Основи штучного інтелекту: технології, застосування, практики 10-12 класи

Досліджуйте технології, що лежать в основі сучасного штучного інтелекту! Наш курс «AI Foundations: Технології, застосування та практика» знайомить учнів із ключовими технологіями, на яких базуються сучасні системи AI. Дізнайтеся, як машинне навчання, глибинне навчання, генеративний AI, великі мовні моделі (LLM), обробка природної мови (NLP), наука про дані, хмарні технології, кібербезпека та MLOps взаємодіють під час створення, розгортання й підтримки AI-рішень.

Завдяки практичним кейсам і перевіркам знань учні пов’язують технічні поняття з реальними ситуаціями, досліджують процес розробки та використання AI-систем і формують цілісне розуміння сучасної екосистеми штучного інтелекту.

Чому варто обрати наш курс:

• Досліджуйте світ AI-технологій: зрозумійте, що таке штучний інтелект, ознайомтеся з основними сімействами AI-моделей і з’ясуйте, які технології використовуються для розв’язання різних завдань.
• Зрозумійте основи машинного та глибинного навчання: досліджуйте ключові поняття, принципи навчання нейронних мереж на даних і основні етапи тренування AI-моделі.
• Відкрийте для себе генеративний AI, LLM і NLP: дізнайтеся, як генеративний AI створює контент, як мовні моделі працюють із текстом і як промпти та генерація з доповненням пошуку (RAG) допомагають створювати AI-застосунки.
• Поєднайте науку про дані з хмарними технологіями: досліджуйте конвеєри обробки даних, роль даних в AI-проєктах і можливості хмарних платформ для обробки даних та виконання AI-завдань.
• Ознайомтеся з кібербезпекою та MLOps: розгляньте ключові питання безпеки й дізнайтеся, як розгортати, контролювати та підтримувати AI-системи й моделі машинного навчання.
• Застосовуйте знання на практиці: аналізуйте реалістичні сценарії, оцінюйте технічні рішення, виконуйте практичні кейси та розвивайте навички ефективної роботи із сучасними AI-інструментами й технологіями.

Програма курсу

Модуль 1: Вступ і ландшафт AI-технологій

• Читання: Вступ і ландшафт AI-технологій
• Відео: Вступ і ландшафт AI-технологій — що таке AI та основні сімейства моделей
• Кейс 1: Вибір AI-технологій для конкретного завдання
• Перевірка знань

Модуль 2: Основи машинного та глибинного навчання

• Читання: Основи машинного та глибинного навчання
• Відео: Основи машинного та глибинного навчання — ключові поняття
• Кейс 2: Навчання простої нейронної мережі
• Перевірка знань

Модуль 3: Генеративний AI, LLM і NLP

• Читання: Генеративний AI, LLM і NLP
• Відео: Генеративний AI, LLM і NLP — промпти та RAG
• Кейс 3: Використання промпту для виконання простого завдання
• Перевірка знань

Модуль 4: Наука про дані та хмарні технології

• Читання: Наука про дані та хмарні технології
• Відео: Наука про дані та хмарні технології — конвеєри обробки даних і вибір хмарних рішень
• Кейс 4: Конвеєр обробки даних із використанням хмарних технологій
• Перевірка знань

Модуль 5: Кібербезпека та MLOps

• Читання: Кібербезпека та MLOps
• Відео: Кібербезпека та MLOps — безпечне розгортання систем
• Кейс 5: Забезпечення безпеки розгорнутої моделі машинного навчання
• Перевірка знань

Підсумковий іспит

• Практичні кейси
• Підсумкова перевірка знань

Загальна інформація

Курс поєднує навчальні тексти, відео, практичні кейси та перевірки знань. Кожен модуль знайомить учнів із ключовими технологіями й поняттями AI та дає можливість застосувати їх у практичних ситуаціях.

Навчальна послідовність охоплює огляд сучасних AI-технологій, основи машинного та глибинного навчання, генеративний AI і мовні технології, науку про дані, хмарну інфраструктуру, кібербезпеку та MLOps. Така структура допомагає зрозуміти, як ці технології пов’язані між собою та як вони забезпечують розробку й розгортання сучасних AI-систем.

Практичні кейси допомагають пов’язати теорію з реальними застосуваннями, аналізувати технічні сценарії, оцінювати можливі рішення та краще розуміти особливості використання AI-технологій на практиці.

Наприкінці курсу учні складають підсумковий іспит, який містить практичні кейси та завдання для перевірки знань і закріплення основних понять, вивчених протягом курсу.

Орієнтовна тривалість: близько 12 годин.

Рекомендований темп навчання: 3–5 годин на тиждень.

Учні можуть проходити курс у власному темпі.

Очікувані результати навчання

Після завершення курсу учні зможуть:

• Описувати сучасний ландшафт AI-технологій, визначати основні сімейства AI-моделей і називати типові сфери їх застосування.
• Пояснювати основні принципи машинного та глибинного навчання й описувати, як нейронні мережі навчаються на даних.
• Описувати роль генеративного AI, великих мовних моделей (LLM) та обробки природної мови (NLP) у сучасних AI-застосунках.
• Пояснювати основні принципи роботи з промптами та описувати, як генерація з доповненням пошуку (RAG) дає змогу поєднувати мовні моделі із зовнішніми джерелами інформації.
• Визначати роль науки про дані та конвеєрів обробки даних у підготовці й опрацюванні інформації для AI-систем.
• Пояснювати, як хмарні технології підтримують обробку даних, виконання AI-завдань і розгортання AI-застосунків.
• Розпізнавати ключові питання кібербезпеки під час розробки, використання та розгортання систем штучного інтелекту й машинного навчання.
• Описувати призначення MLOps і пояснювати, як ця практика допомагає розгортати, контролювати та підтримувати системи машинного навчання.
• Аналізувати практичні сценарії використання AI, порівнювати можливі технічні підходи та визначати відповідні технології для конкретного завдання.
• Застосовувати поняття з курсу під час роботи з практичними кейсами й демонструвати цілісне розуміння взаємодії сучасних AI-технологій.

Після завершення курсу учні матимуть базове уявлення про сучасні AI-технології та краще розумітимуть, як створюють, використовують, розгортають і підтримують AI-системи. Вони здобудуть практичний досвід аналізу сценаріїв застосування AI та сформують технічну базу для подальшого вивчення штучного інтелекту, машинного навчання, науки про дані, хмарних технологій, кібербезпеки та суміжних галузей.

Рекомендовані знання перед початком курсу

Учням бажано мати:

• Базові навички роботи з комп’ютером і цифровими інструментами.
• Досвід використання веббраузерів і платформ для онлайн-навчання.
• Уміння читати й виконувати технічні інструкції.
• Базове розуміння даних, діаграм і таблиць.
• Готовність вивчати технічні поняття AI та досліджувати принципи роботи сучасних технологій.

Базові знання програмування або Python будуть корисними, але не є обов’язковими.

Рекомендовані технічні вимоги

Для доступу до навчальних матеріалів, відео, практичних кейсів і перевірок знань рекомендується використовувати комп’ютер або ноутбук зі стабільним підключенням до інтернету та актуальною версією браузера Chrome, Edge, Firefox або Safari.