Основы искусственного интеллекта для прикладных задач организации
Повышение квалификации
Основы искусственного интеллекта для прикладных задач организации
Формат обучения:Курс
Направление:Искусственный интеллект, управление данными
Форма обучения:Заочная
Продолжительность:24 ак. ч.
Документ об образовании:Удостоверение о ПК
Срок действия документа об образовании:Бессрочно
О программе
Программа направлена на формирование у слушателей системного представления об основах искусственного интеллекта и возможностях его применения при решении прикладных задач в организациях различного профиля. Курс знакомит с базовыми принципами функционирования интеллектуальных систем, основными подходами к обработке данных, логикой построения нейросетевых алгоритмов, а также с ключевыми аспектами постановки задач и подготовки данных для внедрения ИИ-решений.
Содержание программы ориентировано на слушателей, которым необходимо получить не только общее представление о современных технологиях искусственного интеллекта, но и практико-ориентированную основу для их последующего использования в профессиональной деятельности. Особое внимание уделяется вопросам корректной постановки задач, оценки применимости ИИ-инструментов, а также пониманию организационных и технологических условий их внедрения.
Программа предназначена для специалистов, участвующих в управленческих, административных, аналитических, медицинских, инженерных и организационных процессах и заинтересованных в повышении уровня компетенций в области современных интеллектуальных технологий.
Для кого: для сотрудников администраций, медицинских учреждений, строительных и производственных организаций, которым нужно понимать, как применять инструменты ИИ в рабочих процессах и как готовить данные и задачи для внедрения ИИ-решений.
Подход к обучению
Программа построена на сочетании теоретической подготовки, анализа прикладных примеров и выполнения практических заданий. Такая структура позволяет слушателям последовательно освоить ключевые понятия искусственного интеллекта, принципы работы с данными и основные подходы к разработке и оценке ИИ-решений.
В процессе обучения рассматриваются основы машинного обучения, особенности подготовки данных для интеллектуальных систем, базовые архитектуры нейросетей, возможности генеративных моделей и ИИ-агентов, а также примеры использования таких решений в профессиональной среде.
Программа ориентирована на формирование у слушателей целостного понимания того, каким образом технологии искусственного интеллекта могут быть интегрированы в деятельность организации — от этапа постановки задачи и подготовки данных до этапа оценки эффективности и практического применения результатов.
Образовательные блоки программы
Принципы построения систем машинного обучения
Объем часов:4 ак. ч.
Формат обучения:онлайн
Навыки:понимание базовых принципов искусственного интеллекта и машинного обучения, представление о ключевых алгоритмах обучения нейросетей, умение анализировать ограничения и допущения прикладных вычислительных моделей
Слушатели знакомятся с основными этапами развития технологий искусственного интеллекта, изучают фундаментальные понятия, лежащие в основе машинного обучения, и разбираются в логике построения интеллектуальных систем. В рамках блока рассматриваются понятие интеллекта, история появления математической модели нейрона, развитие вычислительных методов, а также базовые алгоритмы обучения, включая градиентный спуск и алгоритм обратного распространения ошибки. Отдельное внимание уделяется особенностям прикладных моделей, используемых для решения реальных профессиональных задач, их упрощениям и ограничениям.
Темы блока
Тема 1.1. Основы информатики и предыстория создания «искусственного интеллекта»
Содержание
Определение понятия интеллекта. Краткая история появления математической модели нейрона. Обзор развития прикладных вычислительных методов в основе машинного обучения. Основные характеристики интеллектуальных задач.
Тема 1.2. Основы информатики и алгоритмики искусственного интеллекта
Содержание:
Обзор развития алгоритмов для нейросетей и иных алгоритмов для машинного обучения. Понятие алгоритма градиентного спуска для прикладных вычислительных систем. Понятие алгоритма «обратного распространения ошибки» (back propagation) для обучения нейросетей. Упрощения и допуски в моделях для прикладных вычислительных и интеллектуальных задач.
Промежуточная аттестация
Работа с данными для обработки ИИ
Объем часов:7 ак. ч.
Формат обучения:онлайн
Навыки:понимание требований к данным для ИИ-систем, базовая подготовка данных для прикладных задач, представление о работе полносвязных и сверточных архитектур, первичные навыки анализа и структурирования различных типов данных
Слушатели изучают подходы к подготовке и организации данных для задач искусственного интеллекта, знакомятся с форматами файлов, принципами управления данными и требованиями к исходным наборам данных. В рамках блока рассматриваются особенности работы с текстовыми, графическими, аудио- и видеоданными, а также базовые архитектуры нейросетей, применяемые для классификации изображений и других прикладных задач. Практическая часть включает подготовку данных, разбор принципов обработки информации полносвязными и сверточными слоями, а также знакомство с задачами распознавания изображений, анализа аудио- и видеоданных и прогнозирования временных рядов
Темы блока
Тема 2.1. Подготовка данных и обзор архитектур нейросетей
Содержание:
Форматы файлов и управление данными. Требования к исходному набору данных. Разбор функции полносвязных и сверточных слоев для классификации изображений (Computer Vision).
