Передовые технологии ИИ в исследованиях и разработках (R&D)
Не просто курс по машинному обучению, а временная лаборатория, в которой вы с нуля спроектируете и реализуете собственный ML-проект под задачу из своей профессиональной сферы
30 апреля – 30 июня 2025
Бесплатно для сотрудников и студентов ЮФУ
R&D-менеджер, инженер,
исследователь
исследователь
Хотите внедрять ИИ в технологические или научные процессы, но не знаете, с чего начать
Руководитель
проектов в высокотехнологичной компании
проектов в высокотехнологичной компании
Ищете способ ускорить разработку, автоматизировать аналитику и снизить рутинную нагрузку на команду
Специалист (технических и естественнонаучных направлений)
Планируете использовать машинное обучение в прикладных разработках и исследованиях
Этот курс для вас, если вы:
Выберите трек под свою задачу
Технический трек
Если вы работаете с промышленными логами, сенсорными данными, временными рядами или изображениями.
→ Подходит для задач в производстве, мониторинге, техническом анализе.
→ Подходит для задач в производстве, мониторинге, техническом анализе.
01
Исследовательский трек
Если у вас табличные, текстовые или научные массивы данных: опросы, эксперименты, отчеты, статьи.
→ Подходит для аналитиков, ученых, преподавателей и исследователей.
→ Подходит для аналитиков, ученых, преподавателей и исследователей.
02
Что нужно знать до старта
Понимание базовых принципов машинного обучения
Представление, что такое датасет и как устроены данные
Python на уровне анализа данных — для технического трека
Базовый Python — для исследовательского трека
Представление, что такое датасет и как устроены данные
Python на уровне анализа данных — для технического трека
Базовый Python — для исследовательского трека
Как программа решит ваши задачи
- анализировать экспериментальные, табличные, текстовые или сенсорные данные
-строить предсказания, выявлять отклонения, автоматизировать анализ
-проверять гипотезы и формировать базу для последующих исследований или решений
-строить предсказания, выявлять отклонения, автоматизировать анализ
-проверять гипотезы и формировать базу для последующих исследований или решений
Курс ориентирован на прикладные задачи, где нужно:
Мы поможем выстроить структурированный процесс: от формулировки задачи до работающего прототипа.
Используете машинное обучение точечно, без четкой логики от задачи до результата?
ML без системы
Освоите ключевые этапы ML-проекта и отработаете ключевые шаги на своих или профильных данных.
Есть данные, но не всегда понятно, как их превратить в работающую модель?
Неочевидный путь к прототипу
Автоматизируете типовые этапы и сможете сосредоточиться на инструментах, которые действительно работают в вашей области.
Затягивается анализ, рутинные шаги отнимают время, результат сложно применить?
Много рутины
Результаты обучения
Проектировать прикладные ML-системы: от постановки задачи до финального прототипа
Готовить и обучать модели под табличные, визуальные, текстовые и временные данные (Scikit-Learn, LightAutoML, Transformers, ETNA)
Готовить и обучать модели под табличные, визуальные, текстовые и временные данные (Scikit-Learn, LightAutoML, Transformers, ETNA)
ВЫ СМОЖЕТЕ:
Проводить EDA и искать закономерности в данных (Pandas, Seaborn)
Выбирать подходящие алгоритмы, подбирать метрики и тестировать модели
Выбирать подходящие алгоритмы, подбирать метрики и тестировать модели
ВЫ НАУЧИТЕСЬ:
Получите опыт интерпретации и объяснения результатов, с учетом ограничений и контекста задачи
Соберете и защитите базовый ML-прототип, который можно использовать как основу для внедрения
Соберете и защитите базовый ML-прототип, который можно использовать как основу для внедрения
А ЕЩЕ:
В этом помогут наши эксперты
Кристина Желтова
- Директор по разработке моделей, Газпромбанк
- Преподаватель курсов по машинному обучению и анализу данных в Университете ИТМО, УрФУ, ЧелГУ.
- Эксперт программы «ML Engineering» Karpov Courses.
