Программа курса

"Разработка и внедрение искусственного интеллекта на предприятии"

Ознакомить участников с основами искусственного интеллекта (ИИ), методами его разработки и внедрения в бизнес-процессы предприятия. Курс направлен на предоставление практических знаний и навыков, необходимых для успешного внедрения ИИ-решений в реальные проекты.

Курс предназначен для владельцев и генеральных директоров предприятий, руководителей высшего и среднего звена, заинтересованных во внедрении сквозных технологий для повышения эффективности и конкурентоспособности своего предприятия.

Цель курса:

Длительность курса: 1 неделя (15 часов)

Заключение

Курс завершается итоговой аттестацией, включающей защиту индивидуального или группового проекта. Участники, успешно прошедшие курс, получают сертификат о прохождении курса.

Модуль 5: Управление проектами и оценка эффективности

Темы: Методологии управления проектами (Agile, Scrum).
Оценка экономической эффективности ИИ-решений.
Правовые и этические аспекты использования ИИ.
Презентация и защита проекта

Практикум:
Подготовка и презентация финального проекта.
Обсуждение и оценка результатов.

Модуль 4: Внедрение ИИ на предприятии

Темы: Этапы внедрения ИИ-проектов: от идеи до запуска.
Сбор и подготовка данных.
Выбор и настройка инфраструктуры.
Интеграция ИИ-моделей в бизнес-процессы.
Мониторинг и поддержка ИИ-решений.

Практикум:
Разработка плана внедрения ИИ-проекта на примере конкретного кейса.
Имитация интеграции ИИ-модели в существующую IT-инфраструктуру предприятия.

Модуль 3: Глубокое обучение

Темы: Нейронные сети: архитектура, функции активации, слои.
Конволюционные нейронные сети (CNN) для обработки изображений.
Рекуррентные нейронные сети (RNN) для временных рядов и текста.
Трансформеры и современные архитектуры глубокого обучения.

Практикум: Построение и обучение глубоких нейросетей для задач компьютерного зрения и обработки естественного языка.
Настройка гиперпараметров и борьба с переобучением.

Модуль 2: Машинное обучение

Темы: Виды машинного обучения: контролируемое, неконтролируемое, обучение с подкреплением.
Методы предварительной обработки данных.
Классификация и регрессия.
Оценка моделей и кросс-валидация.

Практикум:
Разработка и настройка моделей машинного обучения для реальных данных.
Создание и оценка моделей классификации и регрессии.

Модуль 1: Основы искусственного интеллекта

Тема: Введение в искусственный интеллект
История и основные концепции ИИ
Основные виды ИИ: машинное обучение, глубокое обучение, нейронные сети
Примеры успешных применений ИИ в бизнесе

Практикум:
Знакомство с основными библиотеками Python для ИИ (TensorFlow, PyTorch, scikit-learn)
Решение простых задач классификации и регрессии