Для кого этот курс?
Для инженеров‑проектировщиков, которые хотят ускорить обработку результатов испытаний и прогнозирование отказов.

Для технологов и производственников, кому нужно анализировать большие объёмы данных с датчиков и камер.

Для руководителей проектов, которым предстоит заказывать или внедрять системы ИИ на производстве.

Для преподавателей инженерных дисциплин, кто хочет обновить свои программы и показать студентам реальные кейсы.

Достаточно иметь высшее или среднее профессиональное образование – углублённого программирования не требуется, все практические задания выполняются на готовых шаблонах кода.

Что вы изучите?
Мы разбили курс на пять модулей, каждый завершается тестом, а итог – защита собственного проекта.

1. Цифровизация и направления ИИ (9 ч)
Познакомитесь с национальной программой «Цифровая экономика», федеральным проектом «Искусственный интеллект». Узнаете, где и как ИИ уже применяется в промышленности, сельском хозяйстве, образовании. Напишете эссе о том, какие технологии ИИ можно внедрить в вашей конкретной работе.

2. Правовые, экономические и психологические аспекты (9 ч)
Разберётесь в «регуляторных песочницах», новых бизнес‑моделях (цифровые платформы, сервисы). Поговорим о страхах цифровизации, ментальных ловушках – почему мы боимся новых технологий и как с этим работать. Это модуль для тех, кто не только внедряет, но и принимает решения.

3. Этапы исследований с методами ИИ (17 ч)
Научитесь готовить данные: форматы, типы переменных, как обрабатывать пропуски, конструировать признаки. Освоите основные классы алгоритмов машинного обучения (с учителем, без учителя, с подкреплением). Поймёте, как настраивать параметры и оценивать качество моделей (accuracy, матрица неточностей, RMSE).
Практика: решите реальную задачу машинного обучения на Python с использованием готовых шаблонов.

4. Компьютерное зрение и обработка естественного языка (18 ч)
Узнаете, как нейросети видят мир: классификация изображений, поиск объектов на фото, распознавание текста. А также как машины «понимают» человеческий язык – токенизация, анализ тональности, извлечение сущностей.
Практика: создадите простое приложение – например, детектор объектов на видео или анализатор отзывов клиентов.

5. Рекомендательные системы и поддержка принятия решений (18 ч)
Разберётесь, как работают рекомендации «умных» полок в интернет‑магазинах. Изучите коллаборативную и контентную фильтрацию, а также системы поддержки решений (СППР) для многокритериального выбора.
Практика: построите рекомендательную систему (фильмы, запчасти, оборудование) или СППР – с возможностью менять параметры и смотреть, как меняется результат.

Итоговая аттестация (1 ч) – защита проекта. Вы выбираете одну из сквозных технологий (компьютерное зрение, NLP, рекомендательные системы), демонстрируете работающий код и объясняете, как это применить в вашей инженерной области.

Как проходит обучение?
Формат: очно‑заочный с применением дистанционных технологий (лекции и консультации онлайн, самостоятельная работа в LMS).

Нагрузка: 72 часа – из них 32 лекции, 8 практических занятий, 32 часа самостоятельной работы. Вы спокойно совмещаете учёбу с работой.

Документ по окончании: удостоверение о повышении квалификации установленного образца.

Подробнее о программе