Искусственный интеллект в коммуникациях

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс обязательный

Когда читается:

4-й курс, 2 модуль

Преподаватели

Анисимова Ксения Михайловна

Еременко Дмитрий Игоревич

Камская Милена Александровна

Касьяненко Дарья Алексеевна

Программа дисциплины

Аннотация

Курс знакомит студентов с актуальными инструментами генеративного искусственного интеллекта и промпт-инжиниринга, позволяя овладеть навыками интеграции ИИ в профессиональные коммуникационные задачи и академические исследования. Программа сочетает практику работы с ведущими ИИ-сервисами, охватывая генерацию медиатекстов, сбор и анализ научной литературы, визуализацию данных, настройку RAG-пайплайнов, создание презентаций и видео. Особое внимание уделяется этическим стандартам, фактчекингу, профессиональной атрибуции и вопросам ответственности при использовании ИИ-контента.

Цель освоения дисциплины

• Формирование у студентов целостного понимания основ искусственного интеллекта и его роли в современных коммуникациях
• Развитие навыков практического применения инструментов ИИ для создания эффективных коммуникационных материалов
• Освоение этических норм и правовых аспектов, связанных с использованием ИИ в сфере коммуникаций

Планируемые результаты обучения

• Понимает, что такое данные, что такое большие данные
• Объясняет основные принципы работы искусственного интеллекта
• Воспроизводить основные этические нормы, связанные с использованием ИИ
• Анализировать правовые аспекты авторского права в контексте генерации контента с помощью ИИ
• Применяет продвинутые практики формирование промптов и цепочек запросов к LLM
• Проектировать и разрабатывать актуальные RAG компоненты
• Формулировать промпты и эффективно взаимодействовать с большими языковыми моделями
• Эффективно осуществляет поиск научной литературы с применением ИИ
• Составляет презентации с помощью ИИ
• Создает визуализации с помощью ИИ
• Создает изображения и видео с помощью ИИ

Содержание учебной дисциплины

• Устройство искусственного интеллекта
• Этика и авторские права при работе с инструментами ИИ
• Промптинг для создания текстов
• Сбор научной литературы и анализ с помощью ИИ-инструментов
• Анализ больших данных средствами генеративного ИИ
• RAG-пайплайны
• Презентации и визуализация с помощью ИИ
• Изображения и видео, созданные ИИ

Элементы контроля

• Тест 1. Устройство искусственного интеллекта
• Тест 2. Этические и юридические аспекты использования генеративного ИИ
• Домашнее задание-1
  Обязательные компоненты матрицы промптов: Промпты для генерации следующих разделов ВКР: Аннотация Введение Постановка гипотезы Формулировка исследовательских вопросов Определение объекта и предмета исследования
• Домашнее задание-2
  Создание обзора литературы для ВКР с помощью ИИ-инструментов
• Итоговый проект
  Итоговый проект Вариант 1. Комплексная коммуникационная стратегия для IT-стартапа Цель: Разработать полноценный медиакоммуникационный пакет для вымышленного IT-стартапа, используя ИИ-инструменты по всей цепочке работы. Структура работы: Краткое описание стартапа: Миссия, целевая аудитория, ценностное предложение (1–2 абзаца). Генерация медиатекстов с помощью ИИ: Статья для медиа о продукте или рынке (с разными промпт-методами). Серия постов для соцсетей под разные платформы (например, ВКонтакте, Telegram, YouTube) — с настройкой стилистики под ЦА. Пресс-релиз: что, для кого, зачем — варианты под оригинал и адаптацию для партнеров. Анализ рынка конкурентов: Сбор статистической, аналитической, исторической информации о рынке. Визуализации по наборам данных: Создание инфографики об аудитории, динамике рынка, собранной аналитике. RAG-пайплайн для чат-бота: Цепочка документоцентричного чат-бота (на основе документов о стартапе/FAQ) Сценарии обращений и обработок запросов. ИИ-презентация: Оформление ключевых идей, скриншоты с примерами материалов и визуализаций, структура коммуникационной стратегии. Вариант 2. Предзащита ВКР Цель: Подготовить базовые разделы ВКР с максимальной автоматизацией аналитики и поиска, используя ИИ-технологии. Структура работы: Аннотация: Сформулировать короткое описание темы и актуальности работы (5-8 предложений). Введение: Прописать цель, задачи, объект/предмет исследования; пояснить профессиональную и научную значимость. Постановка гипотезы и задач: Ясно обозначить гипотезу ВКР и минимум три исследовательские задачи. Подбор литературы с помощью ИИ: Поиск не менее 30 релевантных научных источников через Perplexity, Elicit, Connected Papers, Scite. Составление кратких аннотаций к 3-5 источникам, автоматизированная визуализация их цитирования. RAG-пайплайн для научной литературы: Сбор ключевых текстов в локальную базу, настройка пайплайна извлечения знаний: поиск по документам с помощью LM Studio/AI Studio. Создание обзора литературы. Анализ данных для ВКР: Пример автоматизированного анализа данных (текстового, медийного или статистики). Финальная презентация: Структурированная презентация ключевых этапов проделанной работы: формулировки, визуализации, пулы данных, примеры взаимодействия с ИИ.

Промежуточная аттестация

• 2025/2026 2nd module
  0.15 * Домашнее задание-1 + 0.15 * Домашнее задание-2 + 0.5 * Итоговый проект + 0.1 * Тест 1. Устройство искусственного интеллекта + 0.1 * Тест 2. Этические и юридические аспекты использования генеративного ИИ

Список литературы

Рекомендуемая основная литература

• 9780262344319 - Aoun, Joseph - Robot-Proof : Higher Education in the Age of Artificial Intelligence - 2017 - MIT Press - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1580073 - nlebk - 1580073
• Alexis Bogroff, & Dominique Guégan. (2019). Artificial Intelligence, Data, Ethics: An Holistic Approach for Risks and Regulation. Documents de Travail Du Centre d’Economie de La Sorbonne.
• Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, 61(4), 5–14. https://doi.org/10.1177/0008125619864925
• Osondu, O. (2021). A First Course in Artificial Intelligence. Bentham Science Publishers Ltd.
• Sheil, B. (1987). Thinking about artificial intelligence. Harvard Business Review, 65(4), 91–97.
• Макшанов, А. В. Большие данные. Big Data / А. В. Макшанов, А. Е. Журавлев, Л. Н. Тындыкарь. — 4-е изд., стер. — Санкт-Петербург : Лань, 2024. — 188 с. — ISBN 978-5-507-47346-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/362318 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Struhl, S. M. (2017). Artificial Intelligence Marketing and Predicting Consumer Choice : An Overview of Tools and Techniques. London: Kogan Page. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1494508

Авторы

• Касьяненко Дарья Алексеевна
• Коваленко Надежда Николаевна
• Рословцева Кристина Олеговна
• Королева Анастасия Романовна