Официальный курс повышения квалификации по искусственному интеллекту и машинному обучению. Изучите learn machine, интеллектуальный анализ данных, аналитику данных и основные технологии ИИ. Ваши новые навыки за 2 недели. Удостоверение НИЯУ МИФИ.
Акция «Учиться, учиться и еще раз учиться!» До 31 октября приобретите 2 и более программ повышения квалификации МИФИ и получите выгоду за стремление к знаниям!
У вас будет скидка 10% на первый курс, 20% на второй, и так далее. Для получения скидки пишите на openedu@mephi.ru
Стоимость обучения — 65 000 ₽. НДС не облагается. Оплата — единоразово, 100% предоплата.
Что вы получите
Как начать учиться
Что происходит после подачи заявки
Курс даёт полный цикл работы с данными: от основ программирования на Python и парсинга сайтов до построения предиктивных моделей и нейронных сетей. Вы освоите структуры данных, визуализацию, статистическую обработку и хранение информации в SQL и XML. Изучите парадигму MapReduce и принципы работы с большими данными в Hadoop. На практике разберёте ключевые алгоритмы машинного обучения — от линейной регрессии и деревьев решений до кластеризации, рекомендательных систем и глубокого обучения, — и увидите, как современный ИИ применяется в реальных задачах.
Повышение квалификации, а не «второе высшее». Вам не нужно писать диплом и тратить полгода. Всего 108 академических часов — и вы получаете официальное удостоверение НИЯУ МИФИ. Быстро, конкретно, с фокусом на практику.
Почему удостоверение от МИФИ имеет значение? НИЯУ МИФИ — это ведущий технический университет с мировым именем. Входит в топ-3 технических вузов России, а его выпускники ценятся работодателями из госкорпораций и высокотехнологичных отраслей. Документы о повышении квалификации, выданные университетом, признаются в сфере IT, инженерии и государственном секторе. Удостоверение вносится в реестр ФИС ФРДО.
Сколько времени займёт обучение? Программа включает 108 академических часов. Обучение проходит онлайн, в удобном для слушателя темпе. Как правило, освоение курса занимает от двух до трёх недель. Доступ к материалам сохраняется на весь период сессии.
Кому подойдёт этот курс?: Курс ориентирован на начинающих аналитиков данных, разработчиков и всех, кто хочет войти в сферу Data Science и машинного обучения. Он будет полезен студентам технических специальностей, желающим получить практические навыки программирования на Python, обработки и визуализации данных, а также специалистам, которые хотят освоить современные инструменты работы с большими данными и научиться строить модели машинного и глубокого обучения. Предварительный опыт программирования не требуется — обучение начинается с основ.
Кто вас учит? Курс разработан преподавателями НИЯУ МИФИ — ведущими экспертами в области информационных систем, высшей математики, программирования.
Почему этот курс стоит выбрать? Хотите владеть полным стеком Data Science? Этот курс проведет вас от сбора данных (парсинг) до построения нейросетей и работы с большими данными (MapReduce, Hadoop). Вы изучите не только классический ML, но и когнитивные архитектуры, генетические алгоритмы, обучение с подкреплением. Это не просто очередной курс по Python — это системное погружение в мир технологий ИИ, которое дает навыки, выделяющие вас на фоне других специалистов. Идеально для начинающих аналитиков, разработчиков и учителей, которые хотят вести кружки по Data Science. Преподаватели МИФИ гарантируют академическую глубину и практическую применимость.
Инструменты и технологии, которые вы освоите:
Python: структуры данных (list, set, dict, tuple), работа с файлами, написание парсеров.
Библиотеки визуализации и анализа: Matplotlib, Pandas, NumPy.
Средства парсинга и извлечения web-данных: BeautifulSoup, Requests.
SQL для хранения и запросов к реляционным базам данных.
XML как формат обмена и хранения данных.
Экосистема больших данных: парадигма MapReduce, Hadoop.
Библиотеки машинного обучения: Scikit-learn (LinearRegression, LogisticRegression, DecisionTree, KMeans).
Инструменты глубокого обучения: TensorFlow / Keras (или PyTorch) для построения и обучения нейросетей.
Принципы работы рекомендательных систем и основы обработки больших текстовых данных.
