Магистратура
2020/2021![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
Искусственный интеллект в медиапланировании
Статус:
Курс по выбору (Коммуникации, основанные на данных)
Направление:
42.04.01. Реклама и связи с общественностью
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
1-й курс, 4 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Попов Марк Раилевич
Прогр. обучения:
Коммуникации, основанные на данных
Язык:
русский
Кредиты:
4
Контактные часы:
40
Программа дисциплины
Аннотация
В результате успешного освоения курса студенты будут: • знать ключевые векторы развития медиаиндустрии; основных поставщиков ПО, обучающих данных и участников экосистемы искусственного интеллекта; ключевые принципы работы рекомендательных сервисов, систем реального времени и искусственного интеллекта; • уметь использовать современные технологии для медиапланирования и управления рекламными кампаниями; • владеть навыками работы с обучающими данными; навыками анализа применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
Цель освоения дисциплины
- Целью освоения дисциплины "Искусственный интеллект в медиапланировании" являются обучение студентов знаниям в области искусственного интеллекта и навыкам использования современных инструментов и технологий для медиапланирования и управления рекламными кампаниями.
Планируемые результаты обучения
- Знает ключевые векторы развития медиаиндустрии, как искусственный интеллект и большие данные создают новый ландшафт медиакоммуникаций; основных поставщиков ПО, обучающих данных и участников экосистемы искусственного интеллекта. Понимает основные принципы работы искусственного интеллекта, знает основные отличия от методов математической статистики и традиционных подходов к анализу и прогнозированию.
- Владеет навыками работы с обучающими данными, понимает, где и как можно собрать данные, какие открытые источники данных существуют, как выбрать подходящие данные из открытых источников, в каком объеме данные нужны для решения конкретной задачи. Понимает основные принципы передачи знаний, знает, где можно взять предобученную модель и как адаптировать к своим задачам.
- Понимает основные принципы работы рекомендательных сервисов, владеет навыками анализа применимости тех или иных алгоритмов для решения задач формирования персональных рекомендаций.
- Понимает основные принципы работы систем реального времени. Использует менные технологии для медиапланирования и управления рекламными кампаниями.
- Владеет инструментами извлечения знаний из медиаконтента для задач рекламодателей.
Содержание учебной дисциплины
- Введение в теоретическую часть и базовые определенияИстория возникновения искусственного интеллекта и принципы его работы. Обзор основных видов архитектур нейронных сетей и практические примеры решаемых задач. Обзор экосистемы технологий искусственного интеллекта: основные поставщики и продукты. Ключевые отличия от традиционных технологий прогнозирования.
- Обучающие данные и передача знаний.Сбор и подготовка данных для обучения и проверки моделей. Обзор открытых и коммерческих источников внешних данных. Претренированные модели как инструмент передачи концентрированных знаний.
- Рекомендательные системы и прогнозирование потребления.Обзор существующих технологии и инструментов. Новый подход к анализу потребительских предпочтений, тенденция персонализации потребления. Разбор и анализ бизнес-кейсов.
- ТВ-программатик. Прогнозирования TV рейтингов. Медиапланирование в режиме реального времени.Цели и задачи прогнозирования медиапотребления. Обзор традиционных подходов к решению задачи. Применение новых технологии для решения задач прогнозирования. Медиапланирование TV кампаний. Планирование в режиме реального времени, автоматизация процесса принятия решений для рекламодателя. Разбор и анализ бизнес-кейса.
- Актуальные тренды развития.Новые возможности по извлечению знаний из медиа контента. Примеры применения. Разбор и анализ бизнес-кейса.