Первое занятие: сначала короткая инструкция. Если среда не работает — 00. Старт без установки.ipynb или HTML без Jupyter. GitHub необязателен; можно работать и сдавать файлами.

Введение в искусственный интеллект

Практические занятия по дисциплине «Введение в искусственный интеллект» для направления 01.03.02 «Прикладная математика и информатика», профиль «Искусственный интеллект», СГУ им. Питирима Сорокина.

Курс о том, с чего начинается любой искусственный интеллект, — о данных: как их найти, собрать, сложить, почистить, понять, показать и не нарушить при этом закон. За семестр каждый студент делает собственный проект на настоящих данных.

Автор — Дуркин Анатолий Альбертович, старший преподаватель: anatoliy.durkin@mail.ru, Telegram @AnatoDu, канал https://t.me/code_matan_ai

С чего начать

1. Начните с ПЕРВЫЙ_СТАРТ.md: готовый архив или скачивание курса, без обязательного Git.
2. Скопируйте всю project_template/ в личное место и назовите, например, ai_project. Откройте Jupyter в ней, затем workbooks/01.1 Курс и рабочее место.ipynb. В комплекте уже есть проверки, данные и документация; соседняя папка курса не нужна.
3. Условия проекта — ПРОЕКТ.md, критерии оценки — ОЦЕНИВАНИЕ.md, как сдавать работы — СДАЧА.md.
4. Установка дома — УСТАНОВКА.md.
5. Тренажёры, книги, фильмы, соревнования и стажировки по темам курса — ПОЛЕЗНОЕ.md.

Компьютеры общие: личная папка, сохранение и проверенная копия. На первом блоке — без обязательного Git/аккаунта; GitHub необязателен весь семестр. Подробно — в ПЕРВЫЙ_СТАРТ.md.

Занятия

Каждое занятие — две пары, на каждую пару своя тетрадь. Номер тетради NN.M читается так: занятие NN, пара M.

№	Пара 1	Пара 2	Этап проекта
1	Курс и рабочее место (Git по желанию)	Задача ИИ, ГОСТ и выбор темы	выбор трека
2	Pandas: первое знакомство	Титаник: первые выводы	ЛР1
3	Парсинг сайтов	Законность сбора и большая таблица	—
4	API и форматы данных	Открытые источники и сбор своих данных	ЛР2
5	Предобработка: пропуски и дубликаты	Аномалии и выбросы	—
6	Группировка и объединение в pandas	То же на SQL: знакомство с DuckDB	ЛР3
7	SQL для аналитики: CTE и оконные функции	Слои хранилища и витрины	—
8	Визуализация: выбор графика	Дашборд и разведочный анализ	ЛР4
9	Тренды ИИ в цифрах	Экономика проекта с данными	—
10	Разметка данных	Экспертные оценки и паспорт датасета	ЛР5
11	Персональные данные	Безопасность данных и обезличивание	—
12	Этика и регулирование ИИ	Защита проектов	ЛР6

Тетради появляются к своему занятию. Для текущих занятий открывайте тетради из собственного workbooks. Публикуются только подготовленные занятия; остальные добавляются по мере прохождения курса.

Как курс связан с другими дисциплинами

flowchart LR
    subgraph before["Уже пройдено: 1–2 семестры"]
        A1["Алгоритмы и алгоритмические языки: Python"]
        A2["Основы web-программирования: HTML, CSS"]
        A3["Математическая логика, теория графов, численные методы"]
    end
    subgraph now["Сейчас: 3 семестр"]
        B0["Введение в ИИ"]
        B1["Теория вероятностей и матстатистика"]
        B2["Структуры и алгоритмы обработки данных"]
        B3["Правоведение, философия"]
        B4["Технология проектной деятельности"]
    end
    subgraph after["Дальше: 4–8 семестры"]
        C1["Машинное обучение"]
        C2["Компьютерное зрение, нейронные сети"]
        C3["Базы данных, информационная безопасность"]
        C4["Проектирование, практики, ВКР"]
    end
    A1 --> B0
    A2 --> B0
    A3 --> B0
    B1 <--> B0
    B2 <--> B0
    B3 <--> B0
    B4 <--> B0
    B0 --> C1
    B0 --> C2
    B0 --> C3
    B0 --> C4

Loading

Что в репозитории

01.1 …, 01.2 …          тетради занятий: NN.M — занятие и пара
course_support/        проверки, вспомогательные функции и учебные данные
docs/                   правила курса и шпаргалки
project_template/       готовый автономный старт вашего проекта

Новые занятия без потери ответов

Репозиторий курса — источник выдачи; собственный проект студента — отдельный репозиторий, не fork. Не заменяйте весь свой проект новым шаблоном. Новые тетради копируйте только если такого имени ещё нет; исправления уже начатой тетради переносите выборочно либо сохраняйте новую версию под другим именем. course_support/ — поставляемые вспомогательные файлы; их можно обновлять целиком из нового выпуска после сохранения копии и проверки изменений. README, notebooks, data и ответы студента никогда не заменяются автоматически. Подробно — docs/GIT.md.

Второй блок

Готовы тетради 02.1 и 02.2; условия первой лабораторной — ЛР1. Новые файлы добавляйте по инструкции обновления, сохраняя старые ответы.

Третий блок

Готовы 03.1 и 03.2. Номера обозначают учебные блоки, а не календарные недели. Парсинг работает на локальном учебном каталоге; интернет и HTTP-сервер не требуются. Новых лабораторных и баллов в этом блоке нет. Добавьте новые тетради в workbooks и обновите course_support целиком, сохранив свои ответы и данные.