Продолжительность курса: 40 ак. ч.

Описание курса:
Искусственный интеллект стал ключевым инструментом повышения эффективности в любой профессиональной сфере. Курс создан специально для непрофильных специалистов: мы говорим на языке бизнеса, процессов и результатов, а не на языке математики и кода. Вы научитесь отличать реальные технологические возможности от маркетингового шума, грамотно использовать большие языковые модели (LLM) и технологии RAG для работы с корпоративными знаниями, а также оценивать экономическую и юридическую целесообразность внедрения ИИ. Курс даст вам готовый фреймворк для трансформации рутины в автоматизированные процессы с соблюдением всех норм безопасности и этики.

Аудитория:
• руководители и топ-менеджеры
• Product- и Project-менеджеры
• специалисты предметных областей (HR, юристы, финансисты, логисты, маркетологи)

Необходимая подготовка:
• Базовой цифровой грамотности: уверенное владение ПК, опыт работы с офисными приложениями, понимание базовых ИТ-концепций
• Понимания бизнес-процессов: умение видеть в своей ежедневной работе рутинные, повторяющиеся операции, которые потенциально можно оптимизировать

Программа курса:
Модуль 1. Основы систем искусственного интеллекта для непрофильных специалистов
• Эволюция ИИ: от экспертных систем до генеративного ИИ
• Терминология: ML, DL, NLP, CV
• Отличие ИИ от традиционного ПО
• Виды ИИ: узкий (слабый) и сильный (общий)
• Данные как основа ИИ: обучающая выборка, переобучение, смещение (bias)
• Критерии отличия реальных ИИ-решений от маркетинговых заявлений

Модуль 2. Искусственный интеллект в профессиональной деятельности: возможности, ограничения, сферы применения
• Классификация задач ИИ по отраслям (финансы, юриспруденция, логистика, HR, производство, здравоохранение)
• Сильные стороны ИИ: классификация, прогнозирование, кластеризация, генерация контента
• Ограничения ИИ: отсутствие здравого смысла, чувствительность к шумам, проблема «черного ящика»
• Матрица принятия решений: когда целесообразно внедрять ИИ

Модуль 3. Большие языковые модели в профессиональной деятельности: генерация, анализ текста, работа с документами и ограничения применения
• Принцип работы LLM: токены, контекстное окно, вероятностная природа ответов
• Сценарии применения: генерация писем и резюме, анализ тональности, структурирование данных
• Техники промптинга: Zero-shot, Few-shot, Chain-of-Thought
• Ограничения LLM: галлюцинации, устаревшие знания, риски конфиденциальности

Модуль 4. RAG-технологии: интеллектуальный поиск, корпоративные базы знаний и работа с внутренними документами
• Проблема ограниченности знаний LLM и необходимость подключения внешних источников
• Архитектура RAG: поисковая система + генератор
• Этапы построения RAG-системы: загрузка документов, чанкинг (нарезка), эмбеддинги (векторные представления)
• Сценарии применения: чат-бот по базе знаний, умный поиск по документам, помощник по архиву
• Ограничения RAG: качество исходных документов, дублирование информации, скорость поиска

Модуль 5. Применение технологий компьютерного зрения в задачах управления и автоматизации
• Основы компьютерного зрения: распознавание объектов, сегментация, OCR
• Прикладные задачи: охрана и безопасность, промышленная дефектоскопия, ритейл (анализ полок и очередей), распознавание документов
• Ограничения CV: зависимость от освещения, ракурса, качества камер
• Этические аспекты применения CV (вопросы слежки и приватности)

Модуль 6. Правовые и организационные аспекты применения искусственного интеллекта в профессиональной деятельности
• Законодательство о персональных данных (152-ФЗ) и использование ИИ
• Ответственность за решения, принятые ИИ: принцип «человек в петле» (Human-in-the-loop)
• Алгоритмическая дискриминация и способы проверки моделей на предвзятость
• Интеллектуальная собственность на контент, сгенерированный нейросетями
• Этические кодексы в сфере ИИ (ЮНЕСКО, российские ИТ-компании)
• Маркировка генеративного контента (законодательные требования)

Модуль 7. Организация профессиональной деятельности с использованием инструментов искусственного интеллекта
• Уровни зрелости использования ИИ в организации
• Ролевой состав команды для внедрения ИИ (Product Owner, инженер данных, AI-разработчик, юрист)
• Совокупная стоимость владения (TCO): сервера, дообучение, поддержка, исправление ошибок
• Управление изменениями и коммуникация с сотрудниками
• Метрики эффективности и ROI от внедрения ИИ

Окончательная цена указывается в договоре на обучение. Записаться на курс