4. Теория Искусственного Интеллекта

Математические модели обучения. Создание систем, способных к обучению и принятию решений.

История и основы

От теста Тьюринга до преодоления «ИИ-зим». Эволюция идей и подходов к созданию искусственного интеллекта.

Машинное обучение (ML)

Обучение на опыте (с учителем, без учителя, с подкреплением). Алгоритмы, улучшающиеся на основе данных.

Глубокое обучение (DL)

Нейросети, архитектура Трансформеров (основа GPT), работа с изображениями и текстом. Многослойные сети.

Генеративный ИИ

Создание нового контента (текст, код, изображения), LLM и диффузионные модели. ИИ как творец.

MLOps и безопасность

Жизненный цикл модели, борьба с предвзятостью и этика алгоритмов. Практика внедрения и контроль ИИ.