Пройдите обучение в Финансовом университете при Правительстве Российской Федерации и станьте самым востребованным специалистом на IT рынке!
Вы сможете узнать о новых цифровых компетенциях, возможностях ИИ, освоить инструменты и технологии в области анализа поведения человека и получить базовые знания в сфере генеративного искусственного интеллекта.
256
часов
ДИПЛОМ
о профессиональной переподготовке
Получите
Навыки и компетенции
Анализ и разработка архитектуры программной системы
Анализ архитектурных решений
Тестирование систем искусственного интеллекта
Работа с современными нейросетями
Работы с программной системой и обеспечением
Сбор, анализ и обработка данных под программное обеспечение
Процесс, стадии и методологии разработки решений на основе ИИ с использованием больших языковых моделей.
1 модуль
Визуальное описание данных в работе архитектора данных. Проверка целостности. Проектирование интерфейса пользователя данных.
2 модуль
Выбор инструментария ML архитектором данных: сравнение возможностей, ограничений и особенностей российских и зарубежных решений.
3 модуль
Архитектор поведенческих данных: проверка соответствия архитектуры ИИ-решений, связанных с аналитикой поведения пользователей.
4 модуль
Датацентричное машинное обучение: новый инструментарий архитектора данных.
5 модуль
Учебныйплан
Введение в искусственный интеллект и большие языковые модели
Процесс и методологии разработки решений на основе ИИ
Введение в генеративный ИИ и его роль в управлении архитектурой ИИ-системы
Процесс разработки архитектурного решения ИИ-системы с использованием генеративного ИИ
Контроль реализации и испытаний, сопровождение эксплуатации программной системы с использованием генеративного ИИ
Грамматика графики. Коммуникация идей пропорции и неопределенности стейкхолдерам ИИ-решения
Архитектура дашбордов при визуализации идей времени и центральной тенденции
Продвинутые идеи в визуализации данных для архитектора данных
Библиотека CatBoost (Яндекс)
Основные сведения и особенности работы TensorFlow/Keras
Библиотека ETNA (Тинькофф): анализ данных, машинное обучение в ETNA
Введение в анализ поведенческих данных. Анализ реализованной программной системы с использованием причинно-следственной аналитики
Причинно-следственные диаграммы: построение и уточнение для анализа поведенческих данных
Экспериментальный дизайн и продвинутый инструментарий анализа поведенческих данных
Проверка и согласование запросов на изменения программной системы с точки зрения архитектуры
Инновации в теории искусственного интеллекта и BigData: методы улучшения качества моделей машинного обучения на BigData с помощью систематической обработки данных
Алгоритм confident learning и лучшие практики сбора разметки данных
Датацентричная оценка моделей машинного обучения: поиск и устранение проблем. Продвинутые способы повышения качества данных
Проблемы обучения моделей машинного обучения: неравновесие классов, выбросы и сдвиг распределения
Интерпретируемость в датацентричном машинном обучении
Кодирование человеческих знаний в машинное обучение через аугментацию данных и инженерию запросов
Диденко Александр Сергеевич
Экономист, советник ректора Финансового университета при Правительстве РФ, директор бизнес-инкубатора
Международная школа бизнеса
Более 15 лет мы открываем новые горизонты для тех, кто выбрал путь познания, самосовершенствования и развития корпоративного бизнеса или собственного дела. Создание программ обусловлено актуальностью реализации возможностей Финуниверситета в бизнес-образовании, особенно в международных программах и программе для глобальной экономики. Цель - формирование лидеров в бизнесе, используя опыт, связи и знания университета.