НАЗАД

Системы и методы искусственного интеллекта в электроэнергетике

В данном разделе представлены массовые открытые онлайн-курсы (МООК). МООК является дополнительным учебным материалом. 

Обращаем Ваше внимание, что изучение МООК доступно любому зарегистрированному пользователю, однако МООК не является частью образовательных программ повышения квалификации. 

Изучение материалов МООК не предполагает выдачу удостоверений, сертификатов или иных документов, подтверждающих их изучение.

МООК посвящен знакомству с технологиями и системами искусственного интеллекта, которые, в том числе, могут применяться в электроэнергетике для частичной и/или полной автоматизации технологических процессов и их контроля. Рассмотрены принципы работы алгоритмов искусственного интеллекта, вопросы сбора и методы анализа данных о технологических, производственных и бизнес-процессах, приведены базовые алгоритмы машинного обучения (кластеризация, классификация, регрессия), принципы работы временных рядов, рекомендательных систем, алгоритмов машинного зрения и обработки естественного языка.
МООК
Программа
1
Системы и методы искусственного интеллекта в электроэнергетике
a.
Промо
b.
Презентация
2
Искусственный интеллект: применение в электроэнергетике
a.
Общая характеристика индустрии 4
b.
Презентация
c.
Материалы для самостоятельного изучения
d.
Тест № 1 Концепция Индустрии 4
e.
Что такое искусственный интеллект?
f.
Презентация
g.
Материалы для самостоятельного изучения
h.
Тест № 2 Искусственный интеллект. Введение
i.
Искусственный интеллект в электроэнергетике
j.
Презентация
k.
Интернет вещей
l.
Презентация
m.
Имитационное моделирование в электроэнергетике
n.
Презентация
o.
Цифровые двойники
p.
Презентация
q.
Виртуальная и дополненная реальность
r.
Презентация
s.
Прототипирование и искусственный интеллект в электроэнергетике
t.
Презентация
u.
Большие данные
v.
Презентация
w.
Материалы для самостоятельного изучения
x.
Тест № 3 Искусственный интеллект. Методы и технологии
3
Основы машинного обучения
a.
Введение в машинное обучение
b.
Презентация
c.
Data mining
d.
Презентация
e.
Как собираются данные?
f.
Презентация
g.
Где хранятся данные?
h.
Презентация
i.
Безопасность данных
j.
Презентация
k.
Виды данных
l.
Презентация
m.
Материалы для самостоятельного изучения
n.
Тест № 4 Методы сбора и хранения данных
o.
Обработка и анализ данных
p.
Презентация
q.
Инструменты для анализа данных
r.
Презентация
s.
Видеолекция (практика) Сбор данных
t.
Презентация
u.
Видеолекция (практика) Сбор данных
v.
Видеолекция (практика) Построение дашборда
w.
Презентация
x.
Видеолекция (практика) Построение дашборда
y.
Видеолекция (практика) Обработка данных в Python
z.
Презентация
aa.
Видеолекция (практика) Обработка данных в аналитической платформе
ab.
Презентация
ac.
Видеолекция (практика) Обработка данных в аналитической платформе
ad.
Материалы для самостоятельного изучения
ae.
Тест № 5 Методы обработки данных
af.
Неконтролируемое машинное обучение
ag.
Презентация
ah.
Контролируемое обучение: регрессия
ai.
Презентация
aj.
Контролируемое обучение: классификация
ak.
Презентация
al.
Контролируемое обучение: оценка точности результата
am.
Презентация
an.
Видеолекция (практика) Пример реализации алгоритма машинного обучения в аналитической платформе
ao.
Презентация
ap.
Видеолекция (практика) Пример реализации алгоритма машинного обучения в аналитической платформе
aq.
Видеолекция (практика) Пример реализации алгоритмов машинного обучения в Python
ar.
Презентация
as.
Видеолекция (практика) Пример реализации алгоритмов машинного обучения в Python
at.
Материалы для самостоятельного изучения
au.
Тест № 6 Методы машинного обучения
av.
Самостоятельная работа
aw.
Рекомендательные системы
ax.
Презентация
ay.
Гибридные рекомендательные системы
az.
Презентация
ba.
Материалы для самостоятельного изучения
bb.
Тест № 7 Рекомендательные системы
bc.
Временные ряды
bd.
Презентация
be.
Материалы для самостоятельного изучения
bf.
Тест № 8 Временные ряды
4
Компьютерное зрение
a.
Основные задачи компьютерного зрения
b.
Презентация
c.
Материалы для самостоятельного изучения
d.
Тест № 9 Задачи компьютерного зрения
e.
Методы обработки изображений
f.
Презентация
g.
Материалы для самостоятельного изучения
h.
Тест № 10 Методы обработки изображений
i.
Нейронные сети
j.
Презентация
k.
Сверточные нейронные сети
l.
Презентация
m.
Видеолекция (практика) Пример реализации алгоритмов компьютерного зрения в аналитической платформе
n.
Презентация
o.
Видеолекция (практика) Пример реализации алгоритмов компьютерного зрения в аналитической платформе
p.
Видеолекция (практика) Пример реализации алгоритмов компьютерного зрения в Python
q.
Презентация
r.
Видеолекция (практика) Пример реализации алгоритмов компьютерного зрения в Python
s.
Материалы для самостоятельного изучения
t.
Тест № 11 Нейронные сети
u.
Самостоятельная работа
5
Обработка естественного языка
a.
Задачи обработки естественного языка
b.
Презентация
c.
Синтаксический и морфологический анализ
d.
Презентация
e.
Нейронные сети для распознавания естественного языка
f.
Презентация
g.
Видеолекция (практика) Пример предобработки данных в Python
h.
Презентация
i.
Видеолекция (практика) Пример предобработки данных в Python
j.
Материалы для самостоятельного изучения
k.
Тест № 12 Методы обработки естественного языка
6
Итоговое тестирование
a.
Итоговое тестирование
Преподаватели
English / Русский