Бакалавриат
2026/2027





Основы искусственного интеллекта и анализа генеративных моделей
ID 1136912
Статус:
Курс обязательный (Управление и аналитика в государственном секторе)
Кто читает:
Департамент государственного администрирования
Где читается:
Санкт-Петербургская школа социальных наук
Когда читается:
3-й курс, 2 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Башкова Ксения
Язык:
русский
Кредиты:
3
Контактные часы:
32
Программа дисциплины
Аннотация
Дисциплина формирует у учащихся практико-ориентированное представление о том, как устроены современные технологии искусственного интеллекта и как они применяются в государственном управлении и аналитике.
В курсе последовательно раскрываются: базовые понятия искусственного интеллекта и машинного обучения; методы обучения с учителем и без учителя; принципы работы нейронных сетей; устройство больших языковых и генеративных моделей; этические, правовые и социальные аспекты применения ИИ, включая актуальное российское и зарубежное регулирование; разбор реальных кейсов внедрения ИИ в государственном секторе.
Цель освоения дисциплины
- Формирование у учащихся целостного представления о видах, возможностях и ограничениях технологий искусственного интеллекта и генеративных моделей.
- Освоение базовых понятий и логики машинного обучения.
- Формирование навыка корректной интерпретации результатов работы моделей и оценки их применимости в задачах государственного управления.
- Ознакомление с принципами работы нейронных сетей и больших языковых моделей.
- Развитие критического мышления в отношении рисков, предвзятости и этико-правовых последствий применения ИИ в публичном секторе.
- Формирование представления об актуальной нормативно-правовой рамке регулирования ИИ в России и за рубежом.
Планируемые результаты обучения
- Различает понятия «искусственный интеллект», «машинное обучение» и «генеративный ИИ» объясняет их соотношение
- Объясняет, как модель обучается на данных, что такое признаки, качество и переобучение модели
- Определяет тип прикладной задачи и выбирает подходящий метод её решения
- Объясняет принципы работы нейронных сетей и больших языковых моделей, знает их возможности и типичные ошибки
- Интерпретирует результаты работы моделей и метрики качества, оценивает границы их применимости
- Анализирует этические, правовые и социальные риски применения ИИ, ориентируется в актуальном российском и зарубежном регулировании
- Разбирает реальные кейсы применения ИИ в государственном секторе, аргументированно оценивает их эффективность и риски
Содержание учебной дисциплины
- Введение в искусственный интеллект и машинное обучение
- Обучение с учителем и без учителя
- Нейронные сети
- Языковые модели и генеративный ИИ
- Этика, право и безопасность ИИ
- Кейсы применения искусственного интеллекта
Элементы контроля
- Тестирование по материалам лекцийКороткие тесты по материалам занятий: 10 вопросов на 10 минут — 9 закрытых и 1 открытый.
- Активность на семинарских занятиях
- Домашнее задание № 1Практическое задание по работе с табличными данными: базовые операции с данными с помощью библиотеки pandas, визуализация с помощью matplotlib.
- Домашнее задание № 2Практическое задание по машинному обучению на выбор: линейная регрессия, классификация или кластеризация.
- Публичное выступлениеИндивидуальное выступление по одной из предложенных тем курса продолжительностью 5 минут с последующими ответами на вопросы в течение 10 минут.
Промежуточная аттестация
- 2026/2027 2nd module0.15 * Домашнее задание № 1 + 0.35 * Публичное выступление + 0.1 * Активность на семинарских занятиях + 0.25 * Тестирование по материалам лекций + 0.15 * Домашнее задание № 2
Список литературы
Рекомендуемая основная литература
- Искусственный интеллект и машинное обучение - Митяков Е. С., Шмелева А. Г., Ладынин А. И. - Издательство "Лань" - 978-5-507-51198-3 - 2026 - русский - https://e.lanbook.com/book/507451 - ЛАНЬ - 507451
Рекомендуемая дополнительная литература
- Генеративный искусственный интеллект - Р.Душкин - ДМК Пресс - 9785937003744 - 2025 - русский - https://hse.alpinadigital.ru/document/45389 - Alpina - 45389
- Глубокое обучение и анализ данных. Практическое руководство. - 978-5-9775-1172-8 - Малов Д. А. - 2023 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/products/389629 - 389629 - iBOOKS
- Платонов, А. В. Машинное обучение : учебное пособие для вузов / А. В. Платонов. — 2-е изд. — Москва : Издательство Юрайт, 2026. — 89 с. — (Высшее образование). — ISBN 978-5-534-20732-3. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/589132 (дата обращения: 02.07.2026).