Программа обучения Нейронные сети и машинное зрение
1 Этап: Введение в ИИ
Время прохождения : 2 месяца
Содержание:
Результат:
1. Освоение основ искусственного интеллекта (ИИ), понимание ключевых концепций и терминологии
2. Знакомство с основными направлениями ИИ и его историей
3. Получение навыков работы с Google Colab для выполнения практических задач
Знакомство и работа с Google Colab
- Задание: "Знакомство и работа с Google Colab"
История и развитие ИИ
- Задание: "История и развитие ИИ"
Основные концепции и терминология ИИ
- Задание: "Основные концепции и терминология ИИ"
Обратная связь
Содержание:
Время прохождения : 1 месяц
Видео-инструкция, как выполнять домашнюю работу
- Задание: Практическое задание на Google Colab
Нейронные сети и глубокое обучение
- Задание: "Нейронные сети и глубокое обучение"
2 Этап: Машинное обучение и ИИ
Основы машинного обучения
- Задание: "Основы машинного обучения"
Обучение с учителем и без учителя
- Задание: "Обучение с учителем и без учителя"
Практика:
1. Домашние задания по основам машинного обучения и глубокого обучения
Практика:
1. Домашние задания для закрепления теории и работы с Google Colab
Обзор основных направлений ИИ
- Задание: "Обзор основных направлений ИИ"
Результат:
1. Понимание принципов машинного обучения и его применения
2. Знание различий между обучением с учителем, без учителя и с подкреплением
3. Понимание основ нейронных сетей и глубокого обучения
Обучение с подкреплением
- Задание: "Обучение с подкреплением"
Этап 3. Оценка качества и тюнинг моделей
Содержание:
Время прохождения: 1 месяц
Метрики и методы оценки качества моделей
1. Понимание метрик оценки качества моделей
2. Умение настраивать гиперпараметры и бороться с переобучением
Результат:
3. Знание методов ансамблирования моделей для улучшения точности
Гиперпараметры и их настройка
Борьба с переобучением и недообучением
Практика:
1. Проект по настройке модели и оценке ее качества
Ансамблирование моделей
Этап 4. Обработка естественного языка (NLP)
Содержание:
Время прохождения: 2 месяца
1. Освоение базовых методов обработки естественного языка (NLP)
2. Понимание принципов синтаксического и семантического анализа, машинного перевода и генерации текста
Результат:
Основы обработки естественного языка (NLP)
Синтаксический и семантический анализ
Машинный перевод и генерация текста
Чат-боты и виртуальные ассистенты
Практика:
1. Проект по созданию NLP-модели для обработки текста
Этап 5. Проекты и приложения ИИ
Содержание:
Время прохождения: 2 месяца
1. Понимание применения ИИ в реальных проектах и разных отраслях
2. Изучение этических и социальных аспектов применения ИИ
Результат:
Разработка проектов на базе ИИ
ИИ в играх и виртуальной реальности
ИИ в здравоохранении и биоинформатике
Этические и социальные аспекты ИИ
Практика:
1. Проект на базе ИИ с акцентом на практическое применение в различных отраслях
Будущее ИИ – это вы
Этап 6. GPT-модели и другие прикладные инструменты
Содержание:
Время прохождения: 2 месяца
1. Умение работать с языковыми моделями GPT и генеративными инструментами, такими как Kandinsky и Suno
2. Понимание перспектив развития генеративных моделей и их применения
Результат:
Введение в генеративные модели и их применение
Работа с ChatGPT и другими языковыми моделями GPT
- Задание: "Работа с ChatGPT"
Kandinsky – генерация изображений на основе текста
- Задание: "Создание изображений с Kandinsky"
GigaChat – российский аналог GPT
- Задание: "Работа с GigaChat"
Практика:
1. Проекты на основе GPT, генерация текста, изображений и музыки
Suno – генерация звука и музыки на основе текста
- Задание: "Создание музыки с Suno"
Интеграция и совместное использование моделей GPT, Kandinsky, GigaChat, Suno
- Задание: "Создание мультимедийного проекта с использованием нескольких моделей"
Перспективы развития генеративных моделей и их применение в будущем
