Data Science и нейронные сети
ChatGPT Professional
Новые курсы
+7 (495) 278-18-40
+7(495)278-18-40
Data Science и нейронные сети от Университета искусственного интеллекта
Программа обучения
ОДОБРЕНА РОССИЙСКОЙ АКАДЕМИЕЙ НАУК И РАНХиГС
СОДЕРЖИТ САМУЮ БОЛЬШУЮ БАЗУ AI КОНТЕНТА В МИРЕ
Основная образовательная программа Университета обучит вас всему необходимому
Цель нашей программы обучения - предоставить простой вход в сферу искусственного интеллекта любому человеку и обеспечить студентов навыками, которые позволят решить 99% любых востребованных AI задач.
Программа адаптируется под разный уровень начальных знаний, поэтому подходит как для новичков, так и для практикующих программистов.
Вы освоите профессию AI разработчика
Получите гарантированное трудоустройство
Будете уметь разрабатывать собственные AI проекты с нуля
Data Science и нейронные сети: состав полной программы
  • Изучите язык Python
  • Научитесь писать нейронки под все базовые темы: изображения, тексты, аудио, видео, таблицы, временные ряды
  • Публиковать нейросети на сервер для реальной работы
  • Освоите написание продвинутых нейронок: трансформеры, обучение с подкреплением (RL), обнаружение объектов на видео, распознавание речи и генетические алгоритмы
7
месяцев
Входит в программу
32
Продолжительность курсов
занятия
от
За время прохождения Базового курса вы:
Список занятий базового курса
Вы научитесь оформлять выражения и простые алгоритмы в виде программ на языке Python, а также запускать программы на выполнение. Пользоваться типами данных, переменными, операциями над данными, операторами присваивания, ветвления и цикла.
Программа тарифов Продвинутый и AI под ключ включает в себя весь состав Базового + расширенные блоки и 12 дополнительных курсов
Расширенные блоки выбираются в конце курса и предназначаются для специализации и более глубокого погружения в тему: python, тексты, аудио, генеративные сети, генетические алгоритмы, интеграция в production
Расширенные блоки
Дополнительные курсы
Python разработчик
AI директор
Продажа AI проектов на заказ
Машинное обучение
Базовая математика
Глубокая математика
Глубокий курс по текстам
Глубокий курс по аудио
Генная инженерия
Terra AI
ДОПОЛНИТЕЛЬНЫЕ ЗАНЯТИЯ
Python для анализа данных
↑
На курсе разбираются преимущества и недостатки языка Python в сравнении с другими языками программирования. Вы узнаете, почему Python в настоящий момент является наиболее популярным языком в анализе данных и машинном обучении. Познакомитесь со всеми ключевыми библиотеками, научитесь подготавливать и анализировать данные для модели машинного обучения.
Курс “Python для анализа данных”
  1. Язык Python. Установка среды разработки. Основы работы в Jupyter notebook
  2. Синтаксис Python, Коллекции и управляющие структуры
  3. Функции, модули и исключения
  4. Объектно-ориентированное программирование на Python
  5. Работа с командной строкой и файловой системой
  6. Мат.дисциплины в анализе данных и применение массивов
  7. Библотека scipy и решение задач из различных мат.областей
  8. Библиотека pandas. Возможности библиотеки
  9. Библиотеки Matplotlib и Seaborn
  10. Построение конвейера обработки данных
Занятия
  1. Google Colaboratory
  2. Python. Введение
  3. Базовые типы данных и операции с ними. Преобразования типов
  4. Условные операторы (ветвления). Конструкция if-elif-else
  5. Циклы в Python, конструкции for и while. Функция range
  6. Структуры данных (коллекции) - списки, кортежи, словари и множества. Методы коллекций
  7. Программа python-разработчика: Введение в курс. Настройка рабочей среды, знакомство с популярными библиотеками
  8. Основы Python. Переменные, ввод/вывод, условия, циклы
  9. Последовательности. Строки, списки, множества, словари. Глубокие и поверхностные копии
  10. Функции. Параметры, области видимости, lambda-функции, рекурсия. исключения
  11. Модули, пакеты, Настройка виртуального окружения, Git
  12. Работа с файлами. Кодировки, сериализация данных. json, xml, yaml, decimal
  13. Элементы функционального программирования. Функции обратного вызова, функции высших порядков. Списковые включения. Частичные функции
  14. Генераторы, декораторы, замыкания, ленивые вычисления
  15. Основы объектно-ориентированного программирования. Наследование, Инкапсуляция
  16. ООП. Магические методы, утиная типизация, статистические методы
  17. Тестирование с unittest, pytest. Документирование. Логирование
  18. Основы HTML/CSS.