Владислав
Каламбет
Каламбет
- Эксперт РКСИ — «Ростовский-на-Дону колледж связи и информатики»
- Преподаватель, автор курсов по ИИ и машинному обучению, Южный федеральный университет
Александр
Гуда
Гуда
- Доктор физико-математических наук
- Доцент Международного исследовательского института интеллектуальных материалов, Южный федеральный университет
Мы пригласили лучших специалистов в сфере ML поделиться с вами своим профессиональным опытом.
В этом помогут наши эксперты
Мы пригласили лучших специалистов в сфере ML поделиться с вами своим профессиональным опытом.
Кристина Желтова
- Директор по разработке моделей, Газпромбанк
- Преподаватель курсов по машинному обучению и анализу данных в Университете ИТМО, УрФУ, ЧелГУ.
- Эксперт программы «ML Engineering» Karpov Courses.
Владислав
Каламбет
Каламбет
- Эксперт РКСИ — «Ростовский-на-Дону колледж связи и информатики»
- Преподаватель, автор курсов по ИИ и машинному обучению, Южный федеральный университет
Александр
Гуда
Гуда
- Доктор физико-математических наук
- Доцент Международного исследовательского института интеллектуальных материалов, Южный федеральный университет
Модули программы
Представьте, что вы вступили в «временную лабораторию ИИ», где разные специалисты собираются, чтобы применить машинное обучение к своим реальным задачам. У вас — собственная тема или датасет. Курс дает пошаговый маршрут от «идея» до «начинающий прототип».
Общая длительность — 72 академических часа.
Премодуль — чтобы разобраться, подходит ли ваша задача под ML и узнать главные ошибки.
Вебинар 22.04. (вторник) 17:00−18:30
«Когда нужны передовые технологии ИИ — и как это понять»
Вебинар 22.04. (вторник) 17:00−18:30
«Когда нужны передовые технологии ИИ — и как это понять»
Установочная встреча: 30.04 (среда) 17:00 -18:30
Введение (3 ак. ч)
— Знакомство с платформой и структурой
— Формулировка вашей задачи, выбор трека (технический или исследовательский)
Вебинар 15.05 (четверг) 17:00—18:30 (мск)
На первом этапе вы начинаете работу во временной лаборатории: анализируете, можно ли применить ИИ в вашей задаче, и проектируете архитектуру будущего решения.
Что будет в модуле:
— разбор примеров: где ML действительно помогает, а где — нет
— формулировка своей ML-задачи под профессиональный контекст
— определение цели, метрик, ограничений и условий внедрения
— выбор типа моделей и подходов, подходящих под данные и задачу
— обсуждение рисков и типичных ошибок
Консультация по проектам: 29.05 (вторник) 17:00 -18:30 (мск)
Итог модуля 1:
У вас будет четкая постановка задачи, понимание, какие данные нужны, и схема будущего ML-решения. Это станет основой для практической части курса — модуля 2.
Введение (3 ак. ч)
— Знакомство с платформой и структурой
— Формулировка вашей задачи, выбор трека (технический или исследовательский)
Вебинар 15.05 (четверг) 17:00—18:30 (мск)
На первом этапе вы начинаете работу во временной лаборатории: анализируете, можно ли применить ИИ в вашей задаче, и проектируете архитектуру будущего решения.
Что будет в модуле:
— разбор примеров: где ML действительно помогает, а где — нет
— формулировка своей ML-задачи под профессиональный контекст
— определение цели, метрик, ограничений и условий внедрения
— выбор типа моделей и подходов, подходящих под данные и задачу
— обсуждение рисков и типичных ошибок
Консультация по проектам: 29.05 (вторник) 17:00 -18:30 (мск)
Итог модуля 1:
У вас будет четкая постановка задачи, понимание, какие данные нужны, и схема будущего ML-решения. Это станет основой для практической части курса — модуля 2.
Вебинар 2: 11.06 (среда) 17:00-18:30 (мск)
На этом этапе вы переходите к практике: работаете с данными, обучаете модели, оцениваете результат. Основная цель модуля - собрать первую версию решения, адаптированную под вашу профессиональную задачу.
