Кто читает:: Школа коммуникаций

Статус:: Курс обязательный

Когда читается:: 2-й курс, 1, 2 модуль

Преподаватель

Попов Марк Раилевич

Дополнительные материалы в LMS Задать вопрос

Аннотация

В результате успешного освоения курса студенты освоят практические навыки самостоятельного создания алгоритмов и моделей на базе глубокого обучения. Курс составлен таким образом, что изначально предполагает у студентов обязательное наличие хороших навыков владения Python, твердое понимание основ линейной алгебры, высшей математики, теории вероятности и теоретической базы машинного обучения. В курсе сделан акцент на практических аспектах работы DS специалиста (специалиста в области науки о данных, data science) — на разработке и модификации алгоритмов глубокого обучения, а также корректном применении готовых инструментов. Материалы курса охватывают типовой цикл задач проекта в области глубокого обучения на примерах прикладных маркетинговых и коммуникационных проектов.

Цель освоения дисциплины

Целью освоения дисциплины является получение знаний области искусственного интеллекта и практических навыков в: постановке задач, корректном выборе метрик, подготовке данных, обучении и валидации моделей, основных аспектах масштабирования и технического мониторинга моделей.

Планируемые результаты обучения

Формулирует основные принципы работы рекомендательных сервисов, анализирует возможности и ограничения применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
Формулирует основные принципы подготовки и проверки данных для обучения моделей
Правильно использует бизнес-метрики и метрики работы моделей при постановке задачи глубокого обучения; интерпретирует метрики моделей и бизнес-метрики при валидации моделей
Создает и использует актуальные алгоритмы глубокого обучения с учетом их возможностей и ограничений.
Создает MVP продуктов на базе ИИ в коммуникациях

Содержание учебной дисциплины

Введение в теоретическую часть и базовые определения Deep Learning (глубокого обучения)
Бизнес анализ и выбор метрик
Работа с данными
Обучение и валидация моделей
- Рекомендательные системы и прогнозирование потребления
Крупные языковые (LLM), мультимодальные модели и агентские системы.
Работа с текстом (NLP).

Элементы контроля

Домашнее задание № 2
Учащимся необходимо модифицировать существующий алгоритм, разобранный на семинаре в рамках данного курса.
Аудиторная работа
Домашнее задание № 1
Групповой проект

Промежуточная аттестация

2026/2027 2nd module
0.25 * Домашнее задание № 1 + 0.25 * Групповой проект + 0.25 * Аудиторная работа + 0.25 * Домашнее задание № 2

Список литературы

Авторы

Попов Марк Раилевич
Грызунова Елена Аркадьевна

Магистерская программа «Цифровые коммуникации и продуктовая аналитика»

Контакты:

Скачать презентацию программы

Искусственный интеллект в маркетинге и коммуникациях

Преподаватель

Программа дисциплины