Оставьте Заявку
Понимать, как работают нейросети и как они применимы в химии и материаловедении
Размечать данные для обучения моделей
Подбирать инструменты и сервисы для анализа изображений и спектров
Сравнивать методы анализа: ручной, автоматический, ИИ-модели
Использовать сервисы с графическим интерфейсом: Cellpose, DLgram, iOk
Определять, какие задачи можно автоматизировать с помощью ИИ
Создавать пайплайны анализа без программирования
Оценивать точность и корректность результатов распознавания
По завершении курса вы получите удостоверение о повышении квалификации НГУ, подтверждающее новые компетенции
Искусственный интеллект в химии и материаловедении
Курс от Передовой инженерной школы НГУ
Программа повышения квалификации
24 академических часа
Онлайн-лекции
Удостоверение НГУ
Старт
24 сентября 2025
Чему научатся на курсе
Курсы повышения квалификации от Передовой инженерной школы НГУ
Исследователь
Студент
Преподаватель
Разработчик
Технолог
Инженер
Каждый из вас найдет здесь знания, которые помогут внедрять инновации, создавать экологичные решения и эффективно управлять проектам
Это уверенный шаг к карьере будущего!
- Проектирование и создание объектов нового поколения
- Интеграция наноматериалов и композитов в производство
- Глубокие знания современных технологий и материалов
- Профессиональные инсайты от экспертов-практиков
- Оптимизация процессов
- Решение сложных прикладных задач
Программа курса «Искусственный интеллект в химии и материаловедении» направлена на освоение практических методов применения искусственного интеллекта, в частности, нейронных сетей, в анализе различных научных и прикладных данных — от изображений микроскопии до спектров, от задач сегментации до построения собственных пайплайнов
Слушатели познакомятся с принципами работы нейросетей и научатся использовать современные инструменты с графическим интерфейсом (DLgram, Cellpose, iOk, LabelMe) для обработки микроскопических изображений и спектров
Курс специально ориентирован на специалистов, не имеющих опыта в программировании — весь процесс построен на готовых решениях и пошаговых инструкциях
Итоговая аттестация предполагает выполнение полноценного кейса с использованием ИИ
Курс специально ориентирован на специалистов, не имеющих опыта в программировании — весь процесс построен на готовых решениях и пошаговых инструкциях
Итоговая аттестация предполагает выполнение полноценного кейса с использованием ИИ
и другие науки, где требуется анализ изображений (например, микроскопии) и спектральных данных.
Курс особенно актуален тем, кто тратит много времени на ручной анализ результатов экспериментов и хочет внедрить автоматизацию
Курс особенно актуален тем, кто тратит много времени на ручной анализ результатов экспериментов и хочет внедрить автоматизацию
Сферы применения курса
Химия
Геология
Физика твёрдого тела
Биология
Археология
Материаловедение
Формула онлайн-обучения с Передовой инженерной школой: компактный курс + перспективы на годы вперед
Студенты и аспиранты
желающие прокачать навыки и собрать кейс в портфолио
но хотят внедрить ИИ в практику, не погружаясь глубоко в теорию и программирование
05
Все, кто не программисты
03
Специалисты R&D и лабораторий
заинтересованные в автоматизации анализа и интеграции ИИ-инструментов в работу
04
02
01
Для кого этот курс
Инженеры и технологи
которым важно быстро и корректно обрабатывать экспериментальные данные
работающие с микроскопией и спектроскопией
Научные сотрудники и преподаватели
Программа курса
Тема 1.1. Основные понятия машинного обучения
Машинное обучение, глубокое машинное обучение, искусственный интеллект. Задачи, решаемые и потенциально решаемые с использованием ИИ в химии и материаловедении
Тема 1.2. Глубокие нейронные сети
Глубокие нейронные сети и о их обучения. Обучающие наборы данных. Особенности работы с нейронными сетями в научной деятельности
Тема 1.3. Нейронные сети в анализе микроскопических изображений: современное состояние дел
Задачи классификации и сегментации, динамический анализ. Базовые схемы работы для решения поставленных задач. Разбор конкретных случаев
Тема 1.4. Анализ спектроскопических данных с использованием глубоких нейронных сетей
Особенности работы по анализу спектроскопических данных с использованием глубоких нейронных сетей
Машинное обучение, глубокое машинное обучение, искусственный интеллект. Задачи, решаемые и потенциально решаемые с использованием ИИ в химии и материаловедении
Тема 1.2. Глубокие нейронные сети
Глубокие нейронные сети и о их обучения. Обучающие наборы данных. Особенности работы с нейронными сетями в научной деятельности
Тема 1.3. Нейронные сети в анализе микроскопических изображений: современное состояние дел
Задачи классификации и сегментации, динамический анализ. Базовые схемы работы для решения поставленных задач. Разбор конкретных случаев
Тема 1.4. Анализ спектроскопических данных с использованием глубоких нейронных сетей