Сначала все участники проходят общую часть (12 ак. ч):
- разведочный анализ данных (EDA)
- очистка и подготовка датасета
- обучение базовых моделей
- оценка метрик и интерпретация результатов
Затем вы выбираете один из треков: в зависимости от типа данных, с которыми работаете. Это нужно, чтобы сосредоточиться на тех подходах, которые действительно подходят под вашу задачу, и не тратить время на лишнее.
Вебинар 3 + консультация: 20.06 (пятница) 17:00 -18:30 (мск)
1. Технический трек
Для задач с временными рядами, сенсорными данными, промышленными логами и изображениями. Подходит, если вы работаете с производственными или инженерными данными: например, мониторинг оборудования, анализ потоков, контроль качества
Что вы освоите:
- как обрабатывать и агрегировать данные, поступающие во времени
- как выявлять отклонения и базовые закономерности
- как подбирать модель под особенности сигналов или визуальных признаков
2. Исследовательский трек
Для задач с табличными, экспериментальными и текстовыми данными. Подходит, если вы работаете с результатами измерений, анкетами, научными массивами или структурированными данными
Что вы освоите:
- как анализировать табличные и смешанные данные
- как выбирать признаки и строить предсказания
- как интерпретировать результаты и использовать выводы для принятия решений
Почему важно выбрать трек:
Тип данных определяет всё: от формулировки задачи до выбора модели и метрик. Треки позволяют сосредоточиться на тех методах, которые действительно применимы в вашей сфере, и собрать прототип, который можно использовать на практике.
Итог: готовый базовый ML-прототип под вашу задачу
На этом этапе вы переходите к практике: работаете с данными, обучаете модели, оцениваете результат. Основная цель модуля - собрать первую версию решения, адаптированную под вашу профессиональную задачу.
Сначала все участники проходят общую часть (12 ак. ч):
- разведочный анализ данных (EDA)
- очистка и подготовка датасета
- обучение базовых моделей
- оценка метрик и интерпретация результатов
Затем вы выбираете один из треков: в зависимости от типа данных, с которыми работаете. Это нужно, чтобы сосредоточиться на тех подходах, которые действительно подходят под вашу задачу, и не тратить время на лишнее.
Вебинар 3 + консультация: 20.06 (пятница) 17:00 -18:30 (мск)
1. Технический трек
Для задач с временными рядами, сенсорными данными, промышленными логами и изображениями. Подходит, если вы работаете с производственными или инженерными данными: например, мониторинг оборудования, анализ потоков, контроль качества
Что вы освоите:
- как обрабатывать и агрегировать данные, поступающие во времени
- как выявлять отклонения и базовые закономерности
- как подбирать модель под особенности сигналов или визуальных признаков
2. Исследовательский трек
Для задач с табличными, экспериментальными и текстовыми данными. Подходит, если вы работаете с результатами измерений, анкетами, научными массивами или структурированными данными
Что вы освоите:
- как анализировать табличные и смешанные данные
- как выбирать признаки и строить предсказания
- как интерпретировать результаты и использовать выводы для принятия решений
Почему важно выбрать трек:
Тип данных определяет всё: от формулировки задачи до выбора модели и метрик. Треки позволяют сосредоточиться на тех методах, которые действительно применимы в вашей сфере, и собрать прототип, который можно использовать на практике.
Итог: готовый базовый ML-прототип под вашу задачу
Что входит в проект:
- описание задачи и данных
- модель, обучение, метрики
- интерпретация результата и выводы
- краткое сопровождение: как использовать, что учитывать, как доработать
Защита проходит в асинхронном формате:
- вы оформляете проект в виде отчёта или презентации (по шаблону)
- получаете обратную связь от экспертов
- смотрите примеры решений других участников
Итоговая встреча: 30.06 17:00 -18:30 (мск)
Результат:
Вы завершаете курс с готовым базовым ML-прототипом, оформленным решением и пониманием, как масштабировать его под реальные задачи.
