Практика использования генеративных моделей в создании медиа контента

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Институт медиа

Статус:

Курс по выбору

Когда читается:

2-й курс, 1, 2 модуль

Преподаватель

Смирнова Виктория Александровна

Программа дисциплины

Аннотация

Генеративные модели находят всё более широкое применение в медиа и маркетинге, создавая реалистичные изображения, тексты и креативные концепции. Однако их использование требует глубокого понимания особенностей работы с такими моделями, а также решения этических, юридических и технических вопросов. В ходе курса студенты узнают, как генеративные модели могут помочь решать задачи в маркетинге и СМИ, какие типы моделей существуют и какие навыки востребованы на рынке труда для работы с ними. Мы разберём примеры успешного создания контента с использованием генеративных технологий, изучим механику их работы, а также узнаем, как происходит обучение моделей для достижения бизнес-результатов. Практическая часть курса включает создание текстового и графического контента с использованием популярных программ, что позволит студентам приобрести практические навыки. Важное внимание уделяется вопросам этики, чувствительности к данным, а также соблюдению авторского права при работе с генеративными моделями. Курс поможет не только овладеть инструментами создания контента с помощью ИИ, но и научит использовать их корректно и юридически грамотно в профессиональной деятельности.

Цель освоения дисциплины

• Сформировать представление о генеративных моделях: изучить, какие модели существуют, какие у них структуры, а также какие задачи они могут решать.
• Овладение практическими навыками: научиться создавать текстовый и визуальный контент с помощью генеративных моделей в различных программных средах.
• Изучение этических аспектов: усвоить этические и правовые нормы при создании контента с использованием ИИ, включая работу с чувствительной информацией и вопросы достоверности данных.
• Получить представление о роли моделей в экономике и бизнесе: получить знания о принципах обучения и использования генеративных моделей для достижения бизнес-целей и анализа их роли на рынке труда.

Планируемые результаты обучения

• Различает типы генеративных моделей: объясняет, что такое генеративные модели и какие они бывают, какие у них принципы работы.
• Подбирает модель под задачу: различает, к какой модели для решения каких задач необходимо обращаться.
• Имеет навыки работы с инструментами: может самостоятельно создавать текстовый и графический контент.
• Объясняет этические и правовые аспекты: учащиеся разбираются в этических и юридических вопросах, связанных с созданием генеративного контента. Могут давать заключения по результатам создания материалов и предупреждать о возможных рисках проекта с созданием генеративных моделей.
• Анализирует рынок труда и текущие тенденции: студент выделяет востребованные навыки и профессии, связанные с работой с генеративными моделями и оценивает экономические и инвестиционные тенденциях развития рынка.

Содержание учебной дисциплины

• Мозг человека и воссозданные нейронные сети
• Обучение генеративной сети: задачи и ошибки
• Промпты и коммуникация с нейросетью
• Правовые вопросы генеративных моделей
• Этика и чувство юмора искусственного интеллекта
• Экономика нейросетей: инвестиции, игроки, профессии
• Цифровой маркетинг и генеративный ИИ
• Метавселенная и искусственный интеллект

Элементы контроля

• Активность
  Элемент контроля предполагает учёт вклада студента (в виде вербальной активности, интеллектуальной деятельности) в проведение занятий. Оценивается только на семинарах, не распространяется на лекционные занятия.
• Практическое задание
  Групповое выступление по результатам выполнения аудиторного задания / индивидуальное выступление / выполнение письменного / устного задания преподавателя.
• Тестирование
  Предполагает выполнение тестов, заранее сформированных в цифровой форме преподавателем. Оценивание тестов производится автоматически.
• Выполнение индивидуальных/групповых заданий
  Выполнение домашних заданий или выполнение заданий, которые студенты не успели выполнить в рамках семинара. Проводится в письменной форме и вкладываются в индивидуальную папку на Яндекс Диск.
• Защита финальных работ
  Демонстрация работ в портфолио с детальным описанием и применением теоретических знаний. Количество работ равняется не менее 3, и не превышает 5. Каждая работа является уникальной по своей форме и не повторяет заданий, созданных на семинаре. Финальные работы носят практический и творческий характер.

Промежуточная аттестация

• 2024/2025 2nd module
  0.1 * Активность + 0.1 * Выполнение индивидуальных/групповых заданий + 0.4 * Защита финальных работ + 0.2 * Практическое задание + 0.2 * Тестирование

Список литературы

Рекомендуемая основная литература

• Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, 61(4), 5–14. https://doi.org/10.1177/0008125619864925

Рекомендуемая дополнительная литература

• Osondu, O. (2021). A First Course in Artificial Intelligence. Bentham Science Publishers Ltd.

Авторы

• Панасенко Юлия Владимировна
• Смирнова Виктория Александровна