Общеуниверситетские факультативы ИКТ

На факультативе Анализ социальных медиа на языке Python мы будем изучать методы анализа текстовых постов из социальных сетей. В начале курса будут даны ответы на вопросы откуда брать готовые данные и как собрать свою базу данных постов из социальных сетей. Основное содержание курса направлено на изучение основ машинного обучения, а именно методов обработки данных, визуализации, классификации и пр. На факультативе мы будем решать одну глобальную задачу – определять популярность поста в социальной сети. Занятия будут проходить в формате лекций, где я буду рассказывать теорию и показывать практику в готовом коде – это позволит даже начинающим программистам написать свою программу. Практические занятие будут проходить в виде группового решений поставленных задач и получения обратной связи от преподавателя. Факультатив обещает быть интересным, динамичным и при этом легкий! Приходите и получите новые знания!

Пререквизиты: Знания начального уровня языка Python

Трудоёмкость: 32 ак.ч.

Формат: Онлайн

Тематический план

Отзывы студентов:

• Анастасия Александровна, спасибо Вам большое! Получился очень интересный курс, в котором я много чему научился. Вас очень приятно слушать, потому что Вы всегда подготовлены к занятию и свободно ориентируетесь в материале. Надеюсь, что  будут и другие курсы по python, на которые я с радостью запишусь.
• Спасибо за факультатив! Мне, как человеку, который до этого практически не программировал, было понятно и интересно
• Искренне благодарю за факультатив, я узнал много новой информации, попробовал себя в роли аналитика текстовых данных. Проекты с факультатива послужили прекрасным дополнением к портфолио работ.
• Прекрасный опыт посещения факультатива, интересные занятия и полезные задания, очень классная командная игра перед зачётом (хотя она могла быть чуть сложнее), с удовольствием посещал бы занятия на следующий год в магистратуре, если таковые будут иметь место.
• Прекрасный факультатив, где могут почерпнуть что-то новое, как начинающие, так и опытные специалисты. Были преподаны интересные и необходимые материалы, в которых заинтересованный студент мог по наводке преподавателя самостоятельно разобраться более углубленно.

Анастасия Александровна Двойникова

nastya.yal@yandex.ru

Хотели бы генерировать музыку с помощью искусственного интеллекта? А создавать музыкальные системы для автоматической обработки музыкальных данных? Если хотя бы раз ответил "да", присоединяйся к этому факультативу. Computational musicology - междисциплинарная наука об анализе и исследовании музыки с помощью вычислительных методов и алгоритмов, а Music Data Mining -- это область на пересечении вычислительного музыковедения и Data Mining. То есть на курсе мы на практике будем применять методы Data Mining к музыке и находить закономерности :) 

Пререквизиты: Основы программирования на Python, основы высшей и прикладной математики

Трудоёмкость: 32 ак.ч.

Формат: Онлайн

Тематический план

• Спасибо Кириллу Игоревичу за расширение моего кругозора и мотивацию изучать машинное обучение и самое главное - мотивацию изучать вычислительное музыковедение
• Спасибо за хороший курс по по нейронкам. Расширяйте курс, очень было интересно, а если он будет еще больше, то это нереально полезные знания!

Кирилл Игоревич Абросимов

abrosimov.kirill.1999@mail.ru

Учимся использовать уже существующие чат-боты на базе ИИ для исследований и образования — без
потери качества текстового содержания и с сохранением академической этики!
Ожидается, что делегирование стандартных рабочих задач ИИ-помощникам в ближайшее время станет типовой практикой даже для специалистов вне сферы IT. Работа с ИИ-сервисами не требует навыков программирования, а базовые представления о них помогут любому начинающему специалисту. Курс рассчитан на формат практикума, в рамках которого обучающиеся научатся применению ИИ-сервисов для решения типовых научных и/или учебных задач (составления текстовых отчетов и презентаций).

Пререквизиты: Базовое представление о существовании ИИ-сервисов, навыки поиска научной информации, навыки критического анализа информации, английский язык (уровень В2 и выше)

Трудоёмкость: 16 ак.ч.

Формат: Очный

Тематический план

Дмитрий Андреевич Синев

sinev@itmo.ru