- описание задачи и данных
- модель, обучение, метрики
- интерпретация результата и выводы
- краткое сопровождение: как использовать, что учитывать, как доработать
Защита проходит в асинхронном формате:
- вы оформляете проект в виде отчёта или презентации (по шаблону)
- получаете обратную связь от экспертов
- смотрите примеры решений других участников
Итоговая встреча: 30.06 17:00 -18:30 (мск)
Результат:
Вы завершаете курс с готовым базовым ML-прототипом, оформленным решением и пониманием, как масштабировать его под реальные задачи.
Модули программы
Представьте, что вы вступили в «временную лабораторию ИИ», где разные специалисты собираются, чтобы применить машинное обучение к своим реальным задачам. У вас — собственная тема или датасет. Курс дает пошаговый маршрут от «идея» до «начинающий прототип».
Премодуль — чтобы разобраться, подходит ли ваша задача под ML и узнать главные ошибки.
Вебинар 22.04. (вторник) 17:00−18:30
«Когда нужны передовые технологии ИИ — и как это понять»
Вебинар 22.04. (вторник) 17:00−18:30
«Когда нужны передовые технологии ИИ — и как это понять»
Установочная встреча: 30.04 (среда) 17:00 -18:30
Введение (3 ак. ч)
— Знакомство с платформой и структурой
— Формулировка вашей задачи, выбор трека (технический или исследовательский)
Вебинар 15.05 (четверг) 17:00—18:30 (мск)
На первом этапе вы начинаете работу во временной лаборатории: анализируете, можно ли применить ИИ в вашей задаче, и проектируете архитектуру будущего решения.
Что будет в модуле:
— разбор примеров: где ML действительно помогает, а где — нет
— формулировка своей ML-задачи под профессиональный контекст
— определение цели, метрик, ограничений и условий внедрения
— выбор типа моделей и подходов, подходящих под данные и задачу
— обсуждение рисков и типичных ошибок
Консультация по проектам: 29.05 (вторник) 17:00 -18:30 (мск)
Итог модуля 1:
У вас будет четкая постановка задачи, понимание, какие данные нужны, и схема будущего ML-решения. Это станет основой для практической части курса — модуля 2.
Введение (3 ак. ч)
— Знакомство с платформой и структурой
— Формулировка вашей задачи, выбор трека (технический или исследовательский)
Вебинар 15.05 (четверг) 17:00—18:30 (мск)
На первом этапе вы начинаете работу во временной лаборатории: анализируете, можно ли применить ИИ в вашей задаче, и проектируете архитектуру будущего решения.
Что будет в модуле:
— разбор примеров: где ML действительно помогает, а где — нет
— формулировка своей ML-задачи под профессиональный контекст
— определение цели, метрик, ограничений и условий внедрения
— выбор типа моделей и подходов, подходящих под данные и задачу
— обсуждение рисков и типичных ошибок
Консультация по проектам: 29.05 (вторник) 17:00 -18:30 (мск)
Итог модуля 1:
У вас будет четкая постановка задачи, понимание, какие данные нужны, и схема будущего ML-решения. Это станет основой для практической части курса — модуля 2.
Вебинар 2: 11.06 (среда) 17:00—18:30 (мск)
На этом этапе вы переходите к практике: работаете с данными, обучаете модели, оцениваете результат. Основная цель модуля — собрать первую версию решения, адаптированную под вашу профессиональную задачу.
Сначала все участники проходят общую часть (12 ак. ч):
— разведочный анализ данных (EDA)
— очистка и подготовка датасета
— обучение базовых моделей
— оценка метрик и интерпретация результатов
Затем вы выбираете один из треков: в зависимости от типа данных, с которыми работаете. Это нужно, чтобы сосредоточиться на тех подходах, которые действительно подходят под вашу задачу, и не тратить время на лишнее.
