Современная физика и искусственный интеллект сегодня развиваются рука об руку, открывая новые подходы к решению фундаментальных и прикладных задач — от моделирования квантовых систем до анализа данных Большого адронного коллайдера. Специальный курс «Искусственный интеллект в физике» разработан для школьников 10−11 классов, интересующихся физикой, математикой и программированием, и желающих попробовать себя в современной науке.

Программа объединяет основы методов машинного обучения, численных вычислений и физического моделирования. Участники познакомятся с тем, как нейросети применяются для описания физических процессов, и как физические принципы помогают улучшать модели ИИ.

В первой части курса слушатели изучат ключевые концепции и инструменты: от перцептронов и функций активации до симуляций физических систем с помощью Python и библиотек numpy. Вторая часть посвящена проектной работе — решению реальных исследовательских задач с помощью искусственного интеллекта, сформулированных ведущими лабораториями Университета ИТМО.

По итогам курса участники представят результаты своих исследований в виде научных докладов и статей, которые могут быть опубликованы на конференциях и научных журналах.

Продвинутый курс по искусственному интеллекту рассчитан на школьников 9-10 классов, уже знакомых с основами Python и машинного обучения и желающих углубить свои знания в современных методах работы с ИИ. Курс ориентирован на понимание внутренних принципов интеллектуальных систем и их практического применения, в первую очередь при работе с текстовыми данными и большими языковыми моделями.

В программе рассматриваются классические и современные подходы к обработке текстов: предобработка данных, эмбеддинги, задачи кластеризации и классификации текстов. Участники будут работать с реальными датасетами и моделями из Kaggle и Hugging Face, а также изучат генеративные методы и алгоритмы, лежащие в основе текстовых ИИ-систем.

Отдельный блок курса посвящён большим языковым моделям и промпт-инжинирингу. Школьники узнают о возможностях и ограничениях генеративных моделей, научатся решать задачи анализа и генерации текстов с помощью LLM, а также запускать предобученные модели локально. В завершение курса участники познакомятся с основами MLOps, жизненным циклом ИИ-продукта и инструментами развёртывания моделей, а итогом обучения станет финальный проект, объединяющий все изученные технологии.