Цели и задачи дисциплины
Цель дисциплины:
Сформировать у студентов знания методологий проектного управления и этапов жизненного цикла разработки решений на основе искусственного интеллекта, а также умения и навыки практического ведения проектов на основе ИИ на всех этапах — от выбора задачи применения до внедрения, оценки эффективности и масштабирования.
Задачи дисциплины:
• Изучить основные методологии проектного управления (каскадная модель Waterfall, Scrum, Kanban) и особенности их применения в проектах на основе ИИ.
• Освоить этапы жизненного цикла разработки решений на основе искусственного интеллекта: от выбора задачи применения (use-case — сценарий использования) до внедрения в эксплуатацию.
• Изучить принципы тестирования, валидации (проверки соответствия) и мониторинга моделей искусственного интеллекта в реальных проектах.
• Освоить особенности управления рисками, неопределённостью результата и изменениями в проектах на основе ИИ.
• Изучить основы оценки эффективности, масштабирования и возврата инвестиций (ROI — Return on Investment, отношение прибыли к затратам) проектов на основе искусственного интеллекта.
• Сформировать умение выбирать и обосновывать задачу применения (use-case) для решений на основе искусственного интеллекта, планировать и организовывать процесс разработки с учётом выбранной методологии.
• Развить навыки взаимодействия с междисциплинарной командой и применения принципов MLOps (практик автоматизации разработки и эксплуатации моделей машинного обучения) при внедрении и сопровождении моделей.
Краткое содержание дисциплины
Раздел 1 «Проектное управление (Waterfall, Scrum, Kanban)» охватывает: особенности методологий проектного управления — каскадной модели (Waterfall), Scrum, Kanban — и специфику их применения в проектах на основе искусственного интеллекта.
Раздел 2 «Цикл разработки и тестирования нейронных сетей в реальных проектах» охватывает: введение в проекты на основе ИИ; выбор правильной задачи применения (use-case); сбор и подготовку данных; итеративность в процессе разработки моделей; тестирование и валидацию моделей; внедрение модели в эксплуатацию; определение необходимости создания новой модели; этические вопросы и ответственность при работе с ИИ.
Раздел 3 «Релиз-менеджмент и неопределённость результата» охватывает: управление командой проекта на основе ИИ; оценку возврата инвестиций (ROI) и масштабирование проектов на основе ИИ; управление выпусками (релизами) в условиях неопределённости результата.