Уровень сложности:
Длительность курса: 146 ак.ч.
График обучения: 12 ак. часов в неделю
Программа состоит из 5 отдельных курсов-модулей.
Аннотация
Данная программа повышения квалификации направлена на формирование и совершенствование компетенций в области анализа данных и искусственного интеллекта для решения кросс-отраслевых задач. Слушатели освоят фундаментальные основы программирования на Python, включая работу с базовыми типами данных, функциями, модулями и принципами объектно-ориентированного программирования. Программа предусматривает изучение методов сбора, обработки и анализа данных с использованием библиотек NumPy и pandas, а также инструментов визуализации. Вариативная часть позволяет выбрать специализацию в области компьютерного зрения для промышленности или применение методов ИИ в урбанистике, включая геопространственный анализ и нейросетевые архитектуры. Обучение реализуется с применением дистанционных образовательных технологий и предполагает интенсивную практическую работу для закрепления навыков.
Знания и умения, полученные в результате обучения
Знания:
- Фундаментальных основ программирования на Python: синтаксис, типы данных, управляющие конструкции, функции, модули и принципы объектно-ориентированного программирования (инкапсуляция, наследование, полиморфизм).
- Методов сбора, очистки, обработки и анализа данных с использованием специализированных библиотек (NumPy, pandas) и инструментов визуализации.
- Современных подходов машинного обучения и искусственного интеллекта: классификация, кластеризация, регрессия, ансамблевые методы, метрики оценки качества моделей.
- Архитектур нейронных сетей для решения прикладных задач: сверточные сети (CNN) для компьютерного зрения, рекуррентные сети и трансформеры для последовательных данных, генеративные модели.
Умения:
- Разрабатывать программный код на Python с применением принципов ООП, модульного тестирования и стандартов оформления для создания надежных и масштабируемых решений.
- Проводить первичный разведочный анализ данных: загружать данные из различных источников, выполнять их очистку, трансформацию и агрегацию с помощью pandas и NumPy.
- Выбирать и настраивать модели машинного обучения и нейросетевые архитектуры под конкретные задачи, оценивать их качество с использованием соответствующих метрик.
- Применять специализированные инструменты в зависимости от выбранного модуля: библиотеки компьютерного зрения (OpenCV, Keras) для промышленных задач или геопространственный анализ и нейросетевые методы для урбанистических исследований.
Навыки:
- Построения end-to-end пайплайнов обработки данных и машинного обучения: от загрузки сырых данных до получения и интерпретации результатов модели.
- Работы с реальными датасетами и решения практических кейсов (например, классификация дефектов стали, анализ доступности городских парков, типология районов).
- Использования современных сред разработки (Jupyter Lab), систем контроля версий зависимостей (виртуальные окружения, pip) и инструментов анализа кода.
Курсы связанных направлений
| Даты занятий | Расписание занятий |
|
14.04.2026 - 19.05.2026
дистационно
Занятия в этой группе уже начались!
Примечание:
коммерческая группа
|
|
|
13.04.2026 - 05.07.2026
10:00 - 13:20
онлайн
Занятия в этой группе уже начались!
Группа:
Заявки - Анализ данных и искусственный интеллект: кросс-отраслевые решения
|
| Дата | Время | Аудитория | Преподаватель |
13.04.2026
понедельник
|
10:00 - 13:20
|
_Онлайн
|
|
|
Программа не требует наличия конкретной «входной» специальности — она предназначена для широкого круга слушателей, желающих освоить компетенции в области анализа данных и ИИ
Вступительное тестирование
Тест № ВКТ-135.1 Решение логических задач
- Навыки решения алгоритмических задач;
- Навыки решения логических задач;
- Навыки поиска закономерностей.
Программа состоит из четырех модулей, три из которых базовые (Основы Python, Основы объектно-ориентированного программирования и Основы анализа данных) и один вариативный (на выбор).
Выбор вариативного модуля доступен только после прохождения базовых модулей программы.
Программа состоит из отдельных курсов-модулей
Выберите ссылку для того, чтобы посмотреть программу отдельного модуля.
-
Основы языка Python
Данный модуль обеспечивает плавный переход от основ программирования на Python — установки среды, базового синтаксиса и типов данных — к написанию структурированного кода с использованием функций и модулей. Особое внимание уделяется формированию профессиональных привычек: изоляции проектов через виртуальные окружения, документированию и анализу кода. Завершается курс освоением продвинутых инструментов (декораторы, генераторы) и практических навыков работы с файловой системой и форматами данных для решения прикладных задач.
-
Основы объектно-ориентированного программирования (ООП)
Модуль знакомит с основами объектно-ориентированного программирования на Python: понятиями класса и экземпляра, типами атрибутов и методов, а также современными инструментами вроде Pydantic моделей. Слушатели изучат три ключевых принципа ООП — инкапсуляцию, наследование и полиморфизм — позволяющие создавать гибкий и масштабируемый код. Практические занятия направлены на отработку навыков создания классов, построения иерархий наследования и переопределения методов для решения прикладных задач.
-
Основы анализа данных
Курс знакомит с основами анализа данных на Python: изучаются операции с массивами в NumPy и обработка таблиц в pandas, включая очистку и визуализацию данных. Программа охватывает полный цикл работы — от загрузки файлов и взаимодействия с базами данных до подготовки информации для решения прикладных задач. В результате обучения слушатели смогут самостоятельно проводить первичный анализ и агрегацию данных.
-
Компьютерное зрение в промышленном производстве
Модуль посвящен применению компьютерного зрения в промышленности: слушатели освоят предобработку изображений с помощью OpenCV и научатся решать задачи классификации, сегментации и детекции объектов на базе фреймворка Keras. В программе разбираются реальные производственные кейсы (классификация и сегментация дефектов стали от компании Северсталь, контроль техники безопасности). Итогом обучения станет умение разрабатывать модели для автоматизации контроля качества и обеспечения безопасности на производстве.
-
Искусственный интеллект и анализ данных в урбанистке
Модуль обучает применению искусственного интеллекта в урбанистике: от геопространственного анализа и визуализации городских данных до методов машинного обучения для типологизации районов. Слушатели освоят нейросетевые подходы — компьютерное зрение для анализа городской среды, трансформеры для временных рядов и генеративные модели для проектирования. Итогом станет умение проводить комплексный анализ данных для обоснованного планирования и развития городских территорий.