Кто читает:: Институт развития креативных индустрий

Статус:: Курс обязательный

Когда читается:: 1-й курс, 2 модуль

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс знакомит студентов с генеративными нейросетями как инструментами креативной практики и вводит в основы алгоритмической графики. В первом модуле рассматриваются принципы работы генеративных моделей, актуальные нейросетевые сервисы, основы промпт-дизайна, этические аспекты и построение рабочих пайплайнов с использованием нейросетевых утилит. Во втором модуле студенты осваивают базовые конструкции программирования на Python, работу с массивами данных (NumPy, Pandas), а также язык Processing для создания генеративной и интерактивной графики, фракталов и инфографики. На выходе курс связывает нейросетевую генерацию и алгоритмическое мышление в единую творческую практику.

Цель освоения дисциплины

Дать представление о принципах работы генеративных нейросетей и сценариях их применения в креативных индустриях. Научить использовать нейросетевые инструменты для генерации изображений, иллюстраций и вспомогательных утилит в рабочем процессе. Сформировать основы алгоритмического мышления и программирования на Python для работы с данными и визуальными структурами. Познакомить с инструментами алгоритмической графики (Processing) и связать код, данные и нейросети в целостный творческий пайплайн.

Планируемые результаты обучения

Понимать принципы работы генеративных нейросетей.
Подбирать инструменты под задачи креативных индустрий
Формулировать эффективные промпты.
Проектировать и настраивать рабочие пайплайны с нейросетевыми утилитами.
Писать базовый код на Python для работы с массивами данных и визуализацией.
Создавать генеративную и интерактивную графику в Processing и готовить завершённые визуальные проекты.

Содержание учебной дисциплины

Генерация простых изображений и основы промпт-дизайна
Объектно-ориентированное проектирование
Генерация иллюстраций
Нейросеть как инструмент художника
Нейросетевые утилиты
Построение пайплайна
Что такое программирование
Введение в конструкции Python: функции, циклы и др. Фракталы
Списки и матрицы. Библиотека Numpy
Обработка данных и визуализация. Библиотека Pandas. Инфографика
Processing и генеративное искусство
Введение в нейросети. Что такое PyTorch/TensorFlow
Компьютерное зрение
Нейросети для генерации текста
Генеративные сети для изображений. Stable Diffusion. Стилизуем видео
Дообучаем Stable Diffusion. Используем пред-обученные стилизованные сети
Применение ИИ для создания профессиональной биографии
Построение личного бренда с помощью нейросетей
Медиапланирование с ИИ и инструментами анализа
Основы контент-маркетинга и использование нейронных сетей для эффективного взаимодействия с онлайн-сообществами
Создание SEO-контента и его дистрибуция через авторитетные для поисковых систем площадки
Разработка контента с учетом актуальных новостей и трендов. Обзор инструментов тренд-анализа
Применение холодных продаж в контексте интернет-маркетинга: использование ИИ для формирования эффективных диалоговых сценариев
Продвижение визуального контента: анализ визуально-ориентированных социальных сетей и стратегий продвижения с использованием ИИ для оптимизации подходов
Продвижение видеоконтента: анализ стратегий продвижения, обзор сервисов для анализа трендов и SEO-контента
Создание и продвижение саммари видео: использование плагинов для ускорения транскрибации видео и стратегии продвижения саммари
Генеративные нейросетевые инструменты.

Элементы контроля

Тест
Домашние задания
Активность студентов на платформах цифровой экосистемы Школы дизайна
Проекты

Промежуточная аттестация

2026/2027 2nd module
Оценка по дисциплине рассчитывается исходя из: 1) оценки за ДЗ, тест и проекты (0,2*ДЗ 1 модуля+0,3*Проект 1 модуля+0,2*ДЗ 2 модуля+0,15*Тест+0,15*Проект 2 модуля); 2) дополнительных баллов, начисляемых за активность студентов на платформах цифровой экосистемы Школы дизайна. В соответствии с пунктом 14 Положения об организации промежуточной аттестации и текущего контроля успеваемости студентов Национального исследовательского университета «Высшая школа экономики» (ПОПАТКУС), оценки «9» и «10» могут использоваться преподавателем в рамках текущего контроля или промежуточной аттестации, если обучающийся выполняет задания повышенной трудности и/или демонстрирует результаты обучения, превосходящие предусмотренные ПУД или программой практики. Могут быть предусмотрены дополнительные задания, без которых невозможно получить «9» и «10». Оценка, которую студент может получить за ДЗ, тест и проекты, не может превышать 8 баллов. Дополнительно студент может получить 1-3 балла за активность на платформах цифровой экосистемы Школы дизайна. Максимальная оценка по промежуточной аттестации в сессию по дисциплине в зачетку, которую студент может получить с учетом дополнительных баллов, составляет 10 баллов.

Список литературы

Авторы

Булгаков Вадим Александрович
Кудинова Ксения Сергеевна

Магистерская программа «Управление в креативных индустриях»

Контакты:

Прикладное применение генеративных нейросетей в креативных индустриях и промпт-дизайн

Программа дисциплины