Передовые технологии ИИ в исследованиях и разработках (R&D)
Это не просто курс, а проектная лаборатория: приходите с идеей — завершаете с рабочим прототипом ИИ-решения. С кодом или без — зависит от выбранной траектории
Старт обучения 16 октября
Бесплатно для сотрудников и студентов ЮФУ
Количество мест ограничено!
2.0
Инженер или технолог
Хотите автоматизировать контроль качества
преподаватель или Исследователь
Хотите быстрее работать с данными и использовать ИИ для задач исследований и образования
R&D-менеджер, аналитик или руководитель проекта
Вам нужны точные прогнозы для принятия решений
Студент IT-направления или молодой специалист
Хотите собрать рабочий прототип под реальную задачу и пополнить портфолио
Этот курс для вас, если вы:
Выберите трек под свою задачу
Автоматизация без кода
Если вы хотите создать ассистента или автоматизировать рутинные задачи:
→ Определяете задачу: поиск информации, анализ текста, чат-бот.
→ Собираете MVP ассистента и проверяете, как он работает в вашем процессе.
Итог: ИИ-ассистент, развернутый в канале (например, мессенджер или веб-сервис).
→ Определяете задачу: поиск информации, анализ текста, чат-бот.
→ Собираете MVP ассистента и проверяете, как он работает в вашем процессе.
Итог: ИИ-ассистент, развернутый в канале (например, мессенджер или веб-сервис).
01
Что нужно знать до старта?
Пререквизитов нет — можно стартовать с нуля
Пререквизитов нет — можно стартовать с нуля
Аналитика без кода
Подойдет, если вы хотите собирать модели без программирования:
→ Работа с табличными данными (CSV, Excel).
→ Изучаете структуру данных, находите закономерности, очищаете и готовите данные.
Итог: отчет с визуализациями и базовая ИИ-модель, собранная автоматически.
→ Работа с табличными данными (CSV, Excel).
→ Изучаете структуру данных, находите закономерности, очищаете и готовите данные.
Итог: отчет с визуализациями и базовая ИИ-модель, собранная автоматически.
02
Что нужно знать до старта?
Базовые знания статистики и корреляций, опыт работы с таблицами; умение читать графики.
Базовые знания статистики и корреляций, опыт работы с таблицами; умение читать графики.
Машинное обучение на Python
Если вы уверенно работаете с кодом и хотите полный контроль над моделями:
→ Для разных типов данных: таблицы, тексты, изображения, временные ряды.
→ Формулируете задачу, готовите данные, обучаете и сравниваете модели.
Итог: прототип модели в коде, готовый к внедрению.
→ Для разных типов данных: таблицы, тексты, изображения, временные ряды.
→ Формулируете задачу, готовите данные, обучаете и сравниваете модели.
Итог: прототип модели в коде, готовый к внедрению.
03
Что нужно знать до старта?
Владение Python; понимание базовых принципов машинного обучения; представление, что такое датасет и как устроены данные.
Владение Python; понимание базовых принципов машинного обучения; представление, что такое датасет и как устроены данные.
Как программа решит ваши задачи
Получите пошаговую систему для внедрения ИИ в ваши реальные процессы: от постановки задачи до работающего прототипа
Применяете разные нейросети, но не видите реальной пользы автоматизации
ИИ-эксперименты без результата
Автоматизируйте рутину и сложные задачи с помощью ИИ-помощников, даже если вы не программист
Внедрение ИИ кажется сложным, долгим и требует целой команды разработчиков
ИИ-агенты не только для айтишников
Вы соберете прототип именно под свою задачу: модель на Python, визуальный анализ данных без кода или ИИ-ассистент для рутинных процессов
Кажется, что ИИ-модели далеки от ваших задач
ИИ не работает
Рабочий прототип под вашу задачу: ИИ-ассистент для автоматизации/ модель в Python/ визуальный анализ данных в зависимости от выбранной траектории.
Четкое описание решения для внедрения: документ проекта c ограничениями и рекомендациями по использованию ИИ в исследованиях или разработках.
