Уникальная программа формирует базовые знания искусственного интеллекта, включая машинное обучение (ML). Программа состоит из двух блоков: «Введение в машинное обучение» и «Представление знаний в системах искусственного интеллекта». В рамках первого блока слушатели знакомятся с основными разделами машинного обучения (ML), разбирают примеры применения машинного обучения в реальных задачах

Второй блок посвящен моделям и методам представления и обработки знаний, системам искусственного интеллекта.

Программа предусматривает широкую базовую подготовку в области искусственного интеллекта, в том числе машинного обучения, необходимую для эффективного взаимодействия в составе междисциплинарных команд с профессиональными ИТ разработчиками интеллектуальных решений.

Цель программы: приобретение слушателями цифровой компетенции в области создания алгоритмов и компьютерных программ, пригодных для практического применения.

Программа предусматривает формирование широкой базовой подготовки в области проектирования и создания мобильных приложений, технологии программирования, развитие потенциала и формирование базы для дальнейшего повышения уровня цифровых компетенций, подготовки их как всесторонне квалифицированных специалистов цифровой экономики. Слушатели программы формируют представление о базовых подходах разработки мобильных приложений, приобретут практический опыт и реализуют приложения для мобильных устройств. Программа рассчитана для студентов, которые осваивают ИТ-компетенции в рамках основных программ.

Программа курса состоит из нескольких блоков, посвященных технологиям разработки приложений, специфике разработки мобильных приложений на различных платформах, бизнес-подходам, коммерциализации продуктов в сфере мобильной разработки. На нашем курсе мы разберемся, как генерировать оригинальные и перспективные идеи для вашего будущего стартапа, узнаем, как провести тестирование и оценить потенциал вашей идеи на ранних этапах разработки, изучим методы и инструменты для понимания потребностей и предпочтений ваших клиентов, научимся составлять детальные планы для успешной реализации вашего проекта, освоим принципы и тонкости создания сервисов с клиент-серверным подходом.

Программа дополнительной профессиональной переподготовки «Цифровая геология» направлена на развитие цифровых компетенций специалистов в области геологических наук, которые востребованы при проведении прикладных научных исследований в области анализа геолого-геофизических данных.

Все компетенции в области ИТ формируются на примере решения задач из разных направлений геологических наук, что обеспечит высокую степень усвоения материала. Вариативность образовательного плана позволит вовлечь в прохождение программы слушателей с разных направлений геологических наук (геология, геофизика, минералогия, кристаллография и т.д.).

Цель программы: подготовка кадров в области геологии с навыками в области ИТ позволит расширить круг специалистов, готовых эффективно участвовать в процессе организации импортозамещения в добывающей отрасли, где значительную часть зависимости составляет использование иностранного ПО.

Программа дает базовые знания и навыки программирования на языке Python, в том числе приемы работы с различными типами данных и управляющими конструкциями языка Python: работа с файлами, разработка функций, моделирование объектов с помощью классов, приемы генерирования и визуализации данных с помощью библиотеки Matplotlib, использование фреймворка Django для разработки веб-приложений.

Решение реальных научных и производственных задач в процессе практики обычно сопровождается разработкой программ на различных языках программирования. И сегодня студенты все чаще выбирают для этой цели и отдают предпочтение именно языку программирования Python. Именно Python в силу специфики языка и обилия библиотек с готовыми программными решениями становится все более востребованным студентами как при выполнении заданий на практике, так и при разработке выпускной квалификационной работы. Стремление освоить язык Python у студентов обусловлено также тем, что многие организации при приеме на работу новых сотрудников сегодня предъявляют к кандидатам требование знать именно этот язык программирования.

Программа курса направлена на выявление и профориентацию студентов, интересующихся науками о жизни, технологиями управления свойствами биологических объектов: специалистов в области биоинформатики, биотехнологии, а также молекулярной, синтетической и структурной биологии. В настоящее время данная программа профессиональной переподготовки не имеет аналогов в российских вузах.

Программ состоит из 3х модулей:

• Модуль 1. Методы биоинформатического анализа
• Модуль 2. Статистический анализ. Программирование на R
• Модуль 3.Практическая молекулярная биология.

В результате обучения студенты смогут использовать основные технические средства поиска биологической информации, универсальные пакеты прикладных компьютерных программ, создавать базы экспериментальных биологических данных, а также работать с биологической информацией в глобальных компьютерных сетях

Программа направлена на подготовку современных юристов нового типа – владеющих цифровыми навыками, способных общаться с техническими специалистами на одном языке. Цифровой юрист способен осуществлять правовой анализ новых бизнес-проектов в цифровой среде, разбирается в действующем правовом регулировании в отношении новых цифровых объектов, персональных данных, интеллектуальной собственности в РФ и за рубежом. Цифровой юрист способен сопровождать ИТ-проекты и находить верные правовые решения стоящим перед ними задачам.

Программа включает такие аспекты, как:

• Влияние блокчейн и иных технологий на право (с пониманием технических и экономических аспектов новых правовых явлений);
• Роль и понимание в обороте цифровых прав, цифровой валюты, включая цифровой рубль, смарт-контрактов. Основы аудита и программирования смарт-контрактов;
• Правовое сопровождение разработки ПО и ИТ-продуктов. Правовое оформление передачи прав на ПО, виды лицензий. Сопровождение разработки ИТ-проектов;
• Интеллектуальные права в цифровой среде. Оборот виртуальных объектов. Права на сайт, страницу в сети и базу данных;
• Оборот персональных и больших данных в цифровой среде. Изменения в конкурентном праве под воздействием цифровых технологий. Цифровой профиль личности и цифровой след;
• Правовое регулирование искусственного интеллекта в цифровую эпоху. Правила определения ответственного лица в отношениях, осложненных искусственным интеллектом. Распределение рисков в сфере создания и эксплуатации искусственного интеллекта.

Курс ориентирован на специалистов в различных сферах человеческой деятельности (от финансов до медицины, от сельского хозяйства до авиастроения), интересующихся, как можно научить компьютер анализировать тексты, изображения, временные ряды и другие типы неструктурированных данных, созданных людьми, и автоматически извлекать полезную информацию из этих данных.

Также курс будет полезен IT-специалистам, которые занимаются разработкой систем искусственного интеллекта (artificial intelligence) и хотят углубить свои знания в этой области.

В рамках программы

1. Студенты познакомятся с различными методами анализа текстов на естественном языке с помощью машинного обучения.

2. Сформируются представление о том, что машинное обучение - это не “магия”, а инструмент прикладной математики со своими достоинствами и недостатками.

3. Студенты попробуют своими руками решить разнообразные задачи анализа данных различными методами глубокого обучения — от простых многослойных персептронов до современных нейронных сетей трансформерного типа.

Курс будет полезен не только лингвистам, но и всем, кто интересуется машинным обучением, в особенности кто заинтересован в прикладном использованием машинного обучения в исследованиях или в создании информационных систем. Помимо эволюционного понимания методов, понимания причин и следствий в развитии этих методов, студент сможет самостоятельно подходить к созданию новых методов, в зависимости от задачи и вычислительных возможностей ее решения. В современных подходах к изучению машинного обучения часто превалирует подход или поверхностного изучения предмета или погружения в последние архитектуры нейронных сетей. Для студентов же необходимо знание и использование всех методов, от простых до сложных, что диктуется не столько преимуществом одного метода над другим, сколько размером выборки, временем и средствами, которые необходимо затратить, да и конченым требованием к качеству и устойчивости решения. Данный курс в полной мере дает студенту весь арсенал существующих средств, причем в доступной для понимания форме