Инженер-архитектор в сфере искусственного интеллекта
Погрузитесь в роль архитектора ИИ-сервисов с применением возможностей больших языковых моделей. Вы сможете:
- дообучать нейросети
- готовить свои данные для систем с ИИ
- строить архитектуру данных
- использовать большие языковые модели для автоматизации и улучшения процессов в различных отраслях.
Старт
27 апреля
Длительность
8 месяцев
Стоимость
Документ
диплом о профессиональной переподготовке
На курсе вы познакомитесь с классическими моделями машинного обучения
Разберем на примерах из отраслей, как использовать возможности машинного обучения
- есть лекции, которые будут особенно полезны слушателям, имеющим отношение к химической промышленности
- медицине
- производству композитных материалов
Разберем на примерах из отраслей, как использовать возможности машинного обучения
Инженер-архитектор в области искусственного интеллекта
Профессия будущего, которую вы можете освоить уже сейчас.
Вы будете разрабатывать архитектуру систем искусственного интеллекта. Вы сможете создавать архитектурные решения, с помощью которых можно будет интегрировать конкретные инструменты ИИ в бизнес-процессы. Что в дальнейшем скажется на их оптимизации.
Также вы научитесь проводить мониторинг моделей с ИИ, то есть непрерывно отслеживать качество системы.
По итогам курса у вас будет готовый проект с моделью машинного обучения или нейронных сетей.
Это востребованная профессия. Благодаря работе инженеров-архитекторов в области ИИ, компании смогут усовершенствовать свои процессы, а значит, вывести работу организации на новый уровень.
Вы будете разрабатывать архитектуру систем искусственного интеллекта. Вы сможете создавать архитектурные решения, с помощью которых можно будет интегрировать конкретные инструменты ИИ в бизнес-процессы. Что в дальнейшем скажется на их оптимизации.
Также вы научитесь проводить мониторинг моделей с ИИ, то есть непрерывно отслеживать качество системы.
По итогам курса у вас будет готовый проект с моделью машинного обучения или нейронных сетей.
Это востребованная профессия. Благодаря работе инженеров-архитекторов в области ИИ, компании смогут усовершенствовать свои процессы, а значит, вывести работу организации на новый уровень.
Курс подходит для:
- Вы учитесь на ИТ-специальности и у вас уже есть навыки программирования – вы идеально подходите. Главное – ваше желание и обучение по ИТ-направлению на последнем курсе.
- Вы закончили вуз по ИТ-специальности – подавайте заявку на обучение и получайте востребованную профессию будущего. Вы повысите свою квалификацию, приобретете новые навыки.
- У вас есть базовые навыки программирования, но нет диплома по ИТ-специальности. Проходите программу, чтобы лучше разбираться в роли архитектора ИИ и глубже изучить возможности дата-инженерии. Вы сможете пройти обучение на платной основе за 120 000 рублей. Обучение также возможно в рассрочку.
Оставить заявку на обучение
Оставить заявку на обучение
Оставить заявку на обучение
Чему вы научитесь
- Проводить А/Б тестирование (A/B)
- Рассчитывать статистические показатели
- Формировать гипотезы и тестировать на контрольной группе
- Обучать и настраивать нейросети
- Строить архитектуры данных
- Применять архитектурные паттерны для систем, которые используют методы машинного обучения/ML-системы
- Внедрять современные архитектуры для работы с данными из баз, текстом и изображениями
- Развертывать модели ИИ как сервис
- Писать на языке структурированных запросов/ SQL-запросы
- на создание, удаление таблиц, вставку и обновление данных
- на выборку с соединением нескольких таблиц, создание внешних ключей в таблицах
- написание индексов к таблицам и тестирование метрик производительности/Explain analyse
Цель запросов: научиться работать с данными, чтобы качественно загрузить их в модель ИИ - Работать с моделями машинного обучения/ML-модели
- задача линейной/множественной линейной регрессии
- задача классификации
- задача кластеризации
- задача логистической регрессии
- Применять основы Пайтон/Python для работы с моделями ИИ и большими языковыми, а также использовать функциональное программирование в Пайтон/Python
Программа курса
Оставь свои контакты и мы вышлем примеры заданий заданий курса
Узнать примеры заданий на курсе
Введение в роль Архитектора ИИ
SQL. PostgreSQL
Промежуточная аттестация
- Кто такой архитектор в области искусственного интеллекта
- Линейная алгебра: векторы, матрицы, операции
