Фонд «Интеллект»

Межфакультетские курсы

О программе
Команда
  • О программе
  • Команда

Межфакультетские курсы по искусственному интеллекту и программированию введены в 2021 году. Проект МФК призван предоставить студентам всех факультетов МГУ актуальные и современные знания в областях Computer Science и Data Science. Курсы рассказывают о развитии искусственного интеллекта и применении его технологий в различных профессиональных областях.

Межфакультетский учебный курс (МФК) – это семестровый курс для студентов МГУ имени М.В. Ломоносова, желающих освоить области знаний, выходящие за рамки изучаемой ими специальности.

С 2021 по 2023 годы межфакультетские курсы прослушали более 5000 студентов МГУ имени М.В. Ломоносова.

Траектория обучения:

Введение в программирование на основе языка Python

Курс рассчитан на желающих ВПЕРВЫЕ познакомиться с программированием. Главное достоинство языка Python — простота синтаксиса и команд, а также большое количество библиотек. Python применяют в своих исследованиях и разработках специалисты, чьи профессии напрямую не связаны с программированием, поэтому курс будет полезен студентам естественно-научного и гуманитарного профиля.

Математика для анализа данных

Курс является дополнением к серии курсов по ИИ в МГУ и предназначен для слушателей нетехнических специальностей. За каждой стандартной моделью и конструкцией в Data Science стоит математика. Для того, чтобы анализировать данные на серьезном уровне и понимать, как работают методы машинного обучения, необходимо знание математических основ.

Основы программирования и анализа данных на Python

Курс дает базовые представления о языке программирования Python, методах анализа данных и применению Python для получения практических выводов и визуализации данных. Курс ориентирован на тех, кто готов посвящать много времени и сил освоению материала. Знакомство с программированием происходит в контексте решения содержательных практических задач с использованием функционала библиотек для анализа данных NumPy, Pandas, Matplotlib.

Решение прикладных задач с помощью программирования на языке Python

Курс является дополнением к межфакультетскому курсу «Основы программирования и анализа данных на Python» для проектной работы студентов в небольших группах над практическими задачами, которыми они занимаются в рамках основной программы обучения на базовых факультетах.

Машинное обучение для решения прикладных задач

Курс включает в себя обзор ключевых алгоритмов машинного обучения, изучение методов и практических приемов решения задач машинного обучения с иллюстрацией на реальных примерах. По результатам обучения слушатели овладеют фреймворком Sklearn, методами обработки данных в пакетах Pandas, Sklearn, Scipy, Numpy.

Введение в глубокое обучение

Курс направлен на погружение в изучение новейших технологий искусственного интеллекта. Программа курса дает базовое представление о современных нейронных сетях, ключевых параметрах их архитектуры и применении глубоких нейронных сетей в различных сферах индустрии.

Дополнительно:

Математика для анализа данных

Курс является дополнением к серии курсов по ИИ в МГУ и предназначен для слушателей нетехнических специальностей. За каждой стандартной моделью и конструкцией в Data Science стоит математика. Для того, чтобы анализировать данные на серьезном уровне и понимать, как работают методы машинного обучения, необходимо знание математических основ.

Решение прикладных задач с помощью программирования на языке Python

Курс является дополнением к межфакультетскому курсу «Основы программирования и анализа данных на Python» для проектной работы студентов в небольших группах над практическими задачами, которыми они занимаются в рамках основной программы обучения на базовых факультетах.

 

Более подробная информация о каждом межфакультетском курсе находится в разделе Возможности

 

Академический состав

  • Хирьянов Тимофей Фёдорович

    Преподаватель курса Основы программирования и анализа данных на Python

    Программист, эксперт ЕГЭ по информатике, популяризатор Python. Работал программистом в компаниях мирового уровня — Parallels и Samsung Electronics. Разработчик системного программного обеспечения для операционной системы Tizen для мобильных платформ, ассоциативный член фонда свободного программного обеспечения.

