О программе

«Искусственный интеллект — от теории к практике» это комплект программ, ориентированный на формирование устойчивых прикладных навыков в области анализа данных, машинного обучения, глубоких нейросетей и инженерии ИИ-систем. Программы охватывают полный спектр компетенций — от работы с табличными данными и классическими моделями до продвинутых архитектур (CNN, трансформеры, RL) и MLOps-практик. Обучение выстроено в логической прогрессии: от базовой аналитики до продакшн-деплоя интеллектуальных решений с использованием современных инструментов.

Программы реализуются в рамках федерального проекта «Кадры для цифровой трансформации» нацпроекта «Экономика данных и цифровая трансформация государства». Федеральный оператор Университета НТИ 2035.

Подайте заявку на программу на портале Госуслуги

Записаться

На программы проекта «Код будущего» можно будет записаться в августе 2025 г.

Кто может учиться по программам проекта "Код будущего"?

Школьники 8–11 классов и обучающиеся по программам среднего профессионального образования по профессиям и (или) специальностям, включённым в Перечень профессий и специальностей среднего профессионального образования в области информационных технологий.

Сертификат РЭУ им. Г.В. Плеханова в рамках проекта «Код будущего» в период обучения в 10-11 классах 
дает 4 дополнительных балла
при поступлении на все направления бакалавриата и специалитета Плехановского университета!

Как записаться на программу:

• Выбрать форму обучения и одну из программ нужного уровня подготовки на портале Госуслуги. Подать заявление на участие может либо сам учащийся, либо его родитель / законный представитель. Заявитель должен иметь подтвержденную учетную запись на портале Госуслуги.
• По результатам успешной проверки заявления на портале Госуслуги — получить ссылку на вступительное испытание.
• Успешно пройти вступительное испытание.
• Заключить договор с образовательной организацией от имени родителя или законного представителя ребенка

Подайте заявку на программу на портале Госуслуги

Записаться

Подробнее о программах, которые вы можете выбрать:

Общеобразовательная программа

«Анализ данных и классическое машинное обучение»

Базовый уровень

Программа ориентирована на слушателей, владеющих базовыми навыками программирования на языке Python. Желательны начальные знания в области математики и статистики, а также интерес к аналитике и обработке данных. 

Содержание:

Модуль 1. Анализ данных в pandas и визуализация — чтение, фильтрация, агрегация и графики.

Модуль 2. Регрессия и оценка моделей — линейная/полиномиальная регрессия, регуляризация, лаговые признаки.

Модуль 3. Классификация и деревья решений — базовые алгоритмы, ансамбли, интерпретация моделей.

Модуль 4. Введение в нейронные сети и глубокое обучение — MLP, регуляризация, Dropout, CLI-проекты с TensorFlow.

Продолжительность:

4 модуля, 146 академических часов

Формат обучения:

Онлайн

По завершении программы слушатели смогут:

• Обрабатывать, визуализировать и агрегировать табличные данные.
• Строить модели регрессии и классификации и интерпретировать их.
• Использовать SHAP для объяснения решений модели.
• Разрабатывать простые нейросети с применением регуляризации.
• Создавать мини-проекты с сохранением модели и генерацией отчётов.

Общеобразовательная программа

«Глубокие нейросети и MLOps-практика»

Продвинутый уровень

Программа предназначена для слушателей с уверенными навыками программирования на Python и практическим опытом работы с библиотеками анализа данных и машинного обучения (NumPy, pandas, scikit-learn, TensorFlow или PyTorch). Рекомендуется понимание базовых принципов построения нейросетевых моделей и навыки работы с CLI-инструментами и API. html. 

Содержание:

Модуль 1. Углублённые CNN-архитектуры и Transfer learning — ResNet, EfficientNet, YOLO, сегментация, quantization.

Модуль 2. NLP с трансформерами и генеративными моделями — BERT, GPT, LoRA, генерация, BLEU, perplexity, CLI-чат-бот.

Модуль 3. Обучение с подкреплением (Deep RL) — DQN, PPO, reward shaping, внедрение в игровую среду.

Модуль 4. MLOps — продакшн-деплой и мониторинг GenAI-моделей — MLflow, Docker, CI/CD, Prometheus, FastAPI, мониторинг моделей.

Продолжительность:

4 модуля, 146 академических часов

Формат обучения:

Онлайн

По завершении программы слушатели смогут:

• Применять и дообучать современные CNN-архитектуры и модели трансформеров.
• Решать задачи детекции, сегментации, генерации текста и обучения с подкреплением.
• Использовать LoRA, quantization и оптимизацию для ускорения инференса.
• Разрабатывать и деплоить AI-сервисы с использованием FastAPI, Docker и Prometheus.
• Строить полноценный MLOps-конвейер от обучения до мониторинга модели в продакшн-среде.

Преподаватели

Ведущие преподаватели и эксперты Плехановского университета.

Расписание занятий

Преимущества обучения по программе

Как поступить

Требования к слушателям

• Документы, подтверждающие соответствие заявленным категориям

Документы для поступления

• Согласно заявленным требованиям