Магистратура 2023/2024

Искусственный интеллект в маркетинге и коммуникациях

Статус: Курс по выбору

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

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Попов Марк Раилевич

Прогр. обучения: Коммуникации, основанные на данных

Язык: русский

Кредиты: 3

Контактные часы: 40

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 — на разработке и модификации алгоритмов глубокого обучения. Материалы курса охватывают типовой цикл задач DS проекта в области Deep Learning 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
• Формулирует основные принципы масштабирования и мониторинга 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
• Бизнес-анализ и выбор метрик
• Работа с данными
• Обучение и валидация моделей
• Масштабирование и технический мониторинг
• Рекомендательные системы и прогнозирование потребления
• Работа с текстом (NLP)
• Работа с аудио (музыка, голос) и видео данными

Элементы контроля

• Домашнее задание № 2
  Учащимся необходимо модифицировать существующий алгоритм, разобранный на семинаре в рамках данного курса.
• Групповой проект
• Домашнее задание № 1
• Аудиторная работа

Промежуточная аттестация

• 2023/2024 4th module
  0.25 * Аудиторная работа + 0.25 * Групповой проект + 0.25 * Домашнее задание № 1 + 0.25 * Домашнее задание № 2

Список литературы

Рекомендуемая основная литература

• Искусственные нейронные сети : учебник / В. В. Цехановский, Е. Ю. Бутырский, Н. А. Жукова [и др.] ; под ред. В. В. Цехановского. — Москва : КноРус, 2023. — 350 с. — ISBN 978-5-406-10678-5. — URL: https://book.ru/book/947113 (дата обращения: 27.08.2024). — Текст : электронный.
• Ростовцев, В. С. Искусственные нейронные сети / В. С. Ростовцев. — 3-е изд., стер. — Санкт-Петербург : Лань, 2023. — 216 с. — ISBN 978-5-507-46446-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/310184 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• 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.

Авторы

• Грызунова Елена Аркадьевна
• Добромыслова Ксения Олеговна