Искусственный интеллект

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Кафедра информационных систем и технологий (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

4-й курс, 2, 3 модуль

Преподаватель

Емельянова Мария Максимовна

Программа дисциплины

Аннотация

Курс является вводным и знакомит слушателей с основами науки о данных и принципами работы искусственного интеллекта. Курс будет интересен и полезен не только тем, кто уже знаком с основами анализа данных и программированием, но и тем, кто не имеет бэкграунда в этой области.За последние десятилетия во многих областях науки и индустрии стали накапливаться большие объемы данных, а также стали развиваться методы машинного обучения, позволяющие извлекать из этих данных знания и экономическую пользу. Сегодня методы анализа данных позволяют решать настолько сложные задачи, что в применении к ним всё чаще используют термин “искусственный интеллект”.Задача онлайн курса от НИУ ВШЭ — дать слушателям базовое представление о методах искусственного интеллекта, познакомить с терминологией и научить применять некоторые из методов для решения несложных задач. В процессе обучения вы дистанционно узнаете больше о мире искусственного интеллекта, его методах и даже самостоятельно попробуете обучать несложные модели на готовых данных.

Цель освоения дисциплины

• Целями освоения данной дисциплины является формирование у студентов представления об основных принципах обучения с учителем (задачи регрессии и классификации) и без учителя (задача кластеризации) , например в проектировании роботов (восприятие, контроль), анализе текстов (онлайн поиск, анти-спам), компьютерном зрении, медицинских информационных системах (например, постановка диагноза по текстовому описанию), обработке аудио, интеллектуальном анализе баз данных и других областях.. А также умение применять сервисы ИИ и алгоритмы машинного обучения на практике.

Планируемые результаты обучения

• Интерпретировать задачу линейной регрессии, применять на практике основные алгоритмы для решения задачи линейной регрессии (метод наименьших квадратов, Lasso, Ridge), интерпретировать показатели качества (RMSE, MAE, R2).

Содержание учебной дисциплины

• 1

Элементы контроля

• контрольная работа
  контрольная работа по теме регрессия и классификация
• Итоговый проект в области ИИ

Промежуточная аттестация

• 2024/2025 3rd module
  0.6 * Итоговый проект в области ИИ + 0.4 * контрольная работа

Авторы

• Частова Вероника Игоревна
• Савченко Людмила Васильевна