ИППТ

Цифровое производство и проектная деятельность

Курс разработан СПбПУ совместно с Фаблаб Политех. Онлайн-курс “Цифровое производство” посвящён освоению и применению навыков прототипирования и опытного производства при помощи станков с ЧПУ. В процессе прохождения участники будут пользоваться лазерным станком, 3D-принтером, фрезерным станком, изготавливать платы и многое другое.

О курсе

Составители курса вдохновлялись международной образовательной программой FabAcademy по курсу “How to make (almost) anything” профессора MIT Нила Гершенфельда, который включает в себя освоение всех технологических операций, выполнимых на базе производственных лабораторий, Фаблабов, в максимально короткие сроки.

Прохождение курса не включает в себя обязательную практику в каждой из технологий, но для получения полноценного опыта и максимального погружения в среду цифрового производства крайне рекомендуется отрабатывать знания, получаемые каждую неделю, в вашем фаблабе, ЦМИТе или кванториуме.

Skill Level: Beginner

Основы нейроинформатики и машинного обучения

В курсе рассматриваются основные разделы машинного обучения как элемента общего направления искусственного интеллекта. Особое внимание уделено основным задачам и определениям машинного обучения, включая индуктивное и дедуктивное обучение, обучение с учителем и без учителя. Рассмотрены основные методы и модели машинного обучения, включая метод ближайших соседей, деревья решений, нейронные сети. Даются понятия объяснительного интеллекта. Изучение курса опирается на знания в области теории вероятностей и математической статистики, линейной алгебры и методов оптимизации.

О курсе

Машинное обучение как часть направления искусственного интеллекта является одним из наиболее перспективных и динамично развивающихся областей исследований, результаты которого уже сегодня демонстрируют эффективность в самых различных прикладных областях: в медицине, биологии, робототехнике, в обработке больших объемов данных, в создании автономных систем и устройств, в распознавании речи, поисковых системах.

В курсе рассматриваются основные положения, понятия, методы, модели и алгоритмы машинного обучения для решения задач классификации, восстановления регрессии и кластеризации. Особое внимание уделено фундаментальным понятиям машинного обучения, включая эмпирический функционал риска или ошибки, переобучение, компромисс между обучением и тестированием. Также большое внимание уделено вопросам, связанным с обучением нейронных сетей, с различными конфигурациями нейронных сетей, включая сверточные сети и порождающие сети.

Skill Level: Beginner