Зимняя школа по искусственному интеллекту с курсами повышения квалификации стартует в институте ИТММ

В рамках школы пройдет:

 1. Цикл открытых лекций от ведущих теоретиков и опытных практиков из ИИ-индустрии.

 2. Углубленное изучение области ИИ с использованием специализированного инструментария.

Слушатели школу могут выбрать активности из 1 или(и) 2. По итогу участия будет выдано свидетельство о повышении квалификации.

Приглашаем преподавателей, студентов и ВСЕХ неравнодушных к новым IT-технологиям специалистов всех уровней подготовки

Обязательная регистрация по ссылке: https://clck.ru/374hzV

Предварительная программа цикла лекций:

14 декабря 16-20 Золотых Н.Ю., д.ф.-м.н., директор ИИТММ «Искусственный интеллект. Достижения. Перспективы. Риски» (очно) Зал научных демонстраций.

15 декабря 16-20 Горбань А.Н., д.ф-м.н, профессор «Идея искусственного интеллекта. I. Кто мы такие, куда мы идем» (виртуально)» (виртуально).

16 декабря 16-20 Горбань А.Н., д.ф-м.н, профессор «Методы искусственного интеллекта. II. Проблемы, сдерживающие развитие» (виртуально).

18 декабря 16-20 Иванченко М.В., д.ф.-м.н., зав. кафедрой прикладной математики ИИТММ «Биомаркеры старения на основе объяснимого искусственного интеллекта» (очно). Зал научных демонстраций.

19 декабря 16-20 Иванченко М.В., д.ф.-м.н., зав. кафедрой прикладной математики ИИТММ «Предсказание экстремальных погодных явлений методами искусственного интеллекта».

20 декабря 16-20 Турлапов В.Е., д.т.н., профессор «Понятие XAI и его эволюция, место в ИИ в целом; высокоуровневые признаки» (рекомендуется для продвинутых слушателей) (очно). Зал научных демонстраций.

21 декабря 16-20 Турлапов В.Е., д.т.н., профессор «Конструирование XAI моделей на практических примерах» (рекомендуется для продвинутых слушателей) (очно). Зал научных демонстраций.

22 декабря 16-20 Zhang Baochang, профессор, «Тема уточняется» (виртуально).

Углубленное изучение области ИИ с использованием специализированного инструментария будет осуществляться по следующим модулям:

Модуль. 1. Обзор библиотек Python (NumPy, Pandas, Matplotlib, Scikit-Learn и д.р) и среды Jupyter Notebook.

Модуль 2. Подготовка данных. Разведывательный анализ. Использование регрессионных моделей и методов кластеризации при анализе данных.

Модуль 3. Постановка задач машинного обучения (обучения с учителем, обучения без учителя, глубокое обучение и др.) основные алгоритмы и методы машинного обучения.