Вебинар 3 + консультация: 20.06 (пятница) 17:00 -18:30 (мск)
1. Технический трек
Для задач с временными рядами, сенсорными данными, промышленными логами и изображениями. Подходит, если вы работаете с производственными или инженерными данными: например, мониторинг оборудования, анализ потоков, контроль качества
Что вы освоите:
— как обрабатывать и агрегировать данные, поступающие во времени
— как выявлять отклонения и базовые закономерности
— как подбирать модель под особенности сигналов или визуальных признаков
2. Исследовательский трек
Для задач с табличными, экспериментальными и текстовыми данными. Подходит, если вы работаете с результатами измерений, анкетами, научными массивами или структурированными данными
Что вы освоите:
— как анализировать табличные и смешанные данные
— как выбирать признаки и строить предсказания
— как интерпретировать результаты и использовать выводы для принятия решений
Почему важно выбрать трек:
Тип данных определяет всё: от формулировки задачи до выбора модели и метрик. Треки позволяют сосредоточиться на тех методах, которые действительно применимы в вашей сфере, и собрать прототип, который можно использовать на практике.
Итог: готовый базовый ML-прототип под вашу задачу
На этом этапе вы переходите к практике: работаете с данными, обучаете модели, оцениваете результат. Основная цель модуля — собрать первую версию решения, адаптированную под вашу профессиональную задачу.
Сначала все участники проходят общую часть (12 ак. ч):
— разведочный анализ данных (EDA)
— очистка и подготовка датасета
— обучение базовых моделей
— оценка метрик и интерпретация результатов
Затем вы выбираете один из треков: в зависимости от типа данных, с которыми работаете. Это нужно, чтобы сосредоточиться на тех подходах, которые действительно подходят под вашу задачу, и не тратить время на лишнее.
Вебинар 3 + консультация: 20.06 (пятница) 17:00 -18:30 (мск)
1. Технический трек
Для задач с временными рядами, сенсорными данными, промышленными логами и изображениями. Подходит, если вы работаете с производственными или инженерными данными: например, мониторинг оборудования, анализ потоков, контроль качества
Что вы освоите:
— как обрабатывать и агрегировать данные, поступающие во времени
— как выявлять отклонения и базовые закономерности
— как подбирать модель под особенности сигналов или визуальных признаков
2. Исследовательский трек
Для задач с табличными, экспериментальными и текстовыми данными. Подходит, если вы работаете с результатами измерений, анкетами, научными массивами или структурированными данными
Что вы освоите:
— как анализировать табличные и смешанные данные
— как выбирать признаки и строить предсказания
— как интерпретировать результаты и использовать выводы для принятия решений
Почему важно выбрать трек:
Тип данных определяет всё: от формулировки задачи до выбора модели и метрик. Треки позволяют сосредоточиться на тех методах, которые действительно применимы в вашей сфере, и собрать прототип, который можно использовать на практике.
Итог: готовый базовый ML-прототип под вашу задачу
Что входит в проект:
— описание задачи и данных
— модель, обучение, метрики
— интерпретация результата и выводы
— краткое сопровождение: как использовать, что учитывать, как доработать
Защита проходит в асинхронном формате:
— вы оформляете проект в виде отчета или презентации (по шаблону)
— получаете обратную связь от экспертов
— смотрите примеры решений других участников
Итоговая встреча: 30.06 17:00 -18:30 (мск)
Результат:
Вы завершаете курс с готовым базовым ML-прототипом, оформленным решением и пониманием, как масштабировать его под реальные задачи.
— описание задачи и данных
— модель, обучение, метрики
— интерпретация результата и выводы
— краткое сопровождение: как использовать, что учитывать, как доработать
Защита проходит в асинхронном формате:
— вы оформляете проект в виде отчета или презентации (по шаблону)
— получаете обратную связь от экспертов
— смотрите примеры решений других участников
Итоговая встреча: 30.06 17:00 -18:30 (мск)
Результат:
Вы завершаете курс с готовым базовым ML-прототипом, оформленным решением и пониманием, как масштабировать его под реальные задачи.
После сдачи итоговой аттестации (в формате защиты проекта) Вы получите
Удостоверение о повышении квалификации (72 ак. часа) установленного образца ЮФУ
Вебинар - премодуль 22 апреля в 17:00 (МСК)
22 апреля в 17:00 (МСК)
Участие бесплатное по регистрации
Тема: «Когда нужны передовые технологии ИИ - и как это понять заранее»
- Вы уже знакомы с ML, но не всегда уверены, как поставить прикладную задачу и спроектировать решение.