Навык полного цикла: от исходных данных и задач до готового ИИ-прототипа, который можно повторить на новом проекте.
Четкое описание решения для внедрения: документ проекта c ограничениями и рекомендациями по использованию ИИ в исследованиях или разработках.
Навык полного цикла: от исходных данных и задач до готового ИИ-прототипа, который можно повторить на новом проекте.
Что вы получите в финале?
Готовый проект и навык внедрения ИИ
Собрать прототип под свою задачу: ИИ-ассистента, анализ данных, ML-модель в Python
Проектировать прикладные ИИ-решения — от идеи до финального прототипа.
Проектировать прикладные ИИ-решения — от идеи до финального прототипа.
ВЫ СМОЖЕТЕ:
Подбирать оптимальный способ решения для каждой задачи: код или готовые нейросети
Создавать ИИ-решения без программирования через визуальный конструктор и текстовые запросы (вайбкодинг)
Применять современные библиотеки Python для анализа данных, обработки текстов, компьютерного зрения и обучения агентов
Создавать ИИ-решения без программирования через визуальный конструктор и текстовые запросы (вайбкодинг)
Применять современные библиотеки Python для анализа данных, обработки текстов, компьютерного зрения и обучения агентов
ВЫ НАУЧИТЕСЬ:
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
Алексей Цимбаленко
- Начальник отдела системной интеграции Управления информационных технологий Южного федерального университета
Александр
Гуда
Гуда
- Доктор физико-математических наук
- Доцент Международного исследовательского института интеллектуальных материалов, Южный федеральный университет
Сергей Дубровский
- Эксперт исследовательского центра искусственного интеллекта ИОН РАНХиГС
- Соруководитель программы бакалавриата «Цифровые коммуникации и искусственный интеллект»
Полина Басина
- Аналитик лаборатории прикладного анализа больших данных НИ ТГУ.
- Более 4 лет работает в анализе данных.
- Преподаватель и разработчик образовательных курсов «Интеллектуальный анализ больших данных», «Обработка данных на естественном языке»
Модули программы
Осваивайте инструменты и сразу применяйте для решения своих задач
Живые вебинары, практика и обратная связь от экспертов на каждом этапе. Итог прохождения программы — готовый к внедрению ИИ-прототип и его презентация.
Живые вебинары, практика и обратная связь от экспертов на каждом этапе. Итог прохождения программы — готовый к внедрению ИИ-прототип и его презентация.
Общая длительность — 72 академических часа.
Современные направления ИИ: от автономных агентов до визуальных конструкторов. Как разобраться в многообразии и найти оптимальный путь в ИИ для вашей задачи или проекта.
16 октября, 17:00–19:00 Вводный вебинар «Осознанная автоматизация»
21 октября, 17:00–18:00 Вебинар «Жизненный цикл ИИ-проекта»
Разбираем темы: роль машинного обучения и ИИ в высокотехнологичных задачах, концепция проектов без кодинга, большие языковые модели и ассистенты, ограничения и риски проектов с кодом и без кода.
Выполняем задание: заполняем чек-лист выбора траектории, формулируем задачу и цели под свой проект, определяем риски.
21 октября, 17:00–18:00 Вебинар «Жизненный цикл ИИ-проекта»
Разбираем темы: роль машинного обучения и ИИ в высокотехнологичных задачах, концепция проектов без кодинга, большие языковые модели и ассистенты, ограничения и риски проектов с кодом и без кода.
Выполняем задание: заполняем чек-лист выбора траектории, формулируем задачу и цели под свой проект, определяем риски.
4 ноября, 17:00–18:00 Консультация по проектам (проекты без кода).
5 ноября, 17:00–18:00 Консультация по проектам (проекты с кодом).
Разбираем темы: классы ИИ-моделей, оценка качества (точность, метрики, интерпретируемость), сценарии автоматизации
Выполняем задание: проектируем архитектуру ИИ-решения (от входных данных до результата).
5 ноября, 17:00–18:00 Консультация по проектам (проекты с кодом).
