7M06114 Искусственный интеллект в МУИТ (IITU)

Дисциплины

• Интеллектуальный анализ данных и машинное обучение

  Дисциплина охватывает методы интеллектуального анализа данных, машинного обучения и их применение в различных сферах. Рассматриваются алгоритмы классификации, регрессии, кластеризации и ассоциативного анализа. Особое внимание уделяется практическому применению и работе с большими объемами данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• История и философия науки

  Цель дисциплины сформировать навыки работы с литературой научного характера; навыки логического, системного и критического мышления. В дисциплине будут изучены: основные этапы развития науки; история и философия науки для формирования осознанного отношения к окружающей среде и истории, основные принципы научно-исследовательской деятельности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интернет вещей и искусственный интеллект

  Курс изучает интеграцию интеллектуальных алгоритмов с распределёнными IoT-системами. Студенты познакомятся с архитектурой IoT, обработкой потоковых данных с помощью машинного и глубокого обучения, а также вопросами безопасности и этики. Практическая часть включает создание прототипов умных устройств, разработку ИИ-моделей и применение IoT/AI в здравоохранении, транспорте, «умных» городах и промышленности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Высшая школа: психолого-педагогические стратегии развития

  Дисциплина направлена на изучение психолого-педагогических стратегий развития высшего образования, формирование компетенций в проектировании и организации образовательного процесса. Магистранты освоят современные психолого-педагогические подходы к обучению, методы диагностики и оценки студентов, а также технологии цифрового и инклюзивного образования. Особое внимание уделяется развитию педагогических, исследовательских и коммуникативных навыков, а также профилактике профессионального выгорания преподавателей. В результате освоения курса студенты смогут разрабатывать и внедрять эффективные образовательные стратегии в вузах.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Робототехника и интеллектуальные машины

  Дисциплина охватывает основные принципы проектирования и программирования роботов, мехатронных систем и автономных устройств. Рассматриваются алгоритмы управления движением, сенсорные системы, а также применение машинного обучения и компьютерного зрения. Изучаются примеры робототехнических систем в промышленности, медицине и сервисе.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Обучение с подкреплением и его применения в ИИ

  Курс "Обучение с подкреплением и его применения в ИИ" предназначен для студентов-бакалавров, изучающих искусственный интеллект, и представляет собой введение в один из наиболее мощных методов машинного обучения, который позволяет алгоритмам оптимизировать своё поведение в сложных средах на основе обратной связи. Студенты узнают о базовых алгоритмах, таких как Q-learning и Policy Gradient, а также изучат различные сценарии применения обучения с подкреплением в реальных проектах ИИ, включая игры, автономные транспортные средства и робототехнику. Курс обогащен практическими заданиями и проектами, которые помогут студентам развить необходимые навыки для реализации и адаптации алгоритмов обучения с подкреплением в разнообразных приложениях.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Основы научно-исследовательской работы

  Изучение видов научных исследований, методологии научного познания, проведения исследований, формирования выводов и заключений, написания научных статей и докладов на конференции, обобщения результатов научно-исследовательской работы в диссертации, ее структуры и содержания.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы оптимизации и теория игр

  Курс изучает методы поиска оптимальных решений и моделирование стратегического взаимодействия в системах с конфликтующими интересами. В первой части рассматриваются методы математической оптимизации: линейной, нелинейной, целочисленной и стохастической. Вторая часть посвящена теории игр — анализу взаимодействий рациональных агентов, включая равновесие Нэша, кооперативные и некооперативные игры. Рассматриваются задачи из экономики, политики и бизнеса. Курс сочетает теорию и практику, развивая навыки анализа и принятия решений в условиях конкуренции и неопределённости.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Вычислительный интеллект и глубокое обучение

  Курс охватывает современные методы искусственного интеллекта на основе вычислительных подходов и глубокого обучения. Студенты изучат нейронные сети, эволюционные алгоритмы, размытую логику и методы оптимизации. Основное внимание уделено глубокому обучению, его архитектурам, методам обучения и регуляризации. Практическая часть включает создание и обучение моделей с использованием Python, TensorFlow или PyTorch, а также анализ результатов

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Глубокое обучение с подкреплением

  Курс является одним из ключевых предметов для магистрантов, изучающих искусственный интеллект, и посвящен изучению сложных алгоритмов и стратегий обучения, которые позволяют машинам оптимизировать свои действия в динамичных средах. Студенты погрузятся в глубинные методы, такие как Q-learning, Deep Q-Networks (DQN), Policy Gradient methods и Actor-Critic models, которые являются основой для создания высокоэффективных искусственных систем, способных самостоятельно обучаться и принимать решения. Курс акцентирует внимание на применении этих методов в различных областях, от автоматизированной торговли до управления автономными транспортными средствами и робототехники. Включая теоретические лекции, практические семинары и лабораторные работы, курс также обсуждает этические и социальные аспекты использования глубокого обучения с подкреплением в современных технологических системах.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Это практический курс продолжительностью один семестр, который адаптирует программу английского языка к профессиональным/исследовательским потребностям магистрантов. В рамках курса магистранты будут работать над индивидуальным проектом и исследовательским портфолио. К концу курса магистранты должны организовать и представить портфолио по своим исследованиям.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Когнитивные технологии для управления устойчивым развитием