- Хотите узнать, где ML действительно приносит пользу, а когда его внедрение только усложняет задачу.
- Сталкивались с данными, но не всегда понимаете, с чего начать и какие инструменты выбрать.
Зачем участвовать?
- Примеры внедрения ML — покажем, почему в одном случае все получилось, а в другом нет.
- Кейс-анализ: раздаем небольшие сценарии, где вы решаете, стоит ли применять ML и почему.
- Мини-задание: в конце попросим вас коротко описать свою сферу, данные и возможную ML-задачу. Это поможет прийти на курс с уже сформированной идеей.
Что будет?
Что вы получите?
- Четкий взгляд на границы применимости ML в реальных проектах.
- Понимание, с чего начинать, если хотите интегрировать ML в свою работу.
- Первую «точку входа» в наш курс: подумаете над задачей заранее, чтобы на основном обучении приступить сразу к практическим шагам.
Онлайн формат
- Все материалы доступны для прохождения на онлайн-платформе в удобное время
- Онлайн-встречи: 4 живых встречи с экспертами и организаторами — 30.04, 07.05, 23.05, 30.05)
- Telegram-чат — для быстрых вопросов, обсуждений и напоминаний
Проектный подход
- Формат проектной лаборатории — путь от идеи до ML-прототипа
- Открытые и собственные кейсы — можно работать со своими данными или выбрать готовый датасет.
- Два трека (технический и исследовательский) — под тип данных и ваш опыт
Контроль прогресса
- Прозрачная система оценки — вы видите, сколько баллов уже набрали, какие задания выполнены, и что осталось сделать.
- Четкие критерии и обратная связь на каждом шаге. Вы знаете, что у вас получается, а что — стоит доработать.
Как проходит обучение
Пошаговый маршрут — от постановки задачи до защиты проекта. Вместо «кучи заданий» — структурированный путь с прогрессом и помощью преподавателей.
Как проходит обучение
Пошаговый маршрут — от постановки задачи до защиты проекта. Вместо «кучи заданий» — структурированный путь с прогрессом и помощью преподавателей.
Онлайн формат
- Все материалы доступны для прохождения на онлайн-платформе в удобное время
- Онлайн-встречи: 4 живых встречи с экспертами и организаторами — 30.04, 07.05, 23.05, 30.05)
- Telegram-чат — для быстрых вопросов, обсуждений и напоминаний
Проектный подход
- Формат проектной лаборатории — путь от идеи до ML-прототипа
- Открытые и собственные кейсы — можно работать со своими данными или выбрать готовый датасет.
- Два трека (технический и исследовательский) — под тип данных и ваш опыт
Контроль прогресса
- Прозрачная система оценки — вы видите, сколько баллов уже набрали, какие задания выполнены, и что осталось сделать.
- Четкие критерии и обратная связь на каждом шаге. Вы знаете, что у вас получается, а что — стоит доработать.
Стоимость обучения
Для студентов и сотрудников ЮФУ - бесплатно!
Для других участников курс доступен на платной основе — 12 500 ₽
Курс проходит впервые, поэтому мы особенно ценим активное участие и обратную связь от слушателей.
Воспользуйтесь возможностью создать собственный ML-проект, который станет полезным инструментом для вашей работы или учебы.
Курс проходит впервые, поэтому мы особенно ценим активное участие и обратную связь от слушателей.
Воспользуйтесь возможностью создать собственный ML-проект, который станет полезным инструментом для вашей работы или учебы.
Буду рада помочь:
Больше узнать о программе
Подать заявку на участие
Менеджер программы Полина Гирич
Университетский пер., 42, Ростов-на-Дону
Разработка сайта «Цифровая образовательная платформа»
Передовые технологии ИИ в исследованиях и разработках (R&D)
22 апреля приглашаем на бесплатный вебинар - «Когда нужны передовые технологии ИИ - и как это понять заранее»