Разбираем темы: классы ИИ-моделей, оценка качества (точность, метрики, интерпретируемость), сценарии автоматизации
Выполняем задание: проектируем архитектуру ИИ-решения (от входных данных до результата).
12 ноября, 17:00–18:30 Вебинар «Вайбкодинг: как собирать прототипы с ИИ без кода».
13 ноября, 17:00–19:00 Вебинар «Анализ данных без кода в Orange» (для траектории «Аналитика без кода»)
14 ноября, 17:00–18:30 Вебинар «Предобработка данных: практикум на Python» (для траектории «Машинное обучение на Python»).
17 ноября, 17:00–18:30 Вебинар «Сборка ассистента и визуальный код» (для траектория «Автоматизация без кода»).
Выполняем задание: запускаем работу в выбранной траектории, строим прототип, очищаем и анализируем данные, дорабатываем и тестируем ИИ-решение.
13 ноября, 17:00–19:00 Вебинар «Анализ данных без кода в Orange» (для траектории «Аналитика без кода»)
14 ноября, 17:00–18:30 Вебинар «Предобработка данных: практикум на Python» (для траектории «Машинное обучение на Python»).
17 ноября, 17:00–18:30 Вебинар «Сборка ассистента и визуальный код» (для траектория «Автоматизация без кода»).
Выполняем задание: запускаем работу в выбранной траектории, строим прототип, очищаем и анализируем данные, дорабатываем и тестируем ИИ-решение.
Консультации по проектам:
9 декабря, 17:00−18:00 Траектория "Аналитика без кода".
10 декабря, 17:00−18:00 Траектория "Автоматизация без кода".
12 декабря, 17:00−18:00 Траектория "Машинное обучение на Python".
Защиты проектов:
18 декабря, 17:00—18:30 Траектория «Аналитика без кода».
19 декабря, 17:00—18:30 Траектория «Автоматизация без кода».
20 января 2026 г., 17:00—18:30 Траектория «Машинное обучение на Python».
Выполняем задание: готовим финальную версию проекта, презентуем результаты и получаем обратную связь от экспертов.
9 декабря, 17:00−18:00 Траектория "Аналитика без кода".
10 декабря, 17:00−18:00 Траектория "Автоматизация без кода".
12 декабря, 17:00−18:00 Траектория "Машинное обучение на Python".
Защиты проектов:
18 декабря, 17:00—18:30 Траектория «Аналитика без кода».
19 декабря, 17:00—18:30 Траектория «Автоматизация без кода».
20 января 2026 г., 17:00—18:30 Траектория «Машинное обучение на Python».
Выполняем задание: готовим финальную версию проекта, презентуем результаты и получаем обратную связь от экспертов.
Модули программы
Осваивайте инструменты и сразу применяйте для решения своих задач. Живые вебинары, практика и обратная связь от экспертов на каждом этапе. Итог прохождения программы — готовый к внедрению ИИ-прототип и его презентация.
Современные направления ИИ: от автономных агентов до визуальных конструкторов. Как разобраться в многообразии и найти оптимальный путь в ИИ для вашей задачи или проекта.
16 октября, 17:00—19:00 Вводный вебинар «Осознанная автоматизация»
21 октября, 17:00—18:00 Вебинар «Жизненный цикл ИИ-проекта»
Разбираем темы: роль машинного обучения и ИИ в высокотехнологичных задачах, концепция проектов без кодинга, большие языковые модели и ассистенты, ограничения и риски проектов с кодом и без кода.
Выполняем задание: заполняем чек-лист выбора траектории, формулируем задачу и цели под свой проект, определяем риски.
21 октября, 17:00—18:00 Вебинар «Жизненный цикл ИИ-проекта»
Разбираем темы: роль машинного обучения и ИИ в высокотехнологичных задачах, концепция проектов без кодинга, большие языковые модели и ассистенты, ограничения и риски проектов с кодом и без кода.
Выполняем задание: заполняем чек-лист выбора траектории, формулируем задачу и цели под свой проект, определяем риски.