Тема 2.2. Подготовка данных для обработки ИИ в прикладных проектах: административных, медицинских, строительных и других
Содержание:
Требования к исходному набору медицинских данных. Особенности работы со специальными профессиональными текстовыми, графическими, аудио и видео данными. Разбор функции полносвязных и сверточных слоев для классификации изображений (Computer Vision).
Промежуточная аттестация
Разбор действующих ИИ-решений, разработанных для реальных задач
Объем часов:12 ак. ч.
Формат обучения:онлайн
Навыки:понимание областей применения современных ИИ-решений, анализ прикладных кейсов, оценка эффективности ИИ-проектов, представление о возможностях генеративных моделей и ИИ-агентов в профессиональной среде
Слушатели знакомятся с действующими ИИ-решениями, применяемыми для обработки и классификации изображений, распознавания объектов, генерации текстов, изображений, аудио и видео, а также для решения задач анализа данных в различных профессиональных областях. В рамках блока рассматриваются примеры использования генеративных моделей, больших языковых моделей и ИИ-агентов, а также разбираются подходы к постановке задач и оценке эффективности ИИ-проектов. Практическая часть включает анализ реальных кейсов, связанных с обработкой изображений, медицинских данных и данных строительных проектов, что позволяет слушателям увидеть особенности внедрения интеллектуальных технологий в прикладную деятельность организаций
Темы блока
Тема 3.1 ИИ-проекты для обработки и классификации изображений
Содержание
ИИ-проекты:
1. Обработка и классификация изображений (ВК, СБЕР, ГИБДД РФ, НИИТО…)
2. Обработки и распознавания предметов и людей (Мэрия Москвы, КАМАЗ, TESLA, Магнит)
Тема 3.2 Модели генеративного ИИ и области их применения
Содержание
1. Анализ работы моделей генерации изображений, аудио и видео по текстовым подсказкам (промптам) (DALL-E, MIDJOURNEY, Кандинский, SUNO и другие).
2. Обзор функционала ИИ для обработки и генерации гипертекста, метаданных и программного кода в больших языковых моделях (Яндекс, ГигаЧАТ, GOOGLE, ChatGPT, CLAUDE Sonet, DeepSeek, Qwen, Perplexity)
Тема 3.3 ИИ-агенты, области их применения и перспективы развития
Содержание
Анализ методов постановки и решения задач в малых и средних ИИ-проектах.
Обзор ИИ-проектов обработки данных при проектировании производств, логистических центров, городской среды и наукоградов (ИЦ ИИ НГУ, Решения MTC, Omniverse от NVIDIA).
Вопросы координации новых проектов, управления командой разработки, вертикальной и горизонтальной интеграции ИИ-решений в проекты.
Промежуточная аттестация
Итоговая аттестация
Матрица компетенций
01
Основы искусственного интеллекта и машинного обучения
Слушатели получат базовое представление о современных технологиях искусственного интеллекта, принципах работы систем машинного обучения и логике построения интеллектуальных решений. Освоят ключевые понятия и смогут уверенно ориентироваться в базовой терминологии ИИ.
02
Постановка задач для ИИ-проектов
Слушатели научатся определять задачи, для которых применение искусственного интеллекта может быть целесообразным, и переводить их в формат, пригодный для дальнейшей разработки ИИ-решения. Поймут, на что важно обращать внимание на этапе планирования проекта.
03
Подготовка и структурирование данных
Слушатели изучат требования к исходным данным, познакомятся с принципами их отбора, подготовки и структурирования. Поймут, как качество данных влияет на результат работы ИИ-моделей и какие подходы используются при работе с текстовыми, графическими, аудио- и видеоданными.
04
Базовые архитектуры нейросетей
Слушатели познакомятся с основными архитектурами нейросетей, применяемыми в прикладных задачах, и поймут общую логику их использования. Разберутся в назначении полносвязных и сверточных слоев и смогут соотносить тип задачи с подходящим вычислительным подходом.
05
Генеративный ИИ и большие языковые модели
Слушатели изучат возможности современных генеративных моделей и больших языковых моделей для работы с текстом, изображениями, аудио, видео и программным кодом. Поймут, какие задачи могут решаться с их помощью и какие ограничения важно учитывать при использовании таких инструментов.
06
Оценка применимости ИИ в организации
Слушатели научатся анализировать возможности внедрения искусственного интеллекта в рабочие процессы с учетом специфики организации, доступных данных и имеющихся ресурсов. Смогут более обоснованно оценивать, где использование ИИ действительно может дать практический результат.
