меню

Модуль Цифровая культура в магистратуре

Раздел

Содержание

Описание модуля

Лекции модуля Цифровая культура позволяют слушателям овладеть компетенциями для использования информационно-коммуникационных технологий, обеспечивающих возможность комфортной жизни в цифровой среде, взаимодействие с обществом и решение цифровых задач в профессиональной деятельности.

Вы научитесь ставить задачи, выбирать алгоритмы для обработки и анализа данных, использовать подходящие технологии для решения этих задач и правильно интерпретировать результат. 

Инструкция о записи

Шаг 1. Активация учетной записи на Национальной платформе «Открытое образование». Ссылка для активации придёт на электронную почту, указанную в Личном кабинете ИСУ, в день начала курса.

Шаг 2. Переход к курсам и обучение.

Смотри подробную Инструкцию о регистрации

Контакты

Адрес:

  • Кронверкский проспект 49, аудитория 420
  • Биржевая линия В.О. 14, аудитории 446-447

Телефон: 8 (812) 607-04-64

E-mail: dc@itmo.ru

Дисциплины

Обработка и анализ данных

Дисциплина “Обработка и анализ данных” направлена на обучение студентов культуре обработки данных, начиная с методов предварительной обработки данных и заканчивая самыми современными методами обработки и анализа данных. Дисциплина состоит из двух курсов.
Курс “Первичная обработка и хранение данных” является обязательным для всех студентов. В этом курсе рассматриваются проблемы предварительной обработки данных, описательная статистика и визуализации данных, временные ряды, а также хранение и анализ данных с помощью реляционных СУБД и NoSQL хранилищ. 

Далее следует выбрать один из нижеуказанных курсов:

  • Курс “Элементы статистической обработки данных” подойдет для студентов, не знакомых с основными понятиями теории вероятностей и/или статистического анализа данных. В курсе рассматриваются типы распределений, характеристики выборки, точечные оценки параметров генеральной совокупности, принципы построения доверительных интервалов, а также проверка статистических гипотез.
  • Курс “Введение в машинное обучение”. Этот курс знакомит с различными типами машинного обучения, показывает, как решать прикладные задачи с помощью методов машинного обучения. Курс посвящен задаче регрессии, а также неокторым подходам к задачам классификации и кластеризации." 

Трудоемкость дисциплины (з.е.) 3    

Форма контроля Экзамен  

Пререквизиты Базовые знания школьной математики, Базовые знания статистики, Базовые навыки работы с компьютером   

Обработка и анализ данных (на английском)

Подробную информацию смотрите здесь Data processing and analysis.

Прикладной искусственный интеллект (базовый уровень)

Дисциплина Прикладной искусственный интеллект (базовый уровень) подойдет студентам, изучившим в первом семестре курс Элементы статистической обработки данных. В рамках дисциплины студенты изучат курс Введение в машинное обучение, который знакомит с видами машинного обучения и демонстрирует практические примеры решения задач при помощи методов машинного обучения. Основное внимание уделяется видам регрессии, задачам классификации и кластеризации. 

В качестве второго курса студенты могут выбрать один из трех курсов по выбору: Искусственный интеллект в профессиональной деятельности, Обработка изображений или Автоматическая обработка текстов.

Курс Искусственный интеллект в профессиональной деятельности демонстрирует применение искусственного интеллекта в различных сферах: безопасности, автоматизации производств, распознавании и синтезе речи, графах знаний, анализе и обработке изображений и текстов. Данный курс не имеет дополнительных пререквезитов, кроме ранее изученных курсов в рамках базовой траектории.

Курс Автоматическая обработка текстов знакомит слушателей с алгоритмами и инструментами для обработки текстов на естественном языке. После краткого введения в историю области будут рассмотрены подходы, работающие с языком на разных уровнях: от токенизации до синтаксического разбора. Основное внимание будет уделено подходам на основе машинного обучения по данным. Данный курс не имеет дополнительных пререквизитов, кроме ранее изученных курсов в рамках базовой траектории. При желании студенты могут выполнить задания на Python.

Курс Обработка изображений знакомит слушателей с основными алгоритмами анализа изображений. Вы узнаете о различных способах цифрового представления изображений, цветовых моделях. Будут рассмотрены следующие преобразования изображений: яркостные, цветовые, пространственная и частотная фильтрации. Вы научитесь сравнивать изображения с помощью локальных и глобальных признаков. Задания курса выполняются только на Python."    

Трудоемкость 3 зачетные единицы  

Форма контроля Экзамен 

Пререквизиты Базовые знания школьной математики, Базовые знания статистики, Базовые навыки работы с компьютером  

Прикладной искусственный интеллект (базовый уровень) (на английском)

Подробную информацию смотрите здесь Applied Artificial Intelligence (basic level)

Прикладной искусственный интеллект (продвинутый уровень)

Дисциплина Прикладной искусственный интеллект (продвинутый уровень) подойдет студентам, изучившим в первом семестре курс Введение в машинное обучение. В рамках дисциплины студенты изучат курс Продвинутое машинное обучение, который затрагивает вопросы снижения размерности набора признаков и методы факторного анализа. Вы узнаете о методе опорных векторов и деревьях принятия решений. Научитесь строить ансамбли моделей и решать задачи многоклассовой классификации. А также задачи, решаемые при помощи обучения с подкреплением.
В качестве второго курса студенты могут выбрать один из трех курсов по выбору: Искусственный интеллект в профессиональной деятельности, Обработка изображений или Автоматическая обработка текстов.

Курс Искусственный интеллект в профессиональной деятельности демонстрирует применение искусственного интеллекта в различных сферах: безопасности, автоматизации производств, распознавании и синтезе речи, графах знаний, анализе и обработке изображений и текстов.

Курс Автоматическая обработка текстов знакомит слушателей с алгоритмами и инструментами для обработки текстов на естественном языке. После краткого введения в историю области будут рассмотрены подходы, работающие с языком на разных уровнях: от токенизации до синтаксического разбора. Основное внимание будет уделено подходам на основе машинного обучения по данным. При желании студенты могут выполнить задания на Python.

Курс Обработка изображений знакомит слушателей с основными алгоритмами анализа изображений. Вы узнаете о различных способах цифрового представления изображений, цветовых моделях. Будут рассмотрены следующие преобразования изображений: яркостные, цветовые, пространственная и частотная фильтрации. Вы научитесь сравнивать изображения с помощью локальных и глобальных признаков. Задания курса выполняются только на Python."    

Трудоемкость 3 зачетные единицы 

Форма контроля Экзамен    

Пререквизиты: В первом семестре был выбран курс Введение в машинное обучение    

Прикладной искусственный интеллект (продвинутый уровень) (на английском)

Подробную информацию смотрите здесь Applied Artificial Intelligence (advanced level)

Команда модуля

Михайлова

Михайлова Елена Георгиевна

доцент, кандидат физико-математических наук, руководитель модуля

Графеева

Графеева Наталья Генриховна

доцент, кандидат физико-математических наук

Егорова

Егорова Ольга Борисовна

кандидат филологических наук

Бойцев

Бойцев Антон Александрович

кандидат физико-математических наук

Волчек

Волчек Дмитрий Геннадьевич

кандидат технических наук

Романов

Романов Алексей Андреевич

кандидат технических наук