Современные технологии машинного обучения и искусственного интеллекта

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент бизнес-информатики и операционного менеджмента

Статус:

Курс обязательный

Когда читается:

3-й курс, 1, 2 модуль

Преподаватель

Колцун Никита Валерьевич

Программа дисциплины

Аннотация

Дисциплина «Современные технологии машинного обучения и искусственного интеллекта» направлена на формирование у студентов практических и теоретических компетенций в области анализа данных, машинного обучения, обработки естественного языка и современных AI-систем в рамках приоритета развития «Искусственный интеллект» Российской Федерации Курс охватывает полный цикл разработки интеллектуальных решений: от анализа и подготовки данных до обучения, внедрения и сопровождения моделей машинного обучения. Особое внимание уделяется современным направлениям искусственного интеллекта, включая нейронные сети, NLP, большие языковые модели (LLM) и применение готовых AI-сервисов в бизнес-задачах. Практическая часть дисциплины ориентирована на работу с современными инструментами и библиотеками Python, использованием прикладных AI-решений.

Цель освоения дисциплины

• Формирование системного понимания современных технологий машинного обучения и искусственного интеллекта
• Освоение методов анализа, подготовки и интерпретации данных.
• Развитие навыков построения ML- и AI-моделей для решения прикладных задач.
• Изучение современных подходов NLP.
• Формирование практических навыков работы с LLM и AI-инструментами.
• Освоение принципов внедрения и сопровождения интеллектуальных систем.

Планируемые результаты обучения

• Знать основные парадигмы машинного обучения и искусственного интеллекта
• Знать принципы работы алгоритмов классификации, регрессии и кластеризации
• Знать основы глубокого обучения и архитектур нейронных сетей
• Знать методы работы с текстовыми данными и nlp
• Знать основы работы больших языковых моделей (llm)
• Знать современные ai-платформы и экосистемы
• Знать подходы к оценке качества моделей
• Знать основы mlops и жизненного цикла ai-систем
• Уметь проводить анализ и предобработку данных
• Уметь визуализировать данные и находить в них закономерности
• Уметь обучать и сравнивать ml-модели
• Уметь применять методы nlp для анализа текста
• Уметь использовать готовые llm и ai api
• Уметь разрабатывать ai-решения для прикладных задач
• Уметь интерпретировать результаты моделей
• Владеть навыками разработки ml/ai-прототипов
• Владеть инструментами python для анализа данных
• Владеть библиотеками pandas, numpy, scikit-learn
• Владеть основами tensorflow/pytorch
• Владеть инструментами hugging face
• Владеть навыками работы в jupyter notebook / google colab

Содержание учебной дисциплины

• Раздел 1. Введение в AI и анализ данных
• Раздел 2. Классическое машинное обучение
• Раздел 3. Классическое машинное обучение
• Раздел 4. NLP и большие языковые модели, анализ текстовых данных

Элементы контроля

• Практические задания
• Тестирование
• Билеты
• Итоговая защита проекта

Промежуточная аттестация

• 2026/2027 2nd module
  0.25 * Практические задания + 0.25 * Тестирование + 0.25 * Билеты + 0.25 * Итоговая защита проекта

Список литературы

Рекомендуемая основная литература

• Коротеев, М. В., Основы машинного обучения на Python : учебник / М. В. Коротеев. — Москва : КноРус, 2024. — 431 с. — ISBN 978-5-406-12673-8. — URL: https://book.ru/book/952751 (дата обращения: 09.12.2025). — Текст : электронный.
• Машинное обучение без лишних слов - 978-5-4461-1560-0 - Андрей Бурков - 2020 - Санкт-Петербург: Питер - https://ibooks.ru/products/367991 - 367991 - iBOOKS
• Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow : концепции, инструменты и техники для создания интеллектуальных систем: пер. с англ., Жерон, О., 2018

Рекомендуемая дополнительная литература

• Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/products/376830 - 376830 - iBOOKS

Авторы

• Орлова Екатерина Дмитриевна