• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2026/2027

Основы искусственного интеллекта и анализа генеративных моделей

ID 1136912

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

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

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

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

Элементы контроля

  • неблокирующий Тестирование по материалам лекций
    Короткие тесты по материалам занятий: 10 вопросов на 10 минут — 9 закрытых и 1 открытый.
  • неблокирующий Активность на семинарских занятиях
  • неблокирующий Домашнее задание № 1
    Практическое задание по работе с табличными данными: базовые операции с данными с помощью библиотеки pandas, визуализация с помощью matplotlib.
  • неблокирующий Домашнее задание № 2
    Практическое задание по машинному обучению на выбор: линейная регрессия, классификация или кластеризация.
  • неблокирующий Публичное выступление
    Индивидуальное выступление по одной из предложенных тем курса продолжительностью 5 минут с последующими ответами на вопросы в течение 10 минут.
Промежуточная аттестация

Промежуточная аттестация

  • 2026/2027 2nd module
    0.15 * 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

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).

Авторы

  • Ходачек Александр Михайлович
  • Беббукина Надежда Викторовна
  • Кайсарова Валентина Петровна