Прикладное применение генеративных нейросетей в креативных индустриях и промпт-дизайн

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Школа дизайна

Статус:

Курс обязательный

Когда читается:

2-й курс, 1, 2 модуль

Преподаватели

Булгаков Вадим Александрович

Ермачков Николай Денисович

Сошников Дмитрий Валерьевич

Программа дисциплины

Аннотация

Курс знакомит студентов с генеративными нейросетями как инструментами креативной практики и вводит в основы алгоритмической графики. В первом модуле рассматриваются принципы работы генеративных моделей, актуальные нейросетевые сервисы, основы промпт-дизайна, этические аспекты и построение рабочих пайплайнов с использованием нейросетевых утилит. Во втором модуле студенты осваивают базовые конструкции программирования на Python, работу с массивами данных (NumPy, Pandas), а также язык Processing для создания генеративной и интерактивной графики, фракталов и инфографики. На выходе курс связывает нейросетевую генерацию и алгоритмическое мышление в единую творческую практику.

Цель освоения дисциплины

• Дать представление о принципах работы генеративных нейросетей и сценариях их применения в креативных индустриях. Научить использовать нейросетевые инструменты для генерации изображений, иллюстраций и вспомогательных утилит в рабочем процессе. Сформировать основы алгоритмического мышления и программирования на Python для работы с данными и визуальными структурами. Познакомить с инструментами алгоритмической графики (Processing) и связать код, данные и нейросети в целостный творческий пайплайн.

Планируемые результаты обучения

• Понимать принципы работы генеративных нейросетей.
• Подбирать инструменты под задачи креативных индустрий
• Формулировать эффективные промпты.
• Проектировать и настраивать рабочие пайплайны с нейросетевыми утилитами.
• Писать базовый код на Python для работы с массивами данных и визуализацией.
• Создавать генеративную и интерактивную графику в Processing и готовить завершённые визуальные проекты.

Содержание учебной дисциплины

• Генеративные нейросетевые инструменты
• Генерация простых изображений и основы промпт-дизайна
• Объектно-ориентированное проектирование
• Генерация иллюстраций
• Нейросеть как инструмент художника
• Нейросетевые утилиты
• Построение пайплайна
• Что такое программирование
• Введение в конструкции Python: функции, циклы и др. Фракталы
• Списки и матрицы. Библиотека Numpy
• Обработка данных и визуализация. Библиотека Pandas. Инфографика
• Processing и генеративное искусство

Элементы контроля

• Тест
• Домашние задания
• Проекты
• Активность студентов на платформах цифровой экосистемы Школы дизайна

Промежуточная аттестация

• 2025/2026 2nd module
  Оценка по дисциплине рассчитывается исходя из: 1) оценки за ДЗ, тест и проекты (0,2*ДЗ 1 модуля+0,3*Проект 1 модуля+0,2*ДЗ 2 модуля+0,15*Тест+0,15*Проект 2 модуля); 2) дополнительных баллов, начисляемых за активность студентов на платформах цифровой экосистемы Школы дизайна. В соответствии с пунктом 14 Положения об организации промежуточной аттестации и текущего контроля успеваемости студентов Национального исследовательского университета «Высшая школа экономики» (ПОПАТКУС), оценки «9» и «10» могут использоваться преподавателем в рамках текущего контроля или промежуточной аттестации, если обучающийся выполняет задания повышенной трудности и/или демонстрирует результаты обучения, превосходящие предусмотренные ПУД или программой практики. Могут быть предусмотрены дополнительные задания, без которых невозможно получить «9» и «10». Оценка, которую студент может получить за ДЗ, тест и проекты, не может превышать 8 баллов. Дополнительно студент может получить 1-3 балла за активность на платформах цифровой экосистемы Школы дизайна. Максимальная оценка по промежуточной аттестации в сессию по дисциплине в зачетку, которую студент может получить с учетом дополнительных баллов, составляет 10 баллов.

Авторы

• Булгаков Вадим Александрович
• Ву Тху Ча -