Применение генеративного искусственного интеллекта в бизнесе

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент бизнес-информатики и операционного менеджмента

Статус:

Курс обязательный

Когда читается:

1-й курс, 4 модуль

Программа дисциплины

Аннотация

Дисциплина направлена на формирование у обучающихся современных компетенций в области разработки и внедрения решений на основе генеративного искусственного интеллекта для автоматизации и поддержки бизнес-процессов. В рамках курса рассматриваются принципы работы больших языковых моделей (Large Language Models, LLM), методы проектирования запросов (Prompt Engineering), технологии Retrieval Augmented Generation (RAG), построение интеллектуальных агентов (AI Agents), а также вопросы интеграции генеративного ИИ в корпоративные информационные системы. Особое внимание уделяется практическому применению инструментов Python для разработки приложений с использованием современных языковых моделей и специализированных фреймворков. Обучающиеся изучают методы создания систем поиска и генерации знаний на основе корпоративных данных, проектируют интеллектуальных помощников для решения прикладных бизнес-задач, анализируют эффективность внедрения генеративного ИИ и оценивают связанные с его использованием риски. В ходе освоения дисциплины студенты получаю навыки работы с API современных языковых моделей, библиотеками LangChain и LangGraph, технологиями создания векторных представлений данных (Embeddings), векторными базами данных и инструментами построения RAG-систем. Практическая подготовка ориентирована на решение реальных задач цифровой трансформации организаций и разработку прикладных AI-решений для бизнеса.

Цель освоения дисциплины

• Формирование у обучающихся компетенций по разработке, интеграции и внедрению систем генеративного искусственного интеллекта для решения прикладных задач бизнеса с использованием современных языковых моделей, технологий Retrieval Augmented Generation (RAG), ИИ Агентов (AI Agents) и инструментов Python-разработки.

Планируемые результаты обучения

• Знать принципы работы современных больших языковых моделей (LLM)
• Знать архитектуру Transformer
• Знать подходы Prompt Engineering
• Знать принципы построения RAG-систем
• Знать технологии векторных представлений данных (Embeddings) и векторный поиск (Vector Search)
• Знать архитектуру ИИ Агентов (AI Agents)
• Знать методы интеграции больших языковых моделей (LLM) в корпоративные информационные системы
• Знать ограничения, риски и вопросы безопасности генеративного ИИ
• Уметь разрабатывать приложения с использованием LLM API
• Уметь создавать RAG-системы для работы с корпоративными знаниями
• Уметь использовать библиотеки LangChain и LangGraph
• Уметь проектировать AI-ассистентов для бизнес-процессов
• Уметь оценивать качество генерации и поиска информации
• Уметь внедрять AI-инструменты в процессы организации

Содержание учебной дисциплины

• Раздел 1. Современные LLM и генеративный ИИ
• Раздел 2. Prompt Engineering
• Раздел 3. RAG и корпоративные базы знаний
• Раздел 4. AI Agents и внедрение в бизнес

Элементы контроля

• Практические задания
• Контрольные работы
• Лабораторные работы

Промежуточная аттестация

• 2026/2027 4th module
  0.4 * Практические задания + 0.3 * Лабораторные работы + 0.3 * Контрольные работы

Список литературы

Рекомендуемая основная литература

• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Python и анализ данных, Маккини, У., 2020
• Глубокое обучение, Гудфеллоу, Я., 2018
• Машинное обучение без лишних слов, Бурков, А., 2020

Рекомендуемая дополнительная литература

• Искусственный интеллект. Современный подход. Т.3: Обучение, восприятие и действие, Рассел, С., 2022

Авторы

• Орлова Екатерина Дмитриевна