Программа «Искусственный интеллект для инженеров: ML, CV, LLM и запуск на устройствах»

Образование / Искусственный интеллект для инженеров: ML, CV, LLM и запуск на устройствах

ООО «Кибер-Телеком»
Специализированное структурное образовательное подразделение «КИБЕР Университет»
УТВЕРЖДЕНА приказом директора ООО «Кибер-Телеком» № ___ от ___

Дополнительная профессиональная программа повышения квалификации «Искусственный интеллект для инженеров: ML, CV, LLM и запуск на устройствах»

Программа целиком в одном файле: PDF. Описание курса и запись: страница курса.

Содержание: 1. Общая характеристика · 2. Учебный план · 3. Календарный учебный график · 4. Рабочие программы модулей · 5. Оценочные материалы · 6. Организационно-педагогические условия и методические материалы

1. Общая характеристика программы

Вид программы	Дополнительная профессиональная программа повышения квалификации
Уровень образования	Дополнительное профессиональное образование
Объём программы	52 академических часов (академический час 45 минут), включая итоговую аттестацию
Форма обучения	Заочная, с применением электронного обучения и дистанционных образовательных технологий (ЭИОС cyber-university.ru)
Язык обучения	Русский
Срок освоения	___ недель; даты начала и окончания обучения устанавливаются договором и приказом о зачислении
Категория слушателей	Инженеры, разработчики и специалисты по работе с данными датчиков и камер, имеющие высшее или среднее профессиональное образование.
Требования к уровню образования	Лица, имеющие среднее профессиональное и (или) высшее образование, а также лица, получающие такое образование (ч. 3 ст. 76 Федерального закона № 273-ФЗ)
Документ по итогам обучения	Удостоверение о повышении квалификации по образцу, установленному ООО «Кибер-Телеком». Лицам, не прошедшим итоговую аттестацию или освоившим часть программы, выдается справка об обучении
Практика	Не предусмотрена
Государственная аккредитация	Не предусмотрена для дополнительных профессиональных программ

Цель программы

Совершенствование и получение новой компетенции в области применения искусственного интеллекта, машинного обучения, компьютерного зрения и больших языковых моделей для инженерных задач.

Аннотация

Программа посвящена практическому применению ML, CV и LLM в инженерной деятельности. Обучение включает работу с данными датчиков, разметку датасетов и запуск моделей на edge-устройствах. Курс ориентирован на внедрение решений в реальные технические системы.

Планируемые результаты обучения

Совершенствуемые и (или) получаемые компетенции: слушатель сможет

постановлять задачи машинного обучения под инженерные кейсы;
реализовывать пайплайны компьютерного зрения;
интегрировать LLM API для работы с документацией и логами;
запускать инференс моделей на edge-устройствах;

Слушатель будет знать:

методы оценки качества моделей машинного обучения;
принципы работы с данными временных рядов и датчиков;
особенности работы LLM в RU-контуре;
ограничения edge-устройств по latency и питанию;

Слушатель будет уметь:

собирать и очищать данные для обучения моделей;
размечать датасеты для компьютерного зрения;
настраивать детекцию объектов на уровне YOLO;
упаковывать и запускать модели на Raspberry Pi или NVIDIA Jetson;

Программа разработана с учетом Федерального закона от 29.12.2012 № 273-ФЗ «Об образовании в Российской Федерации», Порядка организации и осуществления образовательной деятельности по дополнительным профессиональным программам (приказ Минобрнауки России от 24.03.2025 № 266), Правил применения организациями, осуществляющими образовательную деятельность, электронного обучения, дистанционных образовательных технологий (постановление Правительства РФ от 11.10.2023 № 1678). Профессиональный стандарт, на который ориентирована программа: ___.

2. Учебный план

№	Наименование модуля (раздела)	Всего, ак. ч	Форма контроля
1	Основы ML и карта применений в инженерии	8	Текущий контроль: задания и тесты в ЭИОС
2	Данные и временные ряды	8	Текущий контроль: задания и тесты в ЭИОС
3	LLM для инженера	8	Текущий контроль: задания и тесты в ЭИОС
4	Компьютерное зрение и YOLO	10	Текущий контроль: задания и тесты в ЭИОС
5	Разметка данных	6	Текущий контроль: задания и тесты в ЭИОС
6	Внедрение и edge (Raspberry / Jetson)	10	Текущий контроль: задания и тесты в ЭИОС
7	Итоговая аттестация	2	Зачет (итоговый тест и итоговый проект)
	Итого	52

Все занятия проводятся в электронной информационно-образовательной среде: электронные учебные материалы (видео, тексты), практические и лабораторные задания, тесты. Распределение часов по видам учебной работы (изучение материалов, практические задания, консультации): ___.

3. Календарный учебный график

Обучение ведется в течение всего календарного года по мере комплектования и зачисления слушателей. Даты начала и окончания обучения конкретного слушателя (группы) определяются договором и приказом о зачислении. Рекомендуемая продолжительность обучения: ___ недель при нагрузке ___ ак. ч в неделю.

№	Модуль	Ак. ч	Вид учебной деятельности	Учебные недели
1	Основы ML и карта применений в инженерии	8	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
2	Данные и временные ряды	8	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
3	LLM для инженера	8	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
4	Компьютерное зрение и YOLO	10	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
5	Разметка данных	6	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
6	Внедрение и edge (Raspberry / Jetson)	10	Самостоятельная работа с материалами и заданиями в ЭИОС (Э), текущий контроль	___
7	Итоговая аттестация	2	Итоговая аттестация (ИА)	___

4. Рабочие программы модулей

Модуль 1. Основы ML и карта применений в инженерии (8 ак. ч)

Содержание: задачи ML, train/val/test, утечки, NumPy/pandas/scikit-learn, Colab или локальный стенд. Кейс: классификация / аномалии по таблице с датчика.

Темы занятий:

Задачи ML в инженерном контуре
Train, val, test и утечки данных
Стек NumPy, pandas, scikit-learn
Кейс: аномалии по таблице с датчика