4 ноября, 17:00—18:00 Консультация по проектам (проекты без кода).
5 ноября, 17:00—18:00 Консультация по проектам (проекты с кодом).
Разбираем темы: классы ИИ-моделей, оценка качества (точность, метрики, интерпретируемость), сценарии автоматизации
Выполняем задание: проектируем архитектуру ИИ-решения (от входных данных до результата).
5 ноября, 17:00—18:00 Консультация по проектам (проекты с кодом).
Разбираем темы: классы ИИ-моделей, оценка качества (точность, метрики, интерпретируемость), сценарии автоматизации
Выполняем задание: проектируем архитектуру ИИ-решения (от входных данных до результата).
12 ноября, 17:00—18:30 Вебинар «Вайбкодинг: как собирать прототипы с ИИ без кода».
13 ноября, 17:00—19:00 Вебинар «Анализ данных без кода в Orange» (для траектории «Аналитика без кода»)
14 ноября, 17:00—18:30 Вебинар «Предобработка данных: практикум на Python» (для траектории «Машинное обучение на Python»).
17 ноября, 17:00—18:30 Вебинар «Сборка ассистента и визуальный код» (для траектория «Автоматизация без кода»).
Выполняем задание: запускаем работу в выбранной траектории, строим прототип, очищаем и анализируем данные, дорабатываем и тестируем ИИ-решение.
13 ноября, 17:00—19:00 Вебинар «Анализ данных без кода в Orange» (для траектории «Аналитика без кода»)
14 ноября, 17:00—18:30 Вебинар «Предобработка данных: практикум на Python» (для траектории «Машинное обучение на Python»).
17 ноября, 17:00—18:30 Вебинар «Сборка ассистента и визуальный код» (для траектория «Автоматизация без кода»).
Выполняем задание: запускаем работу в выбранной траектории, строим прототип, очищаем и анализируем данные, дорабатываем и тестируем ИИ-решение.
Консультации по проектам:
9 декабря, 17:00—18:00 Траектория "Аналитика без кода".
10 декабря, 17:00—18:00 Траектория "Автоматизация без кода".
12 декабря, 17:00—18:00 Траектория "Машинное обучение на Python".
Защиты проектов:
18 декабря, 17:00—18:30 Траектория "Аналитика без кода".
19 декабря, 17:00—18:30 Траектория "Автоматизация без кода".
20 января 2026 г., 17:00—18:30 Траектория "Машинное обучение на Python".
Выполняем задание: готовим финальную версию проекта, презентуем результаты и получаем обратную связь от экспертов.
9 декабря, 17:00—18:00 Траектория "Аналитика без кода".
10 декабря, 17:00—18:00 Траектория "Автоматизация без кода".
12 декабря, 17:00—18:00 Траектория "Машинное обучение на Python".
Защиты проектов:
18 декабря, 17:00—18:30 Траектория "Аналитика без кода".
19 декабря, 17:00—18:30 Траектория "Автоматизация без кода".
20 января 2026 г., 17:00—18:30 Траектория "Машинное обучение на Python".
Выполняем задание: готовим финальную версию проекта, презентуем результаты и получаем обратную связь от экспертов.
После сдачи итоговой аттестации (в формате защиты проекта) Вы получите
Удостоверение о повышении квалификации (72 ак. часа) установленного образца ЮФУ
Примеры кейсов по траекториям обучения
Предсказать отток клиентов онлайн-сервиса
Загружена база в Orange, проведена очистка и подготовка данных. Обучено несколько моделей машинного обучения, проведено сравнение их точности.
Задача
Решение
Результат
Аналитика без кода
Отчет с визуализацией факторов, влияющих на отток, и автоматический прогноз для новых клиентов
no-code
Orange
Отчет с визуализацией
анализ результатов опроса сотрудников
В Orange собран пайплайн: импорт данных, визуализация распределений, обучение модели для классификации «доволен/недоволен».