  19. REST-запросы с resuests. Работа с API. Парсинг HTML
  20. Создание ботов для Telegram
  21. Веб-сайт на Flask.
  22. Основы реляционных баз данных. Sqlite, PostgreSql Object Relational Mapping (ORM), SQLAlchemy
  23. Множественное наследование, дескрипторы, метаклассы, слоты
  24. Веб-сайт на Django. Django ORM
  25. MVT. Django Forms Class-based views (CBV)
  26. Mixins. Наследование моделей
  27. Работа с пользователями. Регистрация, авторизация, система прав
  28. Тестирование в Django и Flask. Генерация данных с mixer
  29. Запросы в Django
  30. ORM Пагинация, шаблонные фильтры, сигналы. Менеджеры и магические методы моделей. Контекстные процессоры.
  31. Оптимизация сайта на Django. Основные инструменты, кэширование. Основные команды linux
  32. Развертывание сайтов на Flask, Django, Wsgi, gunicorn, nginx. Безопасность.Часть 1
  33. Развертывание сайтов на Flask, Django, Wsgi, gunicorn, nginx. Безопасность.Часть 2
  34. Введение в веб-сервисы. Django REST Framework
  35. Cоздание веб-сервиса. Проектирование web-api
  36. Docker. Cоздание контейнеров для web-приложений
Программа курса предполагает углубленное изучение языка программирования Python в течение 32 недель.
Знаний, полученных на курсе, достаточно, чтобы изучить Python с нуля и начать профессионально на нем работать.

Ключевые компетенции, которые вы приобрете на курсе:
знание широкого спектра библиотек,
владение технологиями Git, Streamlight, Flask, docker,
работа с изображениями текстами, аудио, генеративными моделями и генетическими алгоритмами.
Курс “Python разработчик”
Занятия
В рамках курса студенты узнают все основные области применения AI в различных сферах бизнеса, погружаются в подробности работы нейросетей, узнают о всех тонкостях найма AI разработчиков, проходят путь от А до Я по запуску, управлению и развитию AI проектов.
Курс “AI директор”
  1. Где применить AI в своём бизнесе
  2. Что такое нейронные сети, и как они работают
  3. Найм AI разработчиков
  4. Управление AI проектом, расчет сроков и рисков, сбор базы
  5. Вычислительные мощности и интеграция AI в вашу IT систему
  6. Продвижение AI стартапа
Занятия
Ближайшее время является наиболее подходящим для продажи AI проектов на заказ. Реализованных проектов сейчас мало, потому что бизнес не успевает за технологиями. В результате не хватает людей, которые будут прослойкой между разработчиками и бизнесом.
Ну курсе вы узнаете, как найти клиентов, выстроить ценообразование и эффективные продажи AI проектов, разберете типовые возражения клиентов и получите полную информацию по всем основным юридическим вопросам.
Курс “Продажа AI проектов на заказ”
  1. Что такое нейронные сети. Как найти применение AI в компании
  2. Разбор вопросов. Ценообразование. CRM. Воронка статусов
  3. Разбор вопросов и проблем. Применение AI в компании
  4. Продажи. Холодные контакты с компаниями
  5. Примеры AI-проектов
  6. Продажи. Воронка вопросов
  7. Примеры AI-проектов. Оценка проектов
  8. Вычислительные мощности
  9. Типовые возражения. Найм AI-разработчиков
  10. Юридические вопросы продажи AI проектов
  11. Управление проектом и сбор базы
  12. Базы для обучения AI
  13. Разбор реальных проектов
  14. Предпринимательство
Занятия
На курсе рассматриваются основные методы машинного обучения: линейная регрессия, классификатор байеса, деревья решений и др. Помимо этого, затрагиваются базовые вопросы из области нейронных сетей.