07
Риски и ограничения внедрения ИИ
Слушатели познакомятся с основными рисками, связанными с внедрением ИИ-решений, включая вопросы качества данных, информационной безопасности, интеграции с существующей инфраструктурой и организационной готовности. Это позволит им более реалистично подходить к использованию интеллектуальных технологий в профессиональной среде.
08
Анализ реальных ИИ-решений
Слушатели получат представление о действующих ИИ-проектах в административной, медицинской, строительной и других прикладных сферах. Научатся анализировать реальные кейсы и понимать, каким образом интеллектуальные технологии применяются в практике организаций.
Остались вопросы?
Для кого предназначен курс
Программа предназначена для широкой аудитории слушателей, которые хотят освоить основы искусственного интеллекта и понять, как современные ИИ-инструменты могут использоваться в профессиональной деятельности и внедряться в работу организации.
Курс подойдёт всем, кому важно получить базовое представление о принципах работы ИИ, научиться видеть его прикладные возможности и ограничения, разобраться в вопросах постановки задач, подготовки данных и практического применения технологий в рабочих процессах.
Сотрудники административных и управленческих структур
Программа адресована специалистам региональных и муниципальных органов, а также сотрудникам административных, общественных и деловых организаций, участвующим в принятии и сопровождении управленческих решений.
Сотрудники медицинских организаций
Курс подойдет руководителям медицинских учреждений, врачам, среднему медицинскому персоналу и специалистам, работающим с медицинскими данными, цифровыми сервисами и организационными процессами в сфере здравоохранения.
Инженерно-технические специалисты и сотрудники строительной сферы
Программа ориентирована на технических директоров, инженеров, сотрудников ПТО, специалистов по строительно-монтажным работам, охране труда, закупкам и другим направлениям, связанным с обработкой профессиональных данных и внедрением цифровых решений.
Шаги поступления
Шаг 1
Оставьте заявку и заполните заявление
Шаг 2
Отправьте пакет документов на d.soloveva@nsu.ru
Шаг 3
Осваивайте курс в удобном темпе онлайн
Шаг 4
Получите удостоверение (электронное — сразу, оригинал — за 30 дней)
Отзывы на наши программы
Левковский Артëм Валерьевич
Численное моделирование процессов теплообмена в ANSYS Fluent
5
Это был именно тот курс, который я искал! Сложные аспекты работы в Ansys Fluent объяснялись на удивление простым и понятным языком. Ни один мой вопрос не остался без внимания — преподаватель был на связи и всегда помогал преодолеть трудности. Мои навыки работы с Fluent вышли на совершенно новый уровень. Ожидания не просто оправданы, а превышены! Огромная благодарность создателям и преподавателю!
Основы химии для специалистов нехимического профиля
5
добрый день! курс хороший, очень приятная преподаватель Шуваракова Екатерина Игоревна, все хорошо объяснено на курсе. хотелось бы продолжения таких курсов)) химия- интересная наука!
Хороший курс для тех, кто хотел бы вновь познакомиться с основами химии, но при этом помнит только базовые вещи из школы (да и то не все). Всё обучение идёт в LMSке, есть и теория (предзаписанные лекции по 15-20 минут) и практика (причём как онлайн-тесты, так и пошаговое решение типовых задач по теме с разбором — на последних рекомендую на каждом шаге сперва ставить видео на паузу и пытаться решить самостоятельно, подглядывая в конспект). Сами темы (а всего их 6) рассказываются простым языком, хотя иногда и бывало ощущение, что сжато слишком сильно. В целом мне, как довольно далёкому от химии человеку, курс понравился)
Курс отлично подойдёт как для инженеров и проектировщиков, так и для руководителей строительных компаний, которые хотят понимать, как ИИ может повысить эффективность, снизить издержки и минимизировать ошибки на всех этапах жизненного цикла строительного проекта.
Благодарю за возможность бесплатно впитать знания по моделированию теплообмена в Ansys Fluent. Прекрасная и доступная подача материала от Маркеловой Т.В.. Все понравилось, Спасибо!
Курс в качестве вводного в данную отрасль инженерных изысканий весьма годный. Приобрел базовые знания, необходимые для дальнейшего изучения как вычислительного комплекса в частном, так вычислительной гидродинамики в общем. Выражаю благодарность преподавателю Тамаре Валерьевне.
Применение искусственного интеллекта в химических технологиях
5
Очень полезный курс, облегчает рутинную работу по обработке изображений со сканирующего электронного микроскопа. Буду применять полученные знания при анализе данных с SEM для угля (поры, минералы, трещины). Спасибо большое за Ваши старания.
