Сотрудники ИРНИТУ успешно освоили программу профессиональной переподготовки «Аналитика данных и машинное обучение» от Университета Иннополис (Республика Татарстан). Онлайн-курс политеховцы прошли в рамках Программы «Приоритет 2030».
Как сообщил руководитель Центра электронного обучения и «Цифровой кафедры» ИРНИТУ Никита Лукьянов, программа длилась восемь месяцев. За это время политеховцы освоили машинное обучение и алгоритмы глубокого, нейросети, применение искусственного интеллекта в обработке изображений и текста, а также выполнили индивидуальный проект.
«К программе присоединились сотрудники научных и образовательных направлений вуза. Отмечу, что ориентировались на кафедры, не связанные напрямую с ИТ. Выпускники программы станут «проводниками ИИ» в своих подразделениях», – уточнил Никита Лукьянов.
В числе тех, кто прошёл курс, – аспирант Антон Рыбак. Молодой человек работает в лаборатории «Цифровое проектирование технологических процессов машиностроения». Обучаясь в Иннополисе, Антон освоил: от получения и обработки данных до переноса веб-приложения на облачные сервисы. Приобретённые навыки аспирант сразу же внедрил в практику и автоматизировал большую часть работы по теме диссертации.
«Моё исследование посвящено определению параметров формообразования и правки маложёстких деталей типа пластин с подкреплением с применением машинного обучения. И поэтому в Иннополисе выбрал максимально близкую к своей специальности тему, создал веб-приложение для прогнозирования времени обработки деталей на производстве с применением алгоритмов машинного обучения. В инженерной части проект простой, потому что моей целью было сосредоточиться на ИТ-составляющей. И это получилось – курс я закрыл «автоматом».
В планах – написать методическое пособие, чтобы коллеги и студенты Института авиамашиностроения и транспорта глубже узнали о преимуществах методов аналитики данных и алгоритмов машинного обучения», – сказал Антон Рыбак.
Положительно отозвался о пройденных курсах заведующий кафедрой электроснабжения и электротехники Владислав Шакиров. До обучения политеховец использовал регрессионные модели, методы классификации и кластеризации, алгоритмы эвристической оптимизации. Благодаря программе Иннополиса Владислав Шакиров расширил набор методов машинного обучения, научился обрабатывать большие массивы текстовых данных, изображения, применять нейросети.
«Электроэнергетика переходит в «цифру». Это интеллектуальная диагностика оборудования на основе автоматизированного анализа данных измерений, тепловизионного и ультразвукового обследования, акустического контроля. В распределительные сети 6-35 кВ в будущем внедрят технологии интеллектуального управления нормальными и послеаварийными режимами. Большие перспективы также у интеллектуального учёта электропотребления, управления им. Именно поэтому полученные мной знания полезны в научной работе, при подготовке аспирантов, магистрантов, выполнении проектов в интересах бизнеса.
К итоговой аттестации по курсу я создал приложение, в котором для распределительной сети с низкой оснащённостью измерительными приборами проводится оценка режима с использованием нейросети. Далее в программе оптимизируется точка размыкания схемы для минимизации потерь электроэнергии. В дальнейшем проект может быть интересен электросетевым компаниям», – рассказал Владислав Шакиров.
Доцент кафедры химической технологии им. Н. И Ярополова Виктор Баяндин разработал RAG-систему, способную улучшить ответы языковой модели за счёт добавления внешнего контекста в запрос. По словам преподавателя, известные ИИ-сервисы зачастую сообщают ложную информацию. Это объясняется отсутствием или устареванием данных. Созданная RAG-система призвана снизить вероятность подобных ошибок, что актуально при работе с нормативно-технической документацией, выполнении коммерческих проектов.
«На предприятиях отрасли ведется сбор данных о процессах и факторах, влияющих на качество производства, которые можно использовать для обучения алгоритмов на основе искусственного интеллекта. Модели позволят в реальном времени выявить скрытые закономерности, зная которые можно оперативно корректировать процессы, увеличивать производительность и снижать затраты. Так, алгоритмы компьютерного зрения необходимы, чтобы настроить систему непрерывного контроля за качеством продукции и работы технологического оборудования», – отметил Виктор Баяндин, комментируя актуальность пройденного курса.