Курс “Машинное обучение”
  1. Введение в машинное обучение, метод k-Nearest Neighbors
  2. Метрики в задачах бинарной классификации, классификаторы Байеса
  3. Метод опорных векторов (SVM), предсказание вероятности принадлежности к классу
  4. Линейные модели, задачи регрессии
  5. Решающие деревья, случайный лес, градиентный бустинг
  6. Ансамблевые модели: bagging, boosting, stacking. Эффект переобучения градиентного бустинга
  7. Снижение размерности набора данных, методы решения задачи кластеризации
  8. Решение NLP задач: Named Entity Recognition and text summarization. Часть 1
  9. Решение NLP задач: Named Entity Recognition and text summarization. Часть 2
  10. Подходы к построению рекомендательных систем
Занятия
На курсе рассматриваются основные вопросы, связанные с математической составляющей работы нейронных сетей: матрицы, функции, теория вероятности и другое. Вторая часть курса посвящена темам обработки сигналов и теории графов.
Курс “Базовая математика”
  1. Матрицы и функции
  2. Множества, бинарная логика, комбинаторика
  3. Теория вероятностей и статистика. Часть 1
  4. Теория вероятностей и статистика. Часть 2
  5. Обработка сигналов
Занятия
На курсе рассматриваются алгоритмы теории нейронных сетей: линейной организации, обратного распространения ошибки, алгоритмы обучения. Во второй части курса проводится анализ сверточных и рекуррентных нейронных сетей, а также разбирается принцип работы машины Больцмана и устройство персептрона.
Курс “Глубокая математика”
  1. Введение. Модель нейрона МакКалока-Питца
  2. Алгоритм линейной организации
  3. Метод обратного распространения ошибки
  4. Алгоритмы обучения
  5. Алгоритмы классификации
  6. Методы редукции пространства признаков
  7. Сверточные сети
  8. Проблемы сверточных сетей
  9. Рекуррентные модели и нейронные сети (RNN)
  10. Самоорганизация. Машина Больцмана
Занятия
На курсе рассматриваются продвинутые темы обработки естественного языка, а также инструменты, реализующие дополнительные функции для работы с текстовыми данными. Помимо этого, вы изучите основные аспекты работы генеративных моделей (LeakGan), работу GPT и BERT, построенных на базе текстовых данных.
“Глубокий курс по текстам”
  1. Введение в рекуррентные сети
  2. Embeddings и языковые модели
  3. Gensim, pymorphy
  4. Углубление в рекуррентные сети
  5. Сверточные сети
  6. Seq2Seq
  7. Преобразование изображений в текст и наоборот
  8. Механизм attention
  9. Transformers
  10. Sentence extraction
  11. LeakGan
  12. GPT и BERT
Занятия
На курсе разбираются основные аспекты языка DSP, основные способы/подходы к написанию «классических» нейронных сетей для решения аудио-задач, таких как: классификация, оценка геометрии помещения, speech-to-text и др.
“Глубокий курс по аудио”
  1. Введение. Цифровая обработка сигналов
  2. Применение генетических методов для построения параллельных биквадратных фильтров в задаче системной идентификации
  3. Адаптивные фильтры
  4. Слепая дереверберация аудиосигналов
  5. Разделение аудиосигналов
  6. Продвинутая классификация аудиожанров
  7. Архитектуры нейронный сетей на примере DeepSpeech (SpeechToText )
  8. Синтез речи (TextToSpeech)
  9. Geometry Estimation. Оценка геометрии помещения по звуку
  10. Генерация музыки
Занятия
Курс познакомит вас с основными методами генной инженерии, применяемыми в лабораторной практике. Вы поднимете качество знаний на новый уровень и сможете заниматься синтезом генетических конструкций.
