Научно-исследовательский семинар "Технологии искусственного интеллекта"

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

2-й курс, 1, 2 модуль

Программа дисциплины

Аннотация

Программа направлена на изучение современных методов и алгоритмов искусственного интеллекта, включая нейронные сети, машинное обучение и глубокое обучение. Курс включает в себя практику работы с нейронными сетями, машинным обучением и глубоким обучением, а также знакомство с реальными примерами использования этих технологий.

Цель освоения дисциплины

• Подготовка высококвалифицированных специалистов, способных эффективно использовать методы и алгоритмы искусственного интеллекта для решения задач в различных сферах деятельности.

Планируемые результаты обучения

• Объяснять различия между обучением с учителем и без учителя, применять знания об алгоритмах машинного обучения для решения реальных задач, критически оценивать эффективность различных методов машинного обучения в зависимости от конкретной задачи, предлагать инновационные подходы к использованию алгоритмов машинного обучения в новых областях.
• Генерировать тексты и переводить языки с помощью технологий искусственного интеллекта, создавать чат-боты и голосовых помощников, способных взаимодействовать с пользователями на естественном языке ,использовать современные инструменты и библиотеки для обработки естественного языка, критически оценивать качество и точность работы моделей обработки естественного языка.
• Следить за движением объектов в видеопотоке, анализировать видео и изображения с целью извлечения полезной информации, использовать современные инструменты и библиотеки для обработки изображений и видео, критически оценивать качество и точность работы моделей компьютерного зрения.
• Эффективно хранить, обрабатывать и анализировать большие объемы данных, применять методы бизнес-аналитики для принятия обоснованных решений, использовать современные инструменты и критически оценивать качество и достоверность данных.
• Анализ перспектив развития технологий искусственного интеллекта, оценка возможных областей их применения, социальных и экономических последствий внедрения и инновационных подходов к использованию.
• Оценивать риски безопасности данных, анализировать этические принципы, формулировать стратегии повышения доверия и применять знания для создания безопасных решений на базе искусственного интеллекта.

Содержание учебной дисциплины

• Алгоритмы машинного обучения
• Обработка естественного языка
• Компьютерное зрение
• Большие данные и аналититка
• Безопасность и этика в технологиях искусственного интеллекта
• Будущее искусственного интеллекта

Элементы контроля

• Доклад
• Доклад
• Экзамен

Промежуточная аттестация

• 2024/2025 2nd module
  1+0.9х ((доклад 1 +доклад 2)х0.6+активность х 0.3) +0,1 х посещение

Список литературы

Рекомендуемая основная литература

• Искусственный интеллект - надежды и опасения : сборник, , 2020
• Компьютерное зрение. Современные методы и перспективы развития, , 2022
• Машинное обучение : портфолио реальных проектов, Григорьев, А., 2023
• Обработка естественного языка Python и spaCy на практике, Васильев, Ю., 2021
• Путь аналитика. Практическое руководство IT-специалиста, Перерва, А. Д., 2012

Рекомендуемая дополнительная литература

• OpenSSL 3. Ключ к тайнам криптографии : лучшие способы повысить безопасность сети с применением OpenSSL 3, Хлебников, А., 2023
• Биологическое и компьютерное зрение, Крейман, Г., 2022
• Большие данные : революция, которая изменит то, как мы живем, работаем и мыслим, Майер-Шенбергер, В., 2014
• Искусственный интеллект : стратегии и методы решения сложных проблем, пер. с англ. И. И. Галагана, К. Д. Протасовой ; под ред. Н. Н. Куссуль, 4-е изд., 863 с., Люгер, Д. Ф., 2003
• Компьютерное зрение : учеб. пособие для студентов вузов, Шапиро, Л., 2006
• Машинное обучение с использованием библиотеки H2O : мощные и масштабируемые методы для глубокого обучения и ИИ, Кук, Д., 2018
• Обработка естественного языка на Java : исследование разных подходов к организации и извлечению полезной текстовой информации из неструктурированных данных с использованием Java, Риз, Р., 2016
• Прагматичный ИИ : машинное обучение и облачные технологии, Гифт, Н., 2019

Авторы

• Трехлеб Ольга Юрьевна
• Булычев Иван Даниилович