Цифровые технологии и искусственный интеллект

Модуль «Цифровые технологии и искусственный интеллект» в бакалавриате для образовательных программ с 2026 года набора.

Если вы поступили до 2026 года, вы продолжаете обучение по прежней программе модуля «Цифровая культура»

Раздел	Содержание
Описание модуля	Модуль призван дать вам умение работать с искусственным интеллектом осмысленно, а не наугад — от инструментов повседневной работы до проектирования автономных агентных систем. Программа построена по принципу спирали: сначала вы учитесь эффективно работать с современными ИИ-моделями и понимать их ограничения, затем осваиваете данные и алгоритмы, лежащие в их основе, а в финале — создаёте собственных ИИ-агентов, способных планировать действия и решать комплексные задачи.
Трудоемкость	5 семестров, по 3 зачетные единицы в семестр
Формат обучения	Смешанный формат. Лонгриды, полезны материалы и гайды на образовательной платформе в удобное время. В каждом семестре предусмотрено 8 очных занятий: лекции-дискуссии, мастер-классы и воркшопы для разбора сложных кейсов и работы с инструментами. По большинству тем можно выбрать Code- или No-code-инструменты.
Менторская поддержка	Каждую дисциплину сопровождает команда менторов: помогает по ходу курса, принимает очные защиты лабораторных работ и дает обратную связь.
Аттестация	Преимущественно в проектном формате — хакатоны, защиты индивидуальных и командных проектов.
Доступ к образовательной платформе	Обучение проходит через образовательную платформу lms.itmo.ru. Курсы находятся в закрытом доступе, не пытайтесь записаться на курс самостоятельно. Доступ предоставляется через некоторое время после закрытия выборности — мы делаем рассылку и публикуем новость.
Контакты	Адрес: Кронверкский проспект, 49, ауд. 2424; Телефон: +7 (812) 480-07-21 E-mail: dc@itmo.ru

Логика модуля
От умения осмысленно пользоваться инструментами — через понимание данных и алгоритмов — к созданию автономных агентных систем.

Дисциплины модуля

Семестр 1. Инструментальные возможности ИИ

Фокус: ИИ как экзоскелет личной эффективности.

Выход за рамки «простого чат-бота». Вы освоите актуальные SOTA-модели для работы с текстом, кодом, изображениями и мультимедиа, научитесь делегировать ИИ многошаговые задачи и собирать базовые сценарии автоматизации. Отдельное внимание — фундаментальным ограничениям моделей: галлюцинациям, предвзятости, контекстному окну, вопросам безопасности и этике использования генеративного ИИ.

Сегодня это: продвинутый промпт-инжиниринг, ИИ-поиск (Perplexity, Google AI, Yandex AI), генеративный текст и код (ChatGPT, Copilot), генерация изображений (Midjourney, Stable Diffusion, Kandinsky), голос и мультимедиа (ElevenLabs, Suno, Runway), базовая автоматизация задач студента.

Трудоемкость: 3 з.е. | Язык: русский | Форма контроля: зачет

Семестр 2. Данные как основа ИИ

Фокус: культура обращения с данными как с сырьем для любых решений.

Где искать данные, как их извлекать, очищать, структурировать, хранить и представлять. Работа с открытыми датасетами и API, обработка табличных данных, реляционные и документные базы, оценка распределений и выбросов. Визуализация и сторителлинг на данных. Отдельный блок — применение ИИ-агентов при обработке данных.

Сегодня это: Kaggle и открытые API, Python/Pandas или No-code-альтернативы, SQL (PostgreSQL) и NoSQL (MongoDB), BI-системы, Matplotlib/Seaborn, инфографика и дашборды.

Трудоемкость: 3 з.е. | Язык: русский | Форма контроля: зачет

Семестр 3. Классические методы машинного обучения и основы нейронных сетей

Фокус: математический и алгоритмический аппарат современного ИИ.

Логика алгоритмов «под капотом»: обучение с учителем и без учителя, регрессия и регуляризация, классификация и кластеризация, понижение размерности, байесовский вывод. Метрики качества и оценка надежности моделей, понимание причинно-следственных связей в данных. Знакомство с базовыми архитектурами нейронных сетей.

Сегодня это: регрессия, логистическая регрессия, кластеризация, ансамбли (XGBoost, CatBoost), метрики Precision/Recall и ROC-AUC, перцептрон, CNN, RNN, механизм Attention, LoRA. Доступны как Code-, так и визуальные No-code-интерфейсы (Orange, SMILE).

Трудоемкость: 3 з.е. | Язык: русский | Форма контроля: зачет

Семестр 4. Архитектуры современного ИИ и человек

Фокус: распаковка «черного ящика», верификация и безопасность.

Применение современных генеративных и аналитических систем к сложным данным — тексту, изображениям, видео. Как устроены трансформеры и диффузионные модели, как управлять генерацией и как проверять результат. Интерпретируемость нейросетей, борьба с галлюцинациями, этика и защита от ИИ-угроз.

Сегодня это: глубокое обучение, механизмы внимания и архитектура Transformer, диффузионные модели, работа со скрытым пространством и управляемая генерация, методы интерпретируемости (SHAP, LIME), дипфейки, авторское право, adversarial-атаки.

Трудоемкость: 3 з.е. | Язык: русский | Форма контроля: зачет

Семестр 5. AI-lifestyle: агентные системы

Фокус: от чат-бота к цифровому сотруднику.

Переход от единичных сессий взаимодействия с ИИ к проектированию автономных агентов, способных планировать действия, хранить память, пользоваться инструментами и взаимодействовать друг с другом. Семестр завершается разработкой собственного ИИ-агента.

Сегодня это: когнитивные архитектуры и парадигма ReAct, планирование и самоверификация агентов, память и персонализация (RAG, векторные базы), мультиагентные системы и оркестровка (LangChain, LangGraph, CrewAI, AutoGen), No-code-платформы (Dify, Coze, Flowise), интеграция с внешним миром через API (Make, Zapier, Streamlit).

В этом семестре доступна фокусировка на одном из направлений:

Трек 1. Агентные системы — универсальный трек: проектирование, память, оркестровка, интеграция агентов в личную и рабочую экосистему.
Трек 2. Агентные системы + компьютерное зрение — агенты, работающие с визуальными данными.
Трек 3. Агентные системы + обработка естественного языка — агенты, работающие с текстом и языком.

Итоговый проект: командная разработка ИИ-агента, решающего реальную задачу, с презентацией и peer review.

Трудоемкость: 3 з.е. | Язык: русский | Форма контроля: зачет (проектная защита)