Вебинар "Data science «Искусственный интеллект»"

• Начало курса по дата сайнс и искусственному интеллекту.  

• План: представление разработчиков и преподавателей, объяснение сути программы, как работать на курсе, сдача практики и проекты.  

• Гульнара Смирнова, разработчик и руководитель программы, работает на кафедре динамики процессов управления в КАИ.  

• Александр Японишников, специалист в области математики, физики, искусственного интеллекта и дата сайнс, работал в крупных компаниях.  

• Рустем Сабитов, аксакал кафедры, занимается ИТ-технологиями и математическим моделированием.  

• Фривкат Серединов и Тимур Мустафаев, преподаватели кафедры, занимаются математическим моделированием и робототехникой.  

• Тимур Кушарев и Юлия Лунина, представители индустрии и бизнеса, также участвуют в разработке курса.  

• Рустем Сабитов рассказывает о важности курса и его актуальности для бизнеса.  

• Курс помогает быть в русле революционных изменений в бизнесе благодаря технологиям искусственного интеллекта.  

• На рынке труда наблюдается острая нехватка квалифицированных специалистов в области дата сайнс.  

• Курс требует трудолюбия и способностей, но обещает быть полезным.  

• Важно освежить знания в области линейной алгебры, математического анализа, теории вероятностей и статистики.  

• Рекомендуется заниматься английским языком.  

• Введение в дата сайнс: основные инструменты Python, Linux и Docker.  

• Математические основы: векторы, матрицы, анализ данных.  

• Обработка данных: уменьшение размерности, удаление выбросов, использование библиотек.  

• Классическое машинное обучение: линейная регрессия, деревья, SVM.  

• Глубокое обучение: нейронные сети, сверточные и генеративные сети.  

• Параллельные фреймворки: Spark, оптимизация гиперпараметров.  

• Развертывание систем машинного обучения, создание графических интерфейсов, автоматизация обучения.  

• Каждый модуль включает теорию в виде видеороликов или текстовых материалов.  

• После освоения теории необходимо пройти тесты и практику.  

• Практика проверяется автоматически с помощью юнит-тестов.  

• Самостоятельная работа организована аналогично практике, но не обязательна.  

• В течение курса проводятся мастер-классы от партнеров и разработчиков.  

• Финальный проект включает все стадии, отраженные в модулях.  

• В каждом модуле указаны проходные баллы для тестов, практических заданий и итоговой работы.  

• Проходные баллы для тестов и практических заданий составляют 70% и 50% соответственно.  

• Рекомендуется использовать Linux из-за нативной поддержки инструментов для дата-сайнс.  

• В Linux могут возникнуть сложности с настройкой системы, но сообщество активно помогает.  

• Для Mac OS X работа возможна, но может потребоваться виртуальная машина.  

• Рекомендуется использовать Visual Studio Code из-за легкости и настраиваемости.  

• PyCharm также подходит, но требует лицензии для доступа к некоторым функциям.  

• Вопросы можно задавать напрямую ведущим или через тьюторов.  

• Дедлайны для сдачи заданий пока не установлены, но рекомендуется распределять работу на неделю.  

• Практика будет проверяться в течение месяца, в зависимости от темы.  

• Для работы на Windows и Mac не обязательно использовать виртуальную машину.  

• Мастер-классы от партнеров будут проводиться в рамках вебинаров.  

• Для работы с Docker VPN не требуется, так как образы скачиваются без VPN.  

• Обратная связь будет предоставляться в системе модулей.  

• В случае ошибок будут даны комментарии, если все правильно, оценка будет выставлена без комментариев.  

• Помощь можно получить от сокурсников или через чат, но большая часть задач должна решаться самостоятельно.  

• После окончания курса студенты должны будут представить финальный проект.  

• Проект должен включать все знания, полученные за учебный год.  

• Важно не просто формально пройти курс, а глубоко разобраться в материале.  

• Обсуждение специальностей и их пересечений.  

• Уточнение по сдаче проектов и их совпадению с основной защитой ВКР.  

• Важность выполнения проектов в срок и их соответствие требованиям.  

• Возможность участия магистрантов в курсе.  

• Важность внимательного выполнения практики и следования условиям.  

• Автоматизированная проверка кода с использованием юнит-тестов.  

• Уточнение сроков сдачи проектов и их соответствие с основной защитой ВКР.  

• Возможность защиты проектов в разные сроки.  

• Важность своевременной сдачи проектов для получения зачета.  

• Инструкции по прикреплению кода и сдаче заданий.  

• Важность внимательного чтения инструкций для успешной сдачи.  

• Призыв к участникам задавать вопросы и оставлять реакции.  

• Упоминание о машинном зрении в модуле про глубокие нейронные сети.  

• Завершение обсуждения и благодарность участникам за вопросы и участие.  

• Пожелания успешного прохождения курса и приобретения новых навыков.