• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Искусственный интеллект в медиапланировании

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс по выбору
Когда читается:
1-й курс, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

В результате успешного освоения курса студенты будут: • знать ключевые векторы развития медиаиндустрии; основных поставщиков ПО, обучающих данных и участников экосистемы искусственного интеллекта; ключевые принципы работы рекомендательных сервисов, систем реального времени и искусственного интеллекта; • уметь использовать современные технологии для медиапланирования и управления рекламными кампаниями; • владеть навыками работы с обучающими данными; навыками анализа применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины "Искусственный интеллект в медиапланировании" являются обучение студентов знаниям в области искусственного интеллекта и навыкам использования современных инструментов и технологий для медиапланирования и управления рекламными кампаниями.
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеет инструментами извлечения знаний из медиаконтента для задач рекламодателей.
  • Владеет навыками работы с обучающими данными, понимает, где и как можно собрать данные, какие открытые источники данных существуют, как выбрать подходящие данные из открытых источников, в каком объеме данные нужны для решения конкретной задачи. Понимает основные принципы передачи знаний, знает, где можно взять предобученную модель и как адаптировать к своим задачам.
  • Знает ключевые векторы развития медиаиндустрии, как искусственный интеллект и большие данные создают новый ландшафт медиакоммуникаций; основных поставщиков ПО, обучающих данных и участников экосистемы искусственного интеллекта. Понимает основные принципы работы искусственного интеллекта, знает основные отличия от методов математической статистики и традиционных подходов к анализу и прогнозированию.
  • Понимает основные принципы работы рекомендательных сервисов, владеет навыками анализа применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
  • Понимает основные принципы работы инструментов для обработки естественного языка NLP. Использует современные технологии с учетом их возможностей и ограничений.
  • Понимает основные принципы работы инструментов для обработки видео и аудио контента. Использует современные технологии с учетом их возможностей и ограничений.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в теоретическую часть и базовые определения
  • Обучающие данные и передача знаний.
  • Рекомендательные системы и прогнозирование потребления.
  • Инструменты обработки и анализа видео и аудио контента.
  • Инструменты обработки естественного языка NLP.
  • Актуальные тренды развития.
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
  • неблокирующий Домашнее задание № 1
  • неблокирующий Домашнее задание № 2
  • неблокирующий Групповой проект
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 4 модуль
    0.25 * Аудиторная работа + 0.25 * Групповой проект + 0.25 * Домашнее задание № 1 + 0.25 * Домашнее задание № 2
Список литературы

Список литературы

Рекомендуемая основная литература

  • Manouselis, N., Drachsler, H., Verbert, K., Duval, E. Recommender Systems for Learning. – Springer, 2013. – ЭБС Books 24x7.

Рекомендуемая дополнительная литература

  • Deep learning, Goodfellow, I., 2016