Задача
Решение
Результат
Аналитика без кода
Дашборд с прогнозами и факторными диаграммами для HR-отдела.
no-code
Orange
Дашборд
Автоматизировать подготовку лекций
Собран no-code ассистент, который по теме подбирает источники, составляет план, предлагает изображения и оформляет структуру занятия.
Задача
Решение
Результат
Автоматизация без кода
Экономия времени преподавателя и готовый «скелет» лекции за 5−10 минут.
no-code
ИИ-ассистент
Лекция за 5 минут
Поиск литературы и авто-конспектЫ
Интегрирован LLM без кода: загружаются PDF, извлекается нужный фрагмент, генерируется краткий конспект, добавляются релевантные ссылки.
Задача
Решение
Результат
Автоматизация без кода
Экономия времени на подготовку к НИР и написанию статей.
no-code
LLM
НИР/Статья
предсказать реакцию организма на вещество
Очищены и структурированы экспериментальные данные, построена ML-модель для анализа эффекта соединений.
Задача
Решение
Результат
Машинное обучение на Python
Инструмент ускоряет работу биологов и фармацевтов.
Python
Микробиология
Биоинформатика
быстро разбирать сотни анкет и опросов
Построена модель классификации текстов, которая автоматически делит ответы по категориям.
Задача
Решение
Результат
Машинное обучение на Python
Исследователь тратит минуты, а не недели, и сразу видит общую картину
Python
Социология
Классификация
Вебинар
С кодом или без: как выбрать подход к ИИ под свою задачу?
ИИ — не магия. Это инструмент. И мы научим им пользоваться!
- Разобрали, где автоматизация с ИИ действительно экономит силы, а где - только усложняет работу.
- Показали примеры применения ИИ в образовании, науке и бизнесе.
- Эксперты прокомментировали реальные задачи участников в прямом эфире и предложили разные пути решения: от кода до простых инструментов.
Как проходит обучение
Пошаговый маршрут — от постановки задачи до защиты проекта. Все для вашего результата: учитесь без отрыва от работы и сразу внедряйте
Гибкий онлайн-формат
Не нужно подстраиваться под расписание
- Смотрите лекции и делаете задания в любое удобное время
- Живые онлайн-встречи с экспертами для разбора сложных тем и ответов на ваши вопросы (записи сохраняются)
- Закрытый Телеграм-чат с кураторами и экспертами для быстрой помощи и обмена опытом 24/7
Практика на реальном проекте
Вместо теории — вы получите работающий инструмент
- С первого дня вы работаете над своим кейсом или выбираете проект из предложенных датасетов
- Пошаговый план-конструктор проведет вас от идеи до готового прототипа
- Выберите свой путь: пишите код или соберите решение без программирования
Персональная траектория и поддержка
Мы не бросаем вас один на один с данными и кодом
- Вы всегда видите, что сделали и что делать дальше
- Развернутая обратная связь по каждому этапу вашего проекта. Не просто «верно/неверно», а «как сделать сильнее»
- Мы помогаем сделать так, чтобы ваша модель не легла на полку, а начала приносить пользу.
Стоимость обучения
Мы подготовили два тарифа, чтобы каждый смог получить максимум пользы: «Стандарт» — для тех, кто хочет пройти путь в группе, и «Премиум» — для тех, кому важно персональное сопровождение
48 000₽
Для тех, кому нужен гарантированный результат и персональное внимание
Тариф «Премиум»
Доступ ко всем материалам
Участие в живых сессиях с экспертами
Удостоверение о повышении квалификации
Поддержка в общем чате с кураторами и экспертами
Участие в защите проектов
Личные консультации с экспертами и наставниками для проработки вашего кейса
Приоритетная проверка домашних заданий
Помощь в настройке и отладке вашего ИИ-решения
Участие в живых сессиях с экспертами
Удостоверение о повышении квалификации
Поддержка в общем чате с кураторами и экспертами
Участие в защите проектов
Личные консультации с экспертами и наставниками для проработки вашего кейса
Приоритетная проверка домашних заданий
Помощь в настройке и отладке вашего ИИ-решения
28 000₽
Для тех, кто хочет пройти весь путь самостоятельно в группе
тариф «СТАНДАРТ»
Доступ ко всем материалам
Участие в живых сессиях с экспертами
Удостоверение о повышении квалификации Поддержка в общем чате с кураторами и экспертами
Участие в защите проектов
Участие в живых сессиях с экспертами
Удостоверение о повышении квалификации Поддержка в общем чате с кураторами и экспертами
Участие в защите проектов
Учитесь бесплатно!
