Искусственный интеллект в агропромышленном комплексе

2026/2027

ID 946362

Статус: Майнор

Кто читает: Базовая кафедра ГК «ЭкоНива»

Где читается: Базовые кафедры

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Янбых Рената Геннадьевна

Язык: русский

Кредиты: 5

Контактные часы: 76

Дополнительные материалы в LMS Задать вопрос

Аннотация

Учебная дисциплина " Искусственный интеллект в агропромышленном комплексе" является дополнительной к основному направлению обучения студента. Она реализуется в рамках майнора «Цифровизация и искусственный интеллект в Агропромышленном комплексе», базируется на знании основ математики и информатики. Современные информационные технологии способны обеспечить ускоренное развитие агропромышленной отрасли, рост производительности труда, полезное использование интенсивных потоков данных, которые поступают от различных устройств, внешних систем, партнерских платформ и других источников. Данная дисциплина рассматривает различные аспекты использования искусственного интеллекта в сельском хозяйстве и пищевой и перерабатывающей промышленности.

Цель освоения дисциплины

Формирование у студентов компетенций в области применения искусственного интеллекта (ИИ) для решения задач сельского хозяйства и перерабатывающей промышленности, включая оптимизацию ресурсов, анализ данных, управление производственными цепочками и повышение качества продукции.

Планируемые результаты обучения

Знать основные понятия и области применения ИИ: машинное обучение, нейронные сети, компьютерное зрение.
Знать тренды цифровизации АПК: умные фермы, точное земледелие, роботизация.
Знать алгоритмы регрессии, классификации и кластеризации, принципы работы ансамблей моделей и архитектур CNN и RNN.
Знать прикладные задачи ИИ в растениеводстве, животноводстве и перерабатывающей промышленности и типовые подходы к их решению.
Знать источники отраслевых данных: спутниковые снимки, IoT-сенсоры, производственная телеметрия, открытые дата-сеты и статистика ФАО.
Формулировать задачу АПК в терминах машинного обучения и выбирать адекватную метрику качества.
Собирать, очищать и делать предварительную обработку отраслевых данных, включая изображения и временные ряды.
Обучать и валидировать модели регрессии, классификации и кластеризации, оценивать их устойчивость.
Применять компьютерное зрение к задачам диагностики болезней растений и контроля качества продукции.
Строить прогнозные модели по данным датчиков для мониторинга здоровья животных и продуктивности стада.
Интерпретировать результаты моделей и оценивать экономический эффект внедрения ИИ-решения.
Владеть инструментами разработки: Python, Jupyter Notebook / Google Colab, Scikit-learn, TensorFlow, PyTorch.
Владеть навыками работы с открытыми дата-сетами и облачными платформами (Kaggle, FAOSTAT, Google Cloud AI, AWS SageMaker).
Владеть базовыми навыками работы с платформами обработки больших данных (Hadoop, Spark).
Владеть навыками проектной работы: от постановки задачи до рабочего прототипа ИИ-решения.
Владеть навыками публичной презентации технического решения с демонстрацией прототипа и работы с вопросами.

Содержание учебной дисциплины

Раздел 1. Введение в ИИ и его роль в АПК
Раздел 2. Методы ИИ и инструменты анализа данных
Раздел 3. ИИ в растениеводстве
Раздел 4. ИИ в животноводстве
Раздел 5. ИИ в перерабатывающей промышленности
Раздел 6. Практикум: кейсы и инновации

Элементы контроля

Работа на семинарах и практикумах
Участие в разборе отраслевых кейсов, выполнение заданий в компьютерном классе, обсуждение результатов на мастер-классах экспертов
Тест
Два онлайн-теста в LMS: (1) базовые понятия ИИ и методы анализа данных; (2) применение ИИ в растениеводстве, животноводстве и переработке. По 25 вопросов, 30 минут каждый
Практическая работа
Три задания с написанием кода: (1) регрессия и классификация на агро-дата-сете; (2) свёрточная нейросеть для классификации болезней растений; (3) прогнозная модель по данным датчиков (временные ряды)
Зкзамен
ИИ-решение для конкретной задачи АПК: отчёт 12–18 стр. с описанием данных, модели и метрик, презентация и демонстрация рабочего прототипа. Доклад 12 минут, ответы на вопросы

Промежуточная аттестация

2026/2027 4th module
0.2 * Тест + 0.1 * Работа на семинарах и практикумах + 0.3 * Практическая работа + 0.4 * Зкзамен

Список литературы

Авторы

Новикова Любовь Михайловна

Программа дисциплины