Выберите своё направление
Основы искусственного интеллекта
Всестороннее введение в теорию и практику ИИ. Программа охватывает историю дисциплины, ключевые алгоритмы поиска и оптимизации, базовые принципы машинного обучения, современные применения и этические аспекты разработки интеллектуальных систем.
Для кого: Менеджеры, аналитики, специалисты смежных областей, не имеющие технического бэкграунда в ИИ
Машинное обучение на практике
Систематический курс по методологии построения и оценки ML-моделей. Охватывает надзорное и ненадзорное обучение, регрессионные и классификационные задачи, ансамблевые методы (Random Forest, Gradient Boosting), кластеризацию и принципы feature engineering.
Для кого: Data analysts, software engineers, исследователи с базовыми знаниями Python и математической статистики
Обработка естественного языка (NLP)
Углублённое изучение современных NLP-технологий: от классических методов (TF-IDF, Word2Vec) до трансформерных архитектур. Детальный разбор BERT, GPT и T5, методы fine-tuning, оценка качества языковых моделей и их производственное применение.
Для кого: ML-инженеры и исследователи с опытом в глубоком обучении и базовыми знаниями PyTorch/TensorFlow
Компьютерное зрение и анализ изображений
Полноценное введение в Computer Vision: свёрточные нейронные сети (CNN), архитектуры ResNet, EfficientNet и Vision Transformer, задачи обнаружения и сегментации объектов, применение в медицинской диагностике, автономных системах и промышленном контроле.
Для кого: ML-практики и инженеры компьютерного зрения, знакомые с основами глубокого обучения