Курс на Stepik
Обложка курса «Доверенный искусственный интеллект: экспертный уровень» на Stepik
Бесплатно

Доверенный искусственный интеллект: экспертный уровень ★ 5.000

Открыть на
STEPIK.ORG

Курс затрагивает ключевые аспекты обеспечения безопасности моделей искусственного интеллекта. Рассмотрены практические методы объяснимости моделей, проводятся исследования устойчивости моделей к возмущениям. Анализируются механизмы атак на модели ИИ, изучаются методы выявления нетипичных данных. Курс содержит практические задания и проверочные вопросы. Курс для студентов, обучающихся по направлениям «Информатика и вычислительная техника», «Информационная безопасность» и другим смежным направлениям.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Доверенный искусственный интеллект: экспертный уровень»Учеников на курсе 373
Сертификаты, выданные на курсе «Доверенный искусственный интеллект: экспертный уровень»Сертификатов выдано 0
Отзывы о курсе «Доверенный искусственный интеллект: экспертный уровень»Отзывов получено 3
Рейтинг курса «Доверенный искусственный интеллект: экспертный уровень»Рейтинг курса 5.000
Уроки в курсе «Доверенный искусственный интеллект: экспертный уровень»Количество уроков 41
Тесты в курсе «Доверенный искусственный интеллект: экспертный уровень»Количество квизов 59
Время прохождения курса «Доверенный искусственный интеллект: экспертный уровень»Время прохождения курса —
Обновления курса «Доверенный искусственный интеллект: экспертный уровень»Обновления курса — —
Дата публикации курса «Доверенный искусственный интеллект: экспертный уровень»Дата публикации курса — ———
Последнее обновление курса «Доверенный искусственный интеллект: экспертный уровень»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Доверенный искусственный интеллект: экспертный уровень» 9 разделов Уроки в курсе «Доверенный искусственный интеллект: экспертный уровень» 41 урок Тесты в курсе «Доверенный искусственный интеллект: экспертный уровень» 59 тестов Время прохождения курса «Доверенный искусственный интеллект: экспертный уровень» 5 ч. Последнее обновление курса «Доверенный искусственный интеллект: экспертный уровень» обн. 30 марта 2026

1. Вводный модуль

2 урока
Закрытый
1.1 О курсе и от том, как на нём учиться ↗
172
38
1м 14с
0
Закрытый
1.2 Глоссарий ↗
48
48
3м 42с
0

2. Проблемы доверия искусственному интеллекту

2 урока
Закрытый
2.1 Понятие доверенного искусственного интеллекта ↗
60
20
12м 15с
1
Закрытый
2.2 Принципы доверенного искусственного интеллекта ↗
37
22
5м 46с
1

3. Объяснимость моделей ИИ и машинного обучения

7 уроков
Закрытый
3.1 Понятие объяснимости и прозрачности искусственного интеллекта ↗
38
25
5м 55с
1
Закрытый
3.2 Объяснимость данных. Методы отбора признаков ↗
36
21
12м 11с
1
Закрытый
3.3 Объяснимость на разных этапах жизненного цикла ↗
32
20
10м 11с
1
Закрытый
3.4 Практикум: использование метода LIME для объяснения модели ИИ ↗
35
14
2м 50с
0
Закрытый
3.5 Практикум: использование метода SHAP для объяснения модели ИИ ↗
28
28
2м 25с
0
Закрытый
3.6 Практикум: использование SHAP для объяснения Sequential модели ↗
25
25
3м 41с
0
Закрытый
3.7 Практикум: использование метода «Анализ важности переменных» ↗
24
18
0м 27с
0

4. Робастность искусственного интеллекта

8 уроков
Закрытый
4.1 Понятие робастности ↗
26
16
7м 13с
33
Закрытый
4.2 Методы оценки робастности ↗
24
16
14м 22с
31
Закрытый
4.3 Метрики робастности ↗
20
14
10м 47с
28
Закрытый
4.4 Типичный алгоритм для оценки робастности ↗
22
13
11м 41с
34
Закрытый
4.5 Практикум: проверка робастности модели ↗
23
18
2м 58с
0
Закрытый
4.6 Практикум: включение шума и возмущений для повышения робастности ↗
19
19
3м 17с
0
Закрытый
4.7 Практикум: Исследование робастности модели при изменении размера ↗
19
14
1м 3с
0
Закрытый
4.8 Практикум: Робастная регрессия для машинного обучения на Python ↗
19
12
1м 51с
0

5. Компьютерные атаки на искусственный интеллект

7 уроков
Закрытый
5.1 Атаки на искусственный интеллект. Обзор реализованных атак ↗
23
16
6м 4с
30
Закрытый
5.2 Классификация атак ↗
21
16
15м 5с
32
Закрытый
5.3 Методы противодействия атакам ↗
21
10
11м 26с
31
Закрытый
5.4 Практикум: Атака с использованием метода FGSM ↗
21
15
6м 45с
0
Закрытый
5.5 Практикум: FGSM-атака на нейронную сеть ↗
17
17
5м 22с
0
Закрытый
5.6 Практикум: Анализ уязвимости нейронной сети перед атаками ↗
18
18
3м 42с
0
Закрытый
5.7 Практикум: Генерация состязательных примеров для CIFAR-10 ↗
18
15
0м 15с
0

6. Защита данных

2 урока
Закрытый
6.1 Дифференциальная конфиденциальность. Федеративное обучение ↗
16
12
13м 42с
30
Закрытый
6.2 Гомоморфное шифрование. Синтетические данные. НПБК ↗
21
12
11м 9с
36

7. Обнаружение аномалий

9 уроков
Закрытый
7.1 Понятие аномалии ↗
24
17
5м 4с
35
Закрытый
7.2 Виды аномалий. Дрейф данных ↗
23
13
13м 35с
28
Закрытый
7.3 Дрейф концепций ↗
21
12
16м 6с
30
Закрытый
7.4 Защита данных от заражения. Методы распознавания аномалий ↗
21
12
12м 57с
30
Закрытый
7.5 Практикум:Обнаружение аномалий временных рядов с помощью PyCaret ↗
21
19
4м 28с
0
Закрытый
7.6 Практикум:Обнаружение аномалий в данных временных рядов с Keras ↗
19
19
8м 51с
0
Закрытый
7.7 Практикум: Обнаружение аномалий в машинном обучении ↗
18
18
4м 51с
0
Закрытый
7.8 Практикум: Поиск аномалий с Python ↗
20
20
6м 22с
0
Закрытый
7.9 Практикум: Выявление потенциальных мошеннических операций ↗
19
17
0м 18с
0

8. Заключительный модуль

3 урока
Закрытый
8.1 Итоговый тест ↗
23
14
5м 17с
0
Закрытый
8.2 Заключение ↗
18
15
0м 8с
0
Закрытый
8.3 Список литературы ↗
19
19
9м 36с
16

9. Опрос слушателей курса

1 урок
Открытый
9.1 Опрос слушателей курса ↗
23
11
0м 28с
77