Как устроено обучение:
Все материалы становятся доступны сразу после оплаты. Учитесь в удобное время, без жёсткого графика.
Корпоративным клиентам: Для юридических лиц возможно корпоративное обучение по счёту-оферте. Запрос отправляйте на openedu@mephi.ru с указанием ФИО, должности и организации.
Часть 1. Основы программирования и введение в большие данные
Урок 1. Структуры данных в Python: список, множество, словарь, кортеж
Урок 2. Визуализация данных в Python: графики функций, гистограммы
Урок 3. Введение в статистическую обработку данных. Правило трёх сигм
Урок 4. Хранение данных: использование файлов
Урок 5. Хранение данных: введение в SQL
Урок 6. Хранение данных: введение в XML
Урок 7. Получение больших данных из Интернета: парсинг сайтов в Python
Урок 8. Большие текстовые данные
Урок 9. Введение в большие данные: парадигма MapReduce и Hadoop
Урок 10. На что способен ИИ: обзор современных приложений
Часть 2. Машинное обучение и глубокое обучение
Урок 11. Линейная регрессия
Урок 12. Логистическая регрессия
Урок 13. Деревья решений
Урок 14. К-means: кластеризация на примере цвета
Урок 15. Рекомендательные системы
Урок 16. Введение в нейронные сети
Урок 17. Глубокое обучение и современные ИИ-модели
После курса вы сможете (вот что попадёт в ваше резюме):
Программировать на Python для анализа, обработки, интерпретации и визуализации данных.
Собирать данные из интернета (парсинг сайтов), работать с файлами и базами данных (SQL, XML).
Применять статистические методы: вычислять и интерпретировать средние, дисперсию, стандартное отклонение, выявлять аномалии по правилу трёх сигм.
Классифицировать задачи анализа данных: прогнозирование, классификация, кластеризация, анализ отклонений.
Реализовывать полный цикл анализа: сбор, очистка, оценка качества данных, выбор и построение модели.
Использовать парадигму MapReduce и понимать принципы экосистемы Hadoop для обработки больших массивов информации.
Строить модели машинного обучения: линейная и логистическая регрессия, деревья решений, кластеризация K-means, рекомендательные системы.
Разрабатывать нейронные сети и понимать архитектуры глубокого обучения, ориентироваться в современных трендах и приложениях ИИ.
Что такое «открытие блока»? Это технический факт загрузки страницы с учебным материалом (видео, тест, текст) на Портале.
Неважно, смотрели ли вы видео до конца или отправляли ответы на тест — система фиксирует сам факт открытия страницы.
Процент просмотра отображается в вашем личном кабинете.
Если вы открыли блок, а внутри ничего нет (пустая страница) — сделайте скриншот и сразу сообщите нам на openedu@mephi.ru.
Мы проверим и решим проблему либо по запросу вернем деньги, если проблема на нашей стороне.
Для возврата средств направьте письменное требование на openedu@mephi.ru. Возврат осуществляется в течение 15 рабочих дней.
Как получить удостоверение?
Успешно завершить программу (набрать 60+ баллов из 100 по всем тестам). Документ высылаем на почту в электронном виде. Оригинал — по запросу.
Как быстро я получу удостоверение?
Электронное удостоверение высылаем в течение 30 рабочих дней после успешной проверки прокторинга. Оригинал на бумаге — по вашему запросу; отправим почтой в течение 15 рабочих дней.
Что будет, если я пройду курс очень быстро?
Даже если вы успешно завершите программу за 3–4 дня, доступ к материалам сохранится на весь установленный срок сессии (минимум на 14 дней).
Что такое прокторинг?
Это система видеонаблюдения во время итогового теста. Вы выбираете удобное время, сотрудники МИФИ проверят запись. Это гарантирует, что удостоверение получите именно вы.
Можно ли пересдать тесты?
Да, каждый тест (как промежуточный, так и итоговый) можно пройти 2 раза.
Какие технические требования?
Компьютер с доступом в интернет (от 1 Мбит/с), веб-камера для прокторинга, современный браузер.
Остались вопросы? Напишите нам: openedu@mephi.ru
Обучение ведётся на русском языке. Программа реализуется с применением исключительно электронного обучения и дистанционных образовательных технологий. Все услуги предоставляются в соответствии с публичной офертой.