Благодарю за возможность прохождения данного курса! Несмотря на большое количество разной информации и видео в интернете, именно здесь я нашла все необходимое и достаточное для осознанного и пошагового освоения базовых процессов расчета реагирующих потоков. Это действительно тот самый "фундамент", на котором можно уверенно начать освоение основных шагов моделирования процессов, а также гарантированно расширить круг своих компетенций новой областью знаний. Большое спасибо!
Благодарю за возможность обучения! Полезный материал для студентов-химиков и специалистов области. Прекрасный преподаватель - Маркелова Тамара Валерьевна, подача материала понятная, видео сопровождаются презентациями, практические задания интересные и разнообразные. Во время обучения можно было обратиться со всеми возникающими вопросами как по заданиям, так и для решения организационных моментов.
Численное моделирование процессов теплообмена в ANSYS Fluent
4
Хороший курс, благодаря которому я систематизировал свои знания при решении задач моделирования теплообмена. Великолепно подготовлены видеолекции. Практическая работа – решение тепловых задач выполняется непосредственно в среде Ansys Fluent. Материалы доступны круглосуточно, можно заниматься в любое удобное время. Спасибо!
Численное моделирование процессов теплообмена в ANSYS Fluent
5
Интересный подход к обучению, доступность использования не только на компьютере, но и в телефоне позволяют изучать материал в любое время.
Практические работы, как элемент промежуточной аттестации, обеспечивают качественное закрепление полученных навыков.
Численное моделирование процессов теплообмена в ANSYS Fluent
4
В июле 2025 года проходил обучение на курсе по моделированию процессов теплообмена в CFD-пакете Ansys Fluent. Обучение по этому курсу - отличная возможность восстановить либо приобрести знания в области основ тепловых и тепломассообменных процессов, а также получить необходимые базовые навыки работы в программном комплексе Ansys Fluent. Цель поступления на курс обучения - получить необходимые навыки для дальнейшего моделирования тепловых процессов в нефтегазовой сфере, в задачах прогрева нефтяного пласта. Благодарю преподавателей курса за полученные знания, надеюсь на дальнейшее сотрудничество.
Численное моделирование процессов теплообмена в ANSYS Fluent
5
Курс помог улучшить навыки владения продуктом Ansys Fluent. Материал довели полно и понятно, объяснили сложные темы простым языком. Преподаватель всегда на связи, помогает решать трудности, возникающие по мере прохождения курса. Курс полностью оправдал ожидание, большое спасибо!
Я бы хотела написать благодарность за данный курс и преподавателям, и организаторам. Курс сделан очень качественно и понятно. Как раз необходимо было разобраться как работает string и cytoscape. Раньше приходилось искать обучающие ролики на ютубе и они все почти на английском языке или на других языках,что затрудняло усвоение материала. В курсе все понятно,структурированно и я нахожусь под приятным впечатлением,потому что последние пройденные мной курсы от других организаций оставили разочарование от организации до подачи материалов в области биоинформатики. Желаю Вам еще реализовать новые и классные проекты в области биоинформатки и не только.
Копия диплома о высшем/среднем профессиональном образовании или справка об обучении;
Копия документа, подтверждающего трудоустройство обучающегося (копия трудового договора/трудовой книжки/выписка из трудовой книжки) - при наличии;
Заявление/согласие на обработку персональных данных.
Справка об обучении (для студентов)
Подать заявку на обучение
Сведения об образовательной организации
Полное наименование:
Федеральное государственное автономное образовательное учреждение высшего образования «Новосибирский национальный исследовательский государственный университет»
Сокращенное наименование:
Новосибирский государственный университет, НГУ
Лицензия на осуществление образовательной деятельности
Как оформить социальный налоговый вычет на обучение
Налоговый вычет за обучение могут получить налоговые резиденты РФ, которые работают в России и платят НДФЛ по ставке 13%
Налоговый вычет — это сумма, которая вычитается из общего дохода, облагаемого налогом (НДФЛ), и именно с этой суммы можно вернуть 13%.
Получить вычет можно за свое обучение или обучение своих детей, подопечных, братьев или сестёр. Оплата за супруга не дает права на вычет, хотя при лечении в этом случае налог возвращают
Оформить вычет за текущий год можно у работодателя, а за предыдущие годы — в налоговой инспекции, подав декларацию 3-НДФЛ
Контакты
г. Новосибирск, Академгородок, ул. Пирогова, 2, уч.-лаб. корпус, каб. 205а
Дарья Соловьева, специалист отдела дополнительного профессионального образования
Мы используем файлы cookies для улучшения работы сайта. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies. Вы можете изменить соответствующие настройки в Вашем браузере.
г. Новосибирск, Академгородок, ул. Пирогова, 2, уч.-лаб. корпус, каб. 205а
Дарья Соловьева, специалист отдела дополнительного профессионального образования
