Онлайн 

В формате вебинаров или видеозаписи лекций

На занятиях изучается теория, общение в группе с преподавателем. Теория закрепляется еженедельной практикой  выполнением ДЗ по теме. Каждый вебинар возможно пересмотреть в записи, даже если его пришлось пропустить. 

Количество человек в группе: до 6 учеников

Расписание занятий: 1 раз в неделю по 2 ак. часа

Стоимость:  1 000 рублей /занятие

Продолжительность курса: 2 и 3 года


Где могут пригодиться полученные знания?

После успешного обучения учащийся получит востребованную IT - специальность и сможет претендовать на позицию Junior Data Scientist в технологической компании. Этот курс необходим для участия в Олимпиаде НТО - профиль "Искусственный интеллект ".

Программа курса

  1. Введение в нейронные сети
  2. Обучение нейронных сетей
  3. Нейронные сети на практике
  4. Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
  5. Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
  6. Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
  7. Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
  8. Детектирование объектов. Задачи классификации и локализации 
  9. Детектирование объектов. Анализ и реализация R-CNN-архитектуры
  10. Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
  11. От дискриминативных моделей к генеративным. Style transfer
  12. Генеративные состязательные сети
  13. Введение в NLP
  14. NLP на нейросетях. Рекуррентные нейросети, классификация текстов
  15. NLP на нейросетях. Языковые модели, Attention, Transformer
  16. Обучение с подкреплением. Q-Learning
  17. Обучение с подкреплением. Deep Q-Learning
  18. Ускорение и оптимизация нейронных сетей
  19. Внедрение DL моделей в production
  20. Введение в рекомендательные системы и задачи ранжирования
  21. Современные подходы к построению рекомендательных систем 

Преподаватель

Шиловский

Алексей Иванович 

Московский физико-технический институт

Записаться на курс

Note: Please fill out the fields marked with an asterisk.