Applied Artificial Intelligence

Эта дисциплина предполагает более глубокое изучение машинного обучения и искусственного интеллекта, а также применение этих знаний для решения реальных прикладных задач. Дисциплина охватывает многие темы обучения, такие как контролируемое и неконтролируемое обучение.

Курс посвящён использованию методов искусственного интеллекта для анализа данных. Обучающиеся будут изучат машинное обучение, обработку больших данных, кластеризацию и классификацию. Обучающиеся изучат алгоритмы для извлечения знаний из данных, будут осваивать инструменты для выявления скрытых закономерностей, прогнозирования и автоматизации аналитики, а также их применение в реальных задачах для принятия обоснованных решений.

Курс охватывает методы обработки изображений с использованием искусственного интеллекта, включая компьютерное зрение, нейронные сети и глубокое обучение. Обучающиеся изучат алгоритмы для анализа, распознавания и улучшения изображений, применяя их в реальных задачах и проектах.

Курс изучает основы искусственного интеллекта и нейронных сетей, включая методы обучения, архитектуры сетей, обработку данных и их применение в различных областях. Обучающиеся осваивают проектирование и реализацию решений на базе ИИ и глубокого обучения.

Цель состоит в том, чтобы предоставить магистрантам глубокое понимание концепций, технологий и методологий больших данных, позволяющих им обрабатывать, анализировать и получать информацию из крупномасштабных наборов в различных домены.

Курс посвящён компьютерной графике и моделированию с использованием ИИ. Обучающиеся изучат создание 3D-моделей, визуализацию, а также применение алгоритмов ИИ для улучшения графических процессов и создания реалистичных виртуальных объектов и сцен.

Курс охватывает теорию и практику глубокого обучения, включая нейронные сети, обучение с учителем и без, а также применения в различных областях: компьютерное зрение, обработка естественного языка и анализ данных для решения реальных задач.

Этот курс изучает методы искусственного интеллекта, управляемые данными, с акцентом на обработку больших данных и методы обучения с подкреплением (RL). Обучающиеся научатся работать с массивными наборами данных, применять алгоритмы RL и разрабатывать интеллектуальные системы, которые адаптируются и улучшаются. Практические приложения в реальных сценариях ИИ будут подчеркнуты через практические проекты.

В этом курсе рассматриваются основные алгоритмы и методы обучения с подкреплением, включая методы, основанные на ценностях, основанные на политике и не основанные на моделях. Обучающиеся изучат приложения в области робототехники, игрового искусственного интеллекта и оптимизации, приобретая практический опыт работы с современными фреймворками для разработки интеллектуальных систем принятия решений.

Курс охватывает методы компьютерного зрения и распознавания образов, включая обработку изображений, детекцию объектов, сегментацию и классификацию. Обучающиеся изучат алгоритмы и технологии для разработки систем, способных интерпретировать визуальную информацию и решать задачи из реального мира.

Курс посвящён анализу кейсов больших данных в контексте индустрии 4.0, медицины и Интернета вещей (ІоТ). Обучающиеся изучат обработку и интерпретацию данных для улучшения производственных процессов, медицинских решений и умных технологий.

Этот курс знакомит обучающиеся с различными методами генеративного моделирования и алгоритмами, такими как вариационные автоподошеры (VAE), генеративные состязательные сети (GANS) и авторегрессивные модели. Обучающиеся узнают, как разрабатывать, тренировать и оценивать генеративные модели, а также изучать свои приложения в таких областях, как компьютерное зрение, обработка естественного языка и синтез данных