- Математическая статистика для анализа данных
- Построение гипотез. A/B тестирование. Автотестирование гипотез
- Сбор требований к моделям машинного обучения
SQL. PostgreSQL
- Язык запросов SQL. Реляционная модель данных
- Нормализация модели данных до 3 НФ
- Язык запросов SQL. Основные конструкции. Агрегация
- Язык запросов SQL. Операторы соединения. Оконные функции
- Язык запросов SQL. Индексация. Нагрузочное тестирование
- CTI / EAV / Data Vault
- OLAP. Модели Снежинка и Звезда. Витрины данных
- Виртуальные таблицы. Материализованные представления
- Триггеры
- Функциональный язык программирования PL/pgSQL
Промежуточная аттестация
Python
Промежуточная аттестация
- Введение в Python. Основные конструкции и операторы
- Типы данных, функции, ошибки
- Основные библиотеки: Numpy
- Основные библиотеки: Pandas
- Основные библиотеки: MatplotLib / Seaborn
- Понятия ООП: наследование, инкапсуляция, полиморфизм
- Работа с итераторами и генераторами
- Функциональное программирование в Python
- Многопоточность в Python
- Git контроль версий
- Работа с РСУБД. PostgreSQL / MySQL + pandas
- Работа с декораторами, контекстными менеджерами
- Метапрограммирование
- Тестирование кода. Unit тесты
- Фреймворки Flask и FastAPI
- Работа с Web scraping
Промежуточная аттестация
Классический ML
Нейронные сети и Deep Learning
Промежуточная аттестация
- Введение в классический ML. Метрики
- Задача линейной регрессии / множественной линейной регрессии
- Задача полиномиальной регрессии
- Задача классификации
- Задача кластеризации
- Задача логистической регрессии
- Алгоритм SVM / Decision Tree
- Ансамбли. Random Forest. Gradient boosting
Нейронные сети и Deep Learning
- Нейронные сети. Backpropagation. Глубокое обучение
- PyTorch
- Введение в NLP. Рекуррентные нейросети
- Эмбединги. Word2Vec, Glove.
- Трансформеры. Attention. Модели BERT, GPT
- LLM: обучение, стоимость, этика, хостинг
- Fine-tuning: Full, LoRA, QLoRA
- SLM (Small LM)
- Retrieval-Augmented Generation (RAG)
- ML в химии: SMILES, молекулярные графы, RDKit, датасеты
- Введение в Computer Vision. CNN
- Архитектуры нейронных сетей для Computer Vision: ResNet, VGG
Промежуточная аттестация
Дата Инженерия
Микросервисная архитектура
Версионирование и размещение моделей
Промежуточная аттестация
Итоговая аттестация
- Построение архитектуры данных
- Транспортный слой данных (Kafka / Pulsar)
- Сбор данных. Логические слои данных.
- Качество данных в рамках потоковых и batch данных
- Каталогизатор данных
Микросервисная архитектура
- Виртуализация. Облачные ресурсы.
- Контейнеризация микросервиса. Docker
- Архитектурные паттерны для ML-систем
- Docker Compose и масштабирование
- Kubernetes. Контейнеризация
Версионирование и размещение моделей
- Жизненный цикл ML-модели
- Feature каталог. Инструмент MLFlow. CI/CD/CT
- AutoML. Развертывание модели ИИ как сервис
Промежуточная аттестация
Итоговая аттестация
Оставь свои контакты и мы вышлем примеры заданий заданий курса
Узнать примеры заданий на курсе
Преподаватели
-
Алексей АстаховНаправления: искусственный интеллект, предиктивная аналитика, компьютерное зрение
Инструменты: Python ML, PostgreSQL, NoSQL, Power BI, инструменты бизнес-аналитики- выпускник Университета Иннополис
- направление «Робототехника и компьютерное зрение»
- Опыт работы наставником и преподавателем четыре года
-
Елена КрутскихНаправления: машинное обучение, аналитика данных, обработка естественного языка
Инструменты: Python, Java, VS Code, PostgreSQL, инструменты бизнес-аналитики
Сертификат о повышении квалификации по программе «Передовые инженерные школы» Университета Иннополис- Опыт разработки программного обеспечения – 10 лет
- Опыт преподавания более 5 лет
Формат обучения
Онлайн-лекции с преподавателем до 3 раз в неделю
Никаких предзаписанных видео, только «живые» встречи с экспертом
Поддержка куратора во всех организационных вопросах
Нетворкинг с одногруппниками
Групповые консультации с наставником
Сможете разобрать накопившиеся вопросы по лекционным материалам и домашним заданиям
Документ после окончания курса
Слушателям курса, успешно завершившим обучение, выдается диплом о профессиональной переподготовке установленного образца с занесением в Федеральный реестр сведений о документах об образовании и повышении квалификации.
Оставить заявку на обучение
Узнайте больше о других наших курсах
Единый информационный центр ИДО
Навигатор
Бот