Курс “Генная инженерия”
  1. Строение ДНК и РНК, пуриновые и пиримидиновые основания, комплементарность
  2. Основная догма молекулярной биологии, современное состояние. Строение гена
  3. Транскрипция и трансляция. Генетический код, синтез белков. Сборка мРНК, некодирующие РНК
  4. Выделение ДНК, способы работы с ДНК. PCR. Ферменты для работы с ДНК
  5. Понятие генетического вектора. Плазмидные векторы, фаговые векторы, вирусные векторы. Клонирование
  6. Строение клетки. Особенности строения клетки у эукариот, прокариот, грибов. Митоз и мейоз, строение хромосом. Хроматин. Гетерохроматин и эухроматин. Повторы, теломеры
  7. Трансфекция и трансформация. Методы изменения ДНК в клетке. Агробактериальная трансформация. Создание стабильно-экспрессирующих клеточных линий. Новые вирусы и бактерии
  8. Введение в протеомику. Строение белков, вторичная и третичная структура белков. Антитела. Методы иммунохимии
  9. Секвенирование ДНК. Методы NGS
  10. РНК-интерференция. Лекарства нового поколения на основе некодирующих РНК. Система CRISPR\Cas9. Генная терапия
Занятия
Подробный онлайн-курс, разработанный специалистами Университета, который расскажет вам основы нейронных сетей и их реализацию на Terra AI. Terra AI - сервис Университета искусственного интеллекта, который позволяет создавать нейросети без единой строчки кода. Вы научитесь решать задачи классификации, оценки табличных данных, обнаружения объектов и др.
Курс “Terra AI”
  1. Введение в AI. Сверточные слои
  2. Параметры обучения нейронных сетей. Создание datasets
  3. Обработка текстов на Terra AI
  4. Работа с табличными данными. Обработка аудио
  5. Сегментация изображений. Сегментация текста. Прогнозирование временных рядов
  6. Object Detection
  7. Object detection на изображениях
  8. Object Detection на видео
  9. Распознавание и генерация речи. Каскады в сегментации
  10. Генеративные сети. Deploy нейронных сетей на собственный сервер
Занятия
Сборник дополнительных мастер-классов и вебинаров на абсолютно разные темы, связанные с искусственным интеллектом. От рекомендательных систем до библиотек Python для создания игр.
ДОПОЛНИТЕЛЬНЫЕ ЗАНЯТИЯ
  1. Регулярные выражения
  2. Применение библиотеки OpenCV
  3. YOLOv5
  4. Генераторы в Python
  5. Frontend разработка для создания web-интерфейсов
  6. Размеры выходных данных слоев в KERAS
Мастер-классы
Вебинары
  1. Разбор кроссплатформенной библиотеки «Tkinter»
  2. Разбор кроссплатформенной библиотеки pyAutoGUI
  3. Интерактивная визуализация данных с помощью библиотеки Plotly
  4. Библиотеки Python для создания игр
  5. Реализация моделей нейронных сетей через ООП
  6. Распознавание текста с изображения
  7. Реализация custom callbacks в Keras
  8. Слой timedistributed layer для классификации действия по видео.
  9. Pyinstall
  10. Рекомендательные системы
  11. Реализация трекинга с помощью НС
  12. PyTorch3D
  13. ResNet без нормализации, разбор научной статьи NFNets
  14. Визуальная обработка документации с помощью нейронных сетей
  15. Парсинг данных с сайта при помощи библиотеки Selenium
  16. Image Super-Resolution с использованием GAN
  17. Пишем на Python: калькулятор и игра
  18. Детская голосовая раскраска
  19. Углубленный разбор сверточного слоя Conv2D
Каждый этап всей образовательной программы Университета искусственного интеллекта связан с практикой
За время обучения вы создадите более 40 различных нейронок
40
Практика
AI проект
Напишите свой нейросетевой проект
Стажировка
Пройдете стажировку в крупной компании
Нейронок
В результате обучения на курсе “Data Science и нейронные сети” вы изучите самый актуальный контент по AI и получите опыт применения ваших знаний на реальной практике