     

  • Оселедец Иван Валерьевич

    Преподаватель курса Математика для анализа данных

    Доктор физико-математических наук, профессор Сколковского института науки и технологий, возглавляющий группу научных вычислений, ведущий научный сотрудник Института вычислительной математики РАН, лауреат Премии президента РФ в области науки и инноваций для молодых ученых, руководитель научной группы Института искусственного интеллекта AIRI.

  • Катруца Александр Михайлович

    Преподаватель курса Математика для анализа данных

    Кандидат физико-математических наук, научный сотрудник Сколковского института науки и технологии, преподаватель курса "Методы оптимизации".

  • Нейчев Радослав Георгиев

    Преподаватель курса Введение в глубокое обучение

    Автор курсов по машинному и глубокому обучению в Harbour.Space, курса NLP в академии Mail.ru. Занимается исследованиями в области анализа мультимодальных данных (в т.ч. для анализа активности человека), Reinforcement Learning и Informative Prior. ex. Research Engineer at Yandex-CERN group, ex. Senior Quantitative Analysis Officer at Raiffeisen Bank Russia

  • Гайнцева Татьяна Андреевна

    Преподаватель курса Введение в глубокое обучение

    Преподаватель ШАД, Deep Learning School, курсов Сбера и многих других.

    ex. Computer Vision Researcherat Huawei, Philips.

    Автор Telegram-канал “DLStories | Нейронные сети и ИИ” и подкаста Deep Learning Stories.

     

    • Команда направления

  • Ольга Мигачёва

    Руководитель проекта, преподаватель, отвечает за развитие и запуск новых курсов

    Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова

  • Сергей Артамонов

    Знаток ML, преподаватель, разработчик методических  материалов и автор практических задач

    Образование: Механико-математический факультет МГУ имени М.В. Ломоносова

  • Олег Горохов

    Преподаватель, ответственный за помощь студентам  в освоении материалов курса и при выполнении домашних заданий

    Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова

  • Максим Иванов

    Знаток Python, автоматизирует проверку домашних заданий по курсам и проводит консультации для студентов

    Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова

  • Ольга Сущенко

    Менеджер проекта, принимает участие в организации учебного процесса, поддерживает студентов в чатах

    Образование: Социологический факультет МГУ имени М.В. Ломоносова

  • Андрей Чупахин

    Преподаватель, курирует работу студентов в системе Яндекс.Контест

    Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова

  • Алексей Корнеев

    Знаток Python, проводит консультации для студентов и осуществляет поддержку в чатах

    Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова

  • Алишер Ибрагимов

    Специалист по работе с системой Яндекс.Контест

    Образование: Физический факультет МГУ имени М.В. Ломоносова

  • Олег Кутузов

    Помогает студентам справиться с домашними заданиями

    Образование: Механико-математический факультет МГУ имени М.В. Ломоносова

  • Юлия Дивид

    Дизайнер, создает иллюстрации к методическим материалам курсов.

    • О курсе
    Команда
    Группа НС201

    ПО ПЯТНИЦАМ

    09:00–10:30 1 пара

    10:40–12:10 2 пара

    12:10–13.00 Перерыв

    13:00–14:30 3 пара

    14:40–16:10 4 пара

    Преподаватель: А. А. Ганичев

    Группа НС202

    ПО ЧЕТВЕРГАМ

    09:00–10:30 1 пара

    10:40–12:10 2 пара

    12:10–13.00 Перерыв

    13:00–14:30 3 пара

    14:40–16:10 4 пара

    Преподаватель: А. П. Маракулин

    Группа НС203

    ПО ПОНЕДЕЛЬНИКАМ

    09:00–10:30 1 пара

    10:40–12:10 2 пара

    12:10–13.00 Перерыв

    13:00–14:30 3 пара

    14:40–16:10 4 пара

    Преподаватель: Д. Д. Пензар

    Группа НС204

    ПО СУББОТАМ

    09:00–10:30 1 пара

    10:40–12:10 2 пара

    12:10–13.00 Перерыв

    13:00–14:30 3 пара

    14:40–16:10 4 пара

    Преподаватель: И. А. Конюшок