course language
course duration
for credit at your university
В настоящее время тематика искусственного интеллекта (ИИ) находится в пиковой точке своего развития благодаря применению уникальных технологий ИИ во многих сферах человеческой деятельности. Использование методов ИИ в широком спектре научных исследований стало уже привычной реальностью. Благодаря освоению новых технологий, ученые разных областей науки получают возможность продуктивно анализировать данные большого объема и эффективно решать исследовательские задачи, на что ранее либо было бы затрачено несоизмеримо большее количество времени и других ресурсов, либо это было просто нереально. В нашем курсе будет рассмотрены основные направления ИИ как перспективного раздела науки о данных: методы интеллектуального анализа больших данных, методы машинного обучения, методы представления и первичной обработки данных. Будут разъяснены основные термины, возможности и ограничения рассмотренных технологий, проанализированы типы решаемых задач и примеры применения методов ИИ в научных исследованиях и иных сферах человеческой деятельности.
Форма обучения заочная (дистанционная).
Еженедельные занятия будут включать просмотр тематических видео-лекций и выполнение тестовых заданий с автоматизированной проверкой результатов.
В открытом доступе вы можете ознакомиться с видеолекциями первых двух недель, остальные материалы станут доступны после оплаты курса.
Курс является общеобразовательным, и рассчитан на широкую аудиторию слушателей.
Тема №1. Введение в тематику курса. Основные термины и понятия. Методы искусственного интеллекта в научных исследованиях: возможности применения и современные тенденции.
Тема №2. Искусственный интеллект и наука о данных. Большие данные в современном мире: новые вызовы, новые задачи и новые решения. Применение методов искусственного интеллекта как реализация концепции нового научного знания.
Тема №3. Машинное обучение как одно из важнейших направлений развития технологий ИИ. Основные концепции и модели.
Тема №4. Машинное обучение: методы, алгоритмы и сферы применения (распознавание изображений, текста, речи и др.). Плюсы и минусы методов машинного обучения.
Тема №5. Основные модели и алгоритмы ИИ в обработке текстовой информации в масштабных социальных научных исследованиях и приложениях.
Тема №6. Алгоритмы обработки больших текстовых данных. Основные методы работы с текстовыми документами.
Тема №7. Рекомендательные системы как пример широко применяемых технологий ИИ.
Тема №8. Искусственный интеллект в решении практико-ориентированных научных и прикладных задач. Анализ частых предметных наборов.
Тема №9. Кластеризация обрабатываемых данных как фундаментальная задача науки о данных. Методы кластеризации как реализация концепции «обучение без учителя».
Тема №10. Проблемы использования искусственного интеллекта в научно-образовательной сфере.
Тема №11. Перспективы развития использования искусственного интеллекта в научных исследованиях.
Тема №12. Проблемы и перспективы цифровизации в России.
В результате изучения дисциплины у студентов формируются следующие компетенции:
ОПК-1 (02.03.02 Фундаментальная информатика и информационные технологии). Способен использовать базовые знания естественных наук, математики и информатики, основные факты, концепции, принципы теорий, связанных с фундаментальной информатикой и информационными технологиями;
ОПК-4 (02.03.02 Фундаментальная информатика и информационные технологии). Способен решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности;
ОПК-4 (02.04.02 Фундаментальная информатика и информационные технологии). Способен оптимальным образом комбинировать существующие информационно-коммуникационные технологии для решения задач в области профессиональной деятельности с учетом требований информационной безопасности;
Почтовый адрес: 119234, Москва, Ломоносовский пр. д. 27 корп. 1, комната Г-729
Телефон: +7 (495) 938-21-39
Емейл тех.поддержки: support@distant.msu.ru
course language
course duration
for credit at your university
Кандидат экономических наук, доцент
Position: доцент кафедры демографии Высшей школы современных социальных наук МГУ имени М.В.Ломоносова
Кандидат биологических наук, доцент
Position: доцент кафедры глобальных социальных процессов и работы с молодежью факультета глобальных процессов МГУ имени М.В.Ломоносова
Кандидат педагогических наук, доцент
Position: доцент кафедры математической логики и теории алгоритмов механико-математического факультета МГУ имени М.В.Ломоносова
Кандидат физико-математических наук, доцент
Position: доцент кафедры теоретической информатики механико-математического факультета МГУ имени М.В.Ломоносова
Position: Научный сотрудник факультета глобальных процессов МГУ имени М.В.Ломоносова