Введение в машинное обучение и управление ML‑проектами

Этот курс — для тех, кто хочет:

• Разбираться в машинном обучении и понимать, как оно работает
• Научиться применять ИИ в бизнесе, избегая типичных ошибок
• Управлять ИИ-проектами, выстраивая эффективные команды

Что делает курс особенным?

• Объединяет технические аспекты ML с управленческими подходами
• Дает четкие критерии применимости ИИ для бизнес-задач
• Обучает формированию команд для ИИ-проектов
• Предоставляет структурированный процесс внедрения

Кому подойдет этот курс?

• Руководителям – чтобы принимать обоснованные решения о внедрении ИИ
• Менеджерам проектов – чтобы эффективно управлять ИИ-разработкой
• Предпринимателям – чтобы находить новые возможности для бизнеса
• Аналитикам и специалистам – чтобы глубже понимать технологии и их применение

Форма обучения заочная (дистанционная). Еженедельные занятия будут включать просмотр тематических видеолекций,  изучение дополнительных материалов и выполнение тестовых заданий с автоматизированной проверкой результатов, тестирование по пройденному материалу. Для получения сертификата необходимо выполнить все задания и написать финальный экзамен.

Модуль 1. Введение в искусственный интеллект и машинное обучение

История развития искусственного интеллекта. Основные понятия и задачи машинного обучения. Типы обучения: с учителем, без учителя, с подкреплением. Вероятностная основа машинного обучения: теорема Байеса в ML. Развернутый пример: байесовский вывод для броска монетки.

Модуль 2. Управление проектом в сфере ИИ

Отличия ИИ-проектов от обычных IT-проектов. ИИ. Жизненный цикл ИИ-проекта. От гипотезы к продукту: генерация, проверка и приоритизация. Метрики и KPI для ML-проекта.

Модуль 3. Подготовка описания проекта

Паспорт проекта и его составные части. Описание процесса, данные, технические требования и эффективность проекта. 

Модуль 4. Обучение с учителем: регрессия и классификация

Линейная регрессия и ее вероятностные основы. Байесовский вывод в линейной регрессии. Классификация: геометрия и порождающие модели. Логистическая регрессия. Наивный Байес и сравнительный анализ классификаторов.

Модуль 5. Порождающие ML-модели в наши дни

Принципы работы нейронных сетей. Основные архитектуры нейросетей. Трансформеры и большие языковые модели (LLM). Масштабирование и дообучение больших языковых моделей. Будущее нейросетей.

Модуль 6. Команда проекта: роли и навыки участников

Ключевые роли в ИИ-проектах. Типовые задачи и требования к специалистам. Поиск и подбор сотрудников. Онбординг и организация командной работы. Гибкие методологии управления проектами.

Вы узнаете:
• Основы искусственного интеллекта и машинного обучения — от базовых алгоритмов до нейросетей
• Современные тренды в ИИ, включая большие языковые модели (LLM) и генеративный ИИ
• Особенности управления ИИ-проектами

Вы научитесь:
• Оценивать, где ИИ даст максимальный эффект
• Грамотно формулировать задачи для ML-моделей
• Формировать команду для ИИ-проектов и управлять процессами разработки

Вы овладеете:
• Методикой создания паспорта ИИ-проекта с четкими бизнес- и техническими требованиями
• Навыками анализа применимости ИИ для решения конкретных бизнес-задач
• Базовыми принципами работы с данными в контексте машинного обучения
• Практическими инструментами управления ИИ-проектами на всех этапах жизненного цикла
• Техниками формирования и координации междисциплинарных команд для ИИ-разработки