Введение в машинное обучение и управление ML‑проектами

Внедрение технологий искусственного интеллекта требует не только технических знаний, но и глубокого понимания, как ставить задачи, управлять проектами и формировать команды. Этот курс объединяет технические аспекты машинного обучения с управленческими подходами, чтобы помочь вам эффективно использовать ИИ в бизнесе.

Программа курса:

Модуль 1. Введение в искусственный интеллект и машинное обучение

История развития искусственного интеллекта. Основные понятия и задачи машинного обучения. Типы обучения: с учителем, без учителя, с подкреплением. Вероятностные основы ML (формула Байеса). Практический пример: анализ броска монетки.

Модуль 2. Управление проектом в сфере ИИ

Отличия ИИ-проектов от обычных IT-проектов. Критерии применимости ИИ для бизнес-задач. Когда не следует использовать ИИ. Жизненный цикл ИИ-проекта (фазы реализации). Постановка KPI/OKR и связь с бизнес-метриками. Вопросы инфраструктуры и информационной безопасности. Управление проектными рисками.

Модуль 3. Подготовка описания проекта

Структура и назначение паспорта проекта. Формулировка бизнес-требований. Разработка технических требований. Защита проекта перед продуктовым комитетом.

Модуль 4. Обучение с учителем: регрессия и классификация

Линейная регрессия и её вероятностные основы. Байесовский вывод в линейной регрессии. Методы классификации: геометрия и порождающие модели. Логистическая регрессия. Наивный Байес и сравнительный анализ классификаторов.

Модуль 5. Порождающие ML-модели в наши дни

Принципы работы нейронных сетей. Основные архитектуры нейросетей. Трансформеры и большие языковые модели (LLM). Как работают модели типа ChatGPT. Методы дообучения: SFT (Supervised Fine-Tuning) и RLHF (Reinforcement Learning from Human Feedback).

Модуль 6. Команда проекта: роли и навыки участников

Ключевые роли в ИИ-проектах. Типовые задачи и требования к специалистам. Поиск и подбор сотрудников. Онбординг и организация командной работы.