Introduction to Generative Artificial Intelligence

2024/2025

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Management

Course type:

Compulsory course

When:

4 year, 2 module

Instructor

Ternikov, Andrei

Программа дисциплины

Аннотация

Генеративные модели ИИ используют нейронные сети для выявления закономерностей и структур в существующих данных, чтобы генерировать новый и оригинальный контент. Примерами генеративных моделей являются GPT-3 и Stable Diffusion, которые позволяют пользователям использовать возможности естественного языка. В ходе этого курса студенты погрузятся в мир генеративных моделей ИИ, изучат их определение, назначение, области применения и ключевые концепции, определяющие их успех.

Цель освоения дисциплины

• Узнать о ключевых концепциях, определяющих успех технологий искусственного интеллекта.
• Получить представление о генеративных моделях ИИ, создающих оригинальный контент.

Планируемые результаты обучения

• ПК-1-ЛГ. Способен идентифицировать данные, необходимые для решения поставленных логистических задач; осуществлять сбор и обработку данных; анализировать результаты расчетов и обосновывать выводы в соответствии с поставленной задачей.
• ПК-3-ЭКН. Способен использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии.
• ПК-5-ЛГ. Способен анализировать статистическую и финансовую отчетность с целью определения эффективности логистических процессов и количественного прогнозирования конъюнктуры рынков.
• ОПК-5-МН. Способен использовать при решении профессиональных задач современные информационные технологии и программные средства, включая управление крупными массивами данных и их интеллектуальный анализ.
• ОПК-3-МН. Способен разрабатывать обоснованные организационно-управленческие решения с учетом их социальной значимости, содействовать их реализации в условиях сложной и динамичной среды и оценивать их последствия.
• ОПК-2-ЭКН. Способен осуществлять сбор, обработку и статистический анализ данных, необходимых для решения поставленных экономических задач.
• ОПК-5-ЭКН. Способен использовать современные информационные технологии и программные средства при решении профессиональных задач.
• ОПК-3-ЭКН. Способен анализировать и содержательно объяснять природу экономических процессов на микро- и макроуровне.

Содержание учебной дисциплины

• Введение в ключевые концепции генеративного ИИ
• Инструменты и применение генеративного ИИ

Элементы контроля

• Тесты
  Восемь тестов из онлайн-курса, организованного в системе SmartLMS (по одному тесту на каждую неделю). Каждый тест имеет одинаковый вес и максимально оценивается в 10 баллов. Итоговая оценка за все тесты - это средняя оценка. Оценка не округляется.
• Семинары
  Семинарские занятия проводятся с использованием ранжирования результатов, командной работы и игровыми элементами.
• Итоговый тест
  Итоговый тест из онлайн-курса, организованного в системе SmartLMS. Максимум 10 баллов. Оценка не округляется.

Промежуточная аттестация

• 2024/2025 2nd module
  0.7 * Итоговый тест + 0.1 * Семинары + 0.2 * Тесты

Список литературы

Рекомендуемая основная литература

• Генеративное глубокое обучение. Творческий потенциал нейронных сетей - 978-5-4461-1566-2 - Дэвид Фостер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/371724 - 371724 - iBOOKS

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/bookshelf/376830 - 376830 - iBOOKS

Авторы

• Терников Андрей Александрович
• Будько Виктория Александровна