
Разработчик систем искусственного интеллекта
- 2025
- 2026
- По мере комплектования группы
Трудоемкость обучения: | 72 час(ов) |
Для кого: |
|
Продолжительность обучения: | год(а) |
По окончании обучения выдается: | Удостоверение о повышении квалификации |
Стоимость обучения с использованием дистанционных образовательных технологий | 7 000 руб. * |
Стоимость обучения с использованием дистанционных образовательных технологий | 7 000 руб. * |
* стоимость обучения указана, исходя из расчёта 0 человек в группе
Курс разработан для профессионалов, стремящихся овладеть навыками проектирования и создания современных систем искусственного интеллекта (ИИ). В рамках курса слушатели изучат архитектурные принципы построения ИИ, методы декомпозиции подсистем и их взаимодействия на основе предметноориентированного проектирования. Особое внимание уделяется алгоритмам машинного обучения, методам работы с большими данными, нейронным сетям и современным инструментальным средствам для разработки и обучения моделей ИИ.
Участники курса научатся выбирать и применять методы для создания гибридных систем, интегрировать их в различные проекты и оценивать качество моделей машинного обучения. Курс включает практическую работу с данными, создание систем на основе нейросетей и оптимизацию программного обеспечения для различных задач.
Программа реализуется на платформе Нефтегазовое образование "OILEDU"
- Современное состояние и развитие перспективных направлений, методов и технологий в области искусственного интеллекта. Искусственный интеллект как инновационный инструмент внедрения современных средств обучения
- Методы и инструментальные средства систем искусственного интеллекта. Функциональность современных инструментальных средств и систем программирования в области создания моделей искусственных нейронных сетей
- Искусственные нейронные сети (ИНС), классификация, алгоритмы обучения
- Методы распознавания образов
- Специализированные среды для реализации систем искусственного интеллекта
- Базы данных. Системы управления базами данных
- Методы машинного обучения и приобретения знаний интеллектуальными системами
- Технологии проектирования интеллектуальных систем
- Задачи, требующие решения на основе машинного обучения. Работа с данными. Основные понятия математической статистики для машинного обучения
- Дисперсионный, корреляционный и регрессионный анализ, предсказания. Решение задач регрессии, проверка адекватности модели. Восстановление пропущенных значений и поиск выбросов, детектор аномалий
- Алгоритмы дерева принятия решения. Решающее дерево. Проблема переобучения. Определение важности признаков по алгоритмам, основанным на деревьях решений. Кластеризация
- Балансирование выборок. Проблема неполных данных. Восстановление пропусков. Метод исключения некомплектных объектов. Методы с заполнением. Методы взвешивания. Методы, основанные на моделировании
- Линейные классификаторы, нейронные сети, как композиция линейных классификаторов. Вероятностные алгоритмы. Ансамбли алгоритмов. Отбор признаков и объектов. Эвристические алгоритмы и метаоптимизация
- По мере комплектования группы
- Физическое лицо
- Юридическое лицо
Регистрация и вход в Личный кабинет позволят управлять своими заявками, подписывать договоры и оплачивать обучение онлайн, всегда оставаться на связи с нашими специалистами.