  Курс изучает методы искусственного интеллекта и когнитивных систем для поддержки принятия решений в области устойчивого развития. Рассматриваются сбор, обработка и интерпретация данных об окружающей среде, ресурсах и социальных показателях, а также прогнозирование и оптимизация решений. Особое внимание уделяется интеграции когнитивных технологий в энергосбережение, управление ресурсами, борьбу с изменением климата и социальное благополучие. Курс сочетает теорию и практику для создания инновационных решений устойчивого развития.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Когнитивные технологии для накопления знаний

  Курс изучает методы и системы моделирования, автоматизации и улучшения процессов восприятия, обработки и хранения знаний с помощью искусственного интеллекта и когнитивных наук. Студенты познакомятся с когнитивными моделями, семантическими сетями, онтологиями, системами представления знаний и выводом. Особое внимание уделяется автоматическому извлечению знаний из текстов, баз данных и мультимедиа, обработке естественного языка и машинному обучению. Курс развивает навыки создания интеллектуальных систем для поддержки решений, образовательных платформ и корпоративных хранилищ знаний

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Поиск мультимедийной информации и компьютерное зрение

  Курс изучает методы анализа, обработки и поиска информации в мультимедийных данных — изображениях, видео и аудио. Студенты освоят основы компьютерного зрения, включая распознавание объектов, сегментацию и извлечение признаков. Вторая часть посвящена поиску мультимедийной информации с помощью машинного и глубокого обучения. Рассматриваются практические применения: видеонаблюдение, обработка медицинских изображений и рекомендательные системы. Курс сочетает теорию, лабораторные работы и проекты для освоения фундаментальных принципов и современных технологий.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Искусственный интеллект для социального блага

  Курс изучает возможности и вызовы применения ИИ в социальных проектах, направленных на улучшение жизни общества. Студенты освоят методы ИИ и рассмотрят этические, правовые и социальные аспекты разработки технологий. Особое внимание уделяется решению проблем здравоохранения, образования и социальной справедливости с учетом этических принципов. Курс включает теорию, практику и кейсы для подготовки ответственных специалистов.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Символьный и эволюционный искусственный интеллект

  Курс охватывает методы символического (основанного на знаниях) и эволюционного (вдохновлённого биологическими процессами) искусственного интеллекта. Студенты познакомятся с формальными моделями, алгоритмами поиска, системами представления знаний, а также с генетическими алгоритмами и методами эволюционных вычислений. Курс сочетает теорию с практическими заданиями и предлагает сравнительный анализ преимуществ обоих подходов в таких областях, как робототехника, обработка данных и автоматическое проектирование.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Методы формирования и обработки биомедицинских изображений

  Курс изучает принципы получения, анализа и интерпретации биомедицинских изображений. Особое внимание уделяется алгоритмам фильтрации, сегментации, регистрации, реконструкции и визуализации данных. Рассматриваются методы повышения качества изображений и анализа патологий с использованием компьютерного зрения и машинного обучения. Практическая часть включает работу с реальными данными и разработку инструментов обработки, что развивает навыки для медицины, исследований и создания медицинского оборудования.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• уметь анализировать и применять основные концепции, технологии и методы Интернета вещей (IoT) и искусственного интеллекта (ИИ), разрабатывать и интегрировать IoT-устройства с использованием современных программных и аппаратных средств, а также создавать интеллектуальные системы на базе ИИ для обработки, анализа и принятия решений на основе данных, получаемых от IoT-сетей.
• Знать основные теорий, методы и алгоритмы искусственного интеллекта, такие как машинное обучение, нейронные сети, алгоритмы поиска, обработка естественного языка (NLP), компьютерное зрение и другие.
• Уметь разрабатывать, тестировать и внедрять алгоритмы машинного обучения, глубокого обучения, нейронных сетей и другие ИИ-методы.
• Уметь эффективно обрабатывать большие объемы данных, используя критический подход к их сбору, очистке и анализу.
• Уметь адаптировать и применять ИИ-технологии для решения задач в различных областях, таких как здравоохранение, финансы, робототехника, транспорт и другие.
• Способен проводить научные исследования и разрабатывать новые методы и подходы в области искусственного интеллекта. Уметь разрабатывать и публиковать научные работы, участвовать в научных конференциях и проектах.
• умеет применять методы и технологии искусственного интеллекта для разработки решений, направленных на улучшение качества жизни и решение социальных проблем, анализировать влияние ИИ на общество и этические аспекты его использования, а также разрабатывать проекты и системы, способствующие устойчивому развитию и социальному благополучию.
• Уметь работать в междисциплинарных командах, где ИИ-специалисты взаимодействуют с экспертами в других областях, таких как бизнес, инженерия или медицина.

Похожие ОП