О программе

«Python как основа искусственного интеллекта» — это комплект программ, ориентированный на комплексную подготовку учащихся в сфере программирования на Python и интеллектуального анализа данных, охватывая три уровня сложности: начальный, базовый и продвинутый. Программы направлены на формирование алгоритмического мышления, развитие прикладных навыков работы с данными, машинным обучением и глубокими нейронными сетями, включая элементы разработки и деплоя интеллектуальных систем. Учебные модули выстроены последовательно — от основ синтаксиса языка Python до профессиональных инструментов анализа и внедрения моделей в эксплуатационную среду.

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 проекте "Код будущего"

Цель проекта: 

• Формирование алгоритмического мышления для решения задач программирования. 

• Развитие навыков использования системного подхода при разработке программ. 

• Становление практических навыков использования лексем языка программирования Python при решении прикладных задач.

Подробнее о программах, которые вы можете выбрать:

Общеобразовательная программа

«Основы Python: первый шаг к искусственному интеллекту»

Начальный уровень

Для освоения программы начального уровня не требуется предварительная подготовка; рекомендуется базовая компьютерная грамотность и интерес к программированию. 

Содержание:

Модуль 1. Алгоритмическое мышление и основы Python — базовые понятия алгоритмов, типы данных, арифметика, ввод-вывод, циклы, форматирование и первая практика написания кода.

Модуль 2. Условия, циклы, функции — составные условия, вложенные конструкции, функции, рекурсия, управление выполнением программ через меню и логические блоки.

Модуль 3. Структуры данных и обработка коллекций — списки, словари, множества, чтение CSV и JSON, сортировка, реализация CLI-меню и прикладных программ обработки данных.

Модуль 4. Введение в NumPy и основы машинного обучения — массивы NumPy, векторизация, обучение моделей с использованием scikit-learn, визуализация, предобработка и мини-проекты.

Продолжительность:

4 модуля, 146 академических часов

Формат обучения:

Онлайн

По завершении программы слушатели смогут:

• Понимать структуру и синтаксис программ на Python.
• Использовать условия, циклы и функции для построения логики.
• Обрабатывать текстовую и табличную информацию с помощью списков и словарей.
• Читать данные из CSV и JSON, строить простейшие интерфейсы.
• Применять библиотеки NumPy и scikit-learn для базовых задач машинного обучения.
• Оценивать эффективность модели и оформлять результаты анализа в виде отчёта.

Общеобразовательная программа

«Python для анализа данных и машинного обучения»

Базовый уровень

Для изучения программы требуется знание основ Python и базовых алгоритмов; рекомендуется понимание линейной алгебры и статистики на прикладном уровне. html. 

Содержание:

Модуль 1. Анализ данных в pandas и визуализация — загрузка, фильтрация, агрегация и визуализация табличных данных.

Модуль 2. Регрессия и оценка моделей — обучение и оценка линейных моделей, регуляризация, полиномиальные признаки и анализ ошибок.

Модуль 3. Основы NLP и тональный анализ — обработка текстов, классификация на основе TF-IDF и логистической регрессии, визуализация и сериализация моделей.

Модуль 4. Разработка REST API и внедрение модели — разработка сервисов на Flask и FastAPI, упаковка в Docker, тестирование и деплой моделей.

Продолжительность:

4 модуля, 146 академических часов

Формат обучения:

Онлайн

По завершении программы слушатели смогут:

• Анализировать табличные данные с использованием pandas.
• Строить визуализации различного типа для представления данных.
• Создавать и оценивать простейшие модели регрессии и классификации.
• Обрабатывать текстовую информацию и выделять из неё ключевые признаки.
• Разворачивать API-сервис, принимающий входные данные и возвращающий прогноз модели.

Общеобразовательная программа

«Разработка интеллектуальных систем на Python»

Продвинутый уровень

Для изучения программы требуется уверенное владение Python, опыт работы с библиотеками NumPy, pandas, scikit-learn; рекомендуется понимание принципов машинного обучения и начальных основ API/CLI. html. 

Содержание:

Модуль 1. Свёрточные нейронные сети (CNN) и компьютерное зрение — работа с Keras: построение и обучение свёрточных сетей, регуляризация, визуализация признаков, настройка параметров. Реализация CLI-классификатора изображений.

Модуль 2. Рекуррентные сети (LSTM, GRU) и временные ряды — прогнозирование с использованием LSTM, GRU и self-attention. Работа с генерацией окон, визуализацией ошибок и построением чат-бота для прогноза.

Модуль 3. Transfer Learning и тонкая настройка моделей — использование ResNet и MobileNet, дообучение слоёв, аугментация, экспорт моделей в ONNX, измерение скорости инференса. Проект — распознавание изображений в консоли.

Модуль 4. MLOps — деплой модели, FastAPI, Docker, CI/CD — разработка REST API с FastAPI, упаковка моделей в Docker, автоматизация через GitHub Actions, мониторинг. Финальный проект — веб-интерфейс интеллектуальной системы.

Продолжительность:

4 модуля, 146 академических часов

Формат обучения:

Онлайн

По завершении программы слушатели смогут:

• Разрабатывать и обучать свёрточные нейронные сети для задач классификации изображений.
• Строить модели на основе LSTM и GRU для прогнозирования временных рядов.
• Использовать предварительно обученные модели и применять transfer learning с донастройкой слоёв.
• Создавать REST API для ML-моделей с использованием FastAPI и Pydantic.
• Упаковывать приложения в Docker-образы и настраивать автоматический деплой через GitHub Actions.
• Внедрять мониторинг и базовые метрики в ML-сервисах на стадии "продакшн".

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