2026/2027
Искусственный интеллект в маркетинге и коммуникациях
Статус:
Маго-лего
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
1 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
32
Программа дисциплины
Аннотация
В результате успешного освоения курса студенты освоят практические навыки самостоятельного создания алгоритмов и моделей на базе глубокого обучения. Курс составлен таким образом, что изначально предполагает у студентов обязательное наличие хороших навыков владения Python, твердое понимание основ линейной алгебры, высшей математики, теории вероятности и теоретической базы машинного обучения. В курсе сделан акцент на практических аспектах работы DS специалиста (специалиста в области науки о данных, data science) — на разработке и модификации алгоритмов глубокого обучения, а также корректном применении готовых инструментов. Материалы курса охватывают типовой цикл задач проекта в области глубокого обучения на примерах прикладных маркетинговых и коммуникационных проектов.
Цель освоения дисциплины
- Целью освоения дисциплины является получение знаний области искусственного интеллекта и практических навыков в: постановке задач, корректном выборе метрик, подготовке данных, обучении и валидации моделей, основных аспектах масштабирования и технического мониторинга моделей.
Планируемые результаты обучения
- Формулирует основные принципы работы рекомендательных сервисов, анализирует возможности и ограничения применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
- Формулирует основные принципы подготовки и проверки данных для обучения моделей
- Правильно использует бизнес-метрики и метрики работы моделей при постановке задачи глубокого обучения; интерпретирует метрики моделей и бизнес-метрики при валидации моделей
- Создает и использует актуальные алгоритмы глубокого обучения с учетом их возможностей и ограничений.
- Создает MVP продуктов на базе ИИ в коммуникациях
Содержание учебной дисциплины
- Введение в теоретическую часть и базовые определения Deep Learning (глубокого обучения)
- Бизнес анализ и выбор метрик
- Работа с данными
- Обучение и валидация моделей
- - Рекомендательные системы и прогнозирование потребления
- Крупные языковые (LLM), мультимодальные модели и агентские системы.
- Работа с текстом (NLP).
Элементы контроля
- Домашнее задание № 2Учащимся необходимо модифицировать существующий алгоритм, разобранный на семинаре в рамках данного курса.
- Аудиторная работа
- Домашнее задание № 1
- Групповой проект
Промежуточная аттестация
- 2026/2027 1st module0.25 * Групповой проект + 0.25 * Аудиторная работа + 0.25 * Домашнее задание № 1 + 0.25 * Домашнее задание № 2
Список литературы
Рекомендуемая основная литература
- Бессмертный, И. А. Искусственный интеллект. Введение в многоагентные системы : учебник для вузов / И. А. Бессмертный. — Москва : Издательство Юрайт, 2026. — 148 с. — (Высшее образование). — ISBN 978-5-534-20348-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/589921 (дата обращения: 02.07.2026).
- Митяков, Е. С. Искусственный интеллект и машинное обучение : учебное пособие для вузов / Е. С. Митяков, А. Г. Шмелева, А. И. Ладынин. — 2-е изд., стер. — Санкт-Петербург : Лань, 2026. — 252 с. — ISBN 978-5-507-51198-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/507451 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Сорокин, А. Б. Рекомендательные системы: анамнестические и модельные методы : учебно-методическое пособие / А. Б. Сорокин, Л. М. Железняк, Р. Э. Семенов. — Москва : РТУ МИРЭА, 2022. — 65 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/265739 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Aman Kedia, & Mayank Rasu. (2020). Hands-On Python Natural Language Processing : Explore Tools and Techniques to Analyze and Process Text with a View to Building Real-world NLP Applications. Packt Publishing.
- Лапидус Л.В. - Прикладной искусственный интеллект и цифровая трансформация бизнеса - 978-5-16-021509-9 - НИЦ ИНФРА-М - 2026 - https://znanium.ru/catalog/document?id=474739 - 474739 - ZNANIUM
- Фальк, К. Рекомендательные системы на практике : руководство / К. Фальк , перевод с английского Д. М. Павлова. — Москва : ДМК Пресс, 2020. — 448 с. — ISBN 978-5-97060-774-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/179458 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.