Студенты и сотрудники ЮФУ могут пройти программу бесплатно по тарифу «Стандарт» — доступ ко всем материалам, поддержка кураторов и экспертов, живые сессии и итоговое удостоверение.
Для студентов и сотрудников ЮФУ
Успейте зарегистрироваться! Количество мест ограничено
Отзывы выпускников программы
м.н.с. экономического факультета ЮФУ
«Главная сложность в сфере машинного обучения — это не собственно математика, стоящая за моделями, а уверенное понимание
1) того, как эти модели соотносятся с вашими данными;
2) того, что можно, а что нельзя делать с моделями с учетом ваших задач и ваших всевозможных ограничений.
Данная программа мне понравилась тем, что она не просто описывает инструменты, а то, как их правильно применять, с учетом методологических и этических пределов, и в контексте современной индустриальной практики. На это были рассчитаны и задания программы — на формирование понимания того, что вы делаете еще на этапе обработки данных и постановки задач, на умение мыслить контрфактуально. Это очень ценно в сфере ML/AI"
«Главная сложность в сфере машинного обучения — это не собственно математика, стоящая за моделями, а уверенное понимание
1) того, как эти модели соотносятся с вашими данными;
2) того, что можно, а что нельзя делать с моделями с учетом ваших задач и ваших всевозможных ограничений.
Данная программа мне понравилась тем, что она не просто описывает инструменты, а то, как их правильно применять, с учетом методологических и этических пределов, и в контексте современной индустриальной практики. На это были рассчитаны и задания программы — на формирование понимания того, что вы делаете еще на этапе обработки данных и постановки задач, на умение мыслить контрфактуально. Это очень ценно в сфере ML/AI"
Гриднев Данил
Инженер-исследователь МИИ ИМ ЮФУ
«Спасибо огромное за возможность пройти курс о внедрении передовых технологий ИИ в реальные разработки. Особенно ценно было то, что под руководством преподавателей можно было применять изучаемые методы сразу к своему реальному исследованию, а не к учебным кейсам.
Не имея большого опыта в использовании ИИ в научных исследованиях, я также высоко оценила, что курс очень гибкий и предлагает задания под любой уровень подготовки.
«Спасибо огромное за возможность пройти курс о внедрении передовых технологий ИИ в реальные разработки. Особенно ценно было то, что под руководством преподавателей можно было применять изучаемые методы сразу к своему реальному исследованию, а не к учебным кейсам.
Не имея большого опыта в использовании ИИ в научных исследованиях, я также высоко оценила, что курс очень гибкий и предлагает задания под любой уровень подготовки.
Инженер-Программист/ФГУП РНИИРС
«Интересный курс. Включает в себя обзор актуальных методов машинного обучения. Подача материала структурирована и последовательна. За компактное количество семинаров было рассмотрено достаточное количество направлений и технологий. Советую курс для тех, кто хотел бы ознакомиться с таким перспективным направлением, как машинное обучение»
«Интересный курс. Включает в себя обзор актуальных методов машинного обучения. Подача материала структурирована и последовательна. За компактное количество семинаров было рассмотрено достаточное количество направлений и технологий. Советую курс для тех, кто хотел бы ознакомиться с таким перспективным направлением, как машинное обучение»
Ляшенко Кирилл
Кузнецова Полина
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»
Мы используем cookie, чтобы сайт работал корректно и был удобнее для вас. Запретить обработку cookie вы можете через браузер.
Передовые технологии ИИ в исследованиях и разработках (R&D)
Бесплатный вебинар «Как выбрать подход к ИИ под свою задачу — с кодом или без кода»