Научно-исследовательский семинар "Искусственный интеллект в HR"

Магистратура 2026/2027

ID 1130802

Статус: Курс обязательный (Искусственный интеллект и продуктовый подход в HR-менеджменте)

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 2-й курс, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Андреева Дарья Александровна

Язык: русский

Кредиты: 3

Контактные часы: 68

Дополнительные материалы в LMS Задать вопрос

Аннотация

Научно-исследовательский семинар «Искусственный интеллект в HR» посвящен изучению современных подходов и технологий искусственного интеллекта, трансформирующих процессы управления человеческими ресурсами. В результате обучения студенты смогут эффективно применять AI-инструменты в решении практических задач HR-менеджмента. Семинар состоит из двух тематических блоков: промпт-инжиниринг и AI-агенты и обработка естественного языка.

Цель освоения дисциплины

Развитие знаний и компетенций для эффективного использования инструментов искусственного интеллекта в области управления человеческими ресурсами

Планируемые результаты обучения

Применять методы предобработки текста, построения эмбеддингов, Word2Vec и классификации для решения базовых задач обработки естественного языка.
Объяснять принципы языкового моделирования, Seq2Seq-архитектур, механизмов Attention и Self-Attention, а также архитектуры Transformer.
Сравнивать архитектуры BERT, GPT и современных языковых моделей по принципам работы, способам обучения и решаемым задачам.
Применять методы дообучения и оптимизации LLM, включая PEFT, адаптеры, квантизацию и дистилляцию.
Настраивать процессы развертывания и сервинга LLM с учетом требований к производительности и формату выходных данных.
Разрабатывать RAG-решения, объединяющие языковые модели с информационным поиском для формирования ответов на основе внешних источников данных.
Оценивать качество ответов языковых моделей с использованием подхода LLM-as-a-Judge и соответствующих критериев оценки.
Генерировать и применять синтетические данные для формирования обучающих и оценочных выборок и совершенствования качества языковых моделей.
Объяснять принципы организации ИИ-агентов, включая архитектуру на основе LLM, агентный цикл и управляющий контур.
Разрабатывать механизмы взаимодействия агентов с внешними инструментами и средой исполнения с использованием Tool Use, MCP и Skills.
Проектировать механизмы управления контекстом, памятью и состоянием для обеспечения последовательной работы агентных систем.
Реализовывать механизмы планирования, маршрутизации, проверки результатов и взаимодействия с человеком в цикле выполнения агентных задач.
Разрабатывать агентные системы для выполнения сложных многошаговых задач с поддержкой сохранения состояния и продолжения работы между этапами.
Проектировать мультиагентные системы с распределением ролей, делегированием задач и координацией взаимодействия между агентами.
Оценивать качество и надежность агентных систем с использованием метрик, тестирования и инструментов наблюдаемости.
Настраивать механизмы безопасности, контроля выполнения и мониторинга для эксплуатации агентных систем в Production.