Особенности работы по анализу спектроскопических данных с использованием глубоких нейронных сетей
Тема 2.1. Постановка задачи
Поиск и измерение объектов на изображениях. Классические подходы к решению проблемы. Ручной анализ
Тема 2.2. Применении глубоких нейронных сетей для сегментации изображений
Общая схема. Разметка данных для создания обучающего набора данных. Метрики обучения. Оценка результата обучения. Требования к оборудованию, нейронные сети, имеющиеся в открытом доступе
Тема 2.3. Особенности обучения нейронных сетей на примере сервисов платформы iOk
Программа Lableme для разметки изображений. Влияние разметки на результат распознавания. Возможности он лайн приложений по распознаванию изображений
Поиск и измерение объектов на изображениях. Классические подходы к решению проблемы. Ручной анализ
Тема 2.2. Применении глубоких нейронных сетей для сегментации изображений
Общая схема. Разметка данных для создания обучающего набора данных. Метрики обучения. Оценка результата обучения. Требования к оборудованию, нейронные сети, имеющиеся в открытом доступе
Тема 2.3. Особенности обучения нейронных сетей на примере сервисов платформы iOk
Программа Lableme для разметки изображений. Влияние разметки на результат распознавания. Возможности он лайн приложений по распознаванию изображений
Тема 3.1. Метод РФЭС
Физические принципы метода РФЭС. Физические особенности спектров РФЭС. Математическое описание спектров. Извлекаемая информация для анализа
Тема 3.2. Интеграция глубокой нейронной сети в конвейер для анализа спектров
Задачи, решаемые нейронной сетью при анализе спектров. Интеграция нейронной сети в конвейер для анализа данных. Метрики и оценка результата. Графический интерфейс. Ускорение анализа при применении нейронной сети
Физические принципы метода РФЭС. Физические особенности спектров РФЭС. Математическое описание спектров. Извлекаемая информация для анализа
Тема 3.2. Интеграция глубокой нейронной сети в конвейер для анализа спектров
Задачи, решаемые нейронной сетью при анализе спектров. Интеграция нейронной сети в конвейер для анализа данных. Метрики и оценка результата. Графический интерфейс. Ускорение анализа при применении нейронной сети
Преподаватель курса
Нартова Анна Владимировна
кандидат химических наук
Доцент Факультета естественных наук НГУ, старший преподаватель Физического факультета НГУ, старший научный сотрудник лаборатории исследования поверхности Института Катализа С О РАН
Занимается использованием ИИ для обработки данных физического эксперимента с 2019 года, соразработчиком платформы iOk, XPS-AI
Занимается использованием ИИ для обработки данных физического эксперимента с 2019 года, соразработчиком платформы iOk, XPS-AI
Стоимость обучения
Цена действительна при регистрации до 24.09.2025
Стоимость курса
7000 ₽
Как проходит обучение
01
от заявки до получения удостоверения
Заполните форму на сайте — мы свяжемся с вами в течение дня для подтверждения
Оставляете заявку
Проводите оплату и получаете доступ к курсу
После проверки документов и оплаты вы сразу получите доступ к материалам в личном кабинете
03
05
После успешного завершения курса
- Электронная версия — сразу
- Оригинал (почтой или лично) — в течение 30 дней
Получаете удостоверение НГУ
04
- Гибкий график без дедлайнов
- Практические задания и тесты
- Доступ к платформе 24/7
Учитесь в удобном формате
- Быстрый вариант: Получите готовые шаблоны на почту, заполните и отправьте обратно вместе с другими документами
- Популярный вариант: Самостоятельно скачайте заявление, заполните и отправьте с другими документами
Отправьте документы на d.soloveva@nsu.ru
Отправьте документы на d.soloveva@nsu.ru
Для выпускников
Копия паспорта (разворот с фото + страница с пропиской)
Копия СНИЛС
Копия диплома (высшего/среднего профессионального)
Копия паспорта (разворот с фото + страница с пропиской)
Копия СНИЛС
Копия диплома (высшего/среднего профессионального)
Для студентов
Справка об обучении (можно получить в деканате)
Копия паспорта (разворот с фото + страница с пропиской)
Копия СНИЛС
Справка об обучении (можно получить в деканате)
Копия паспорта (разворот с фото + страница с пропиской)
Копия СНИЛС
02
2.1
2.2
2.3
Подготавливаете документы
Заполните заявление-согласие
Подготовьте документы
Специалист ПИШ НГУ свяжется с вами, ответит на все вопросы по обучению и поможет подобрать оптимальный вариант оплаты обучения
Оставьте заявку
Частые вопросы
Нет. Все инструменты в курсе — DLgram, Cellpose, iOk и другие — работают через графический интерфейс. Программировать не нужно
Да. Курс начинается с основ и доступно объясняет, как работают нейросети и где их можно применять
Да, по завершению курса вы получите удостоверение о повышении квалификации НГУ
Да. Вы можете использовать свои изображения на всех этапах курса — от обучения модели до финальной аттестации. Если своих данных нет, предоставим примеры
Продолжая использовать сайт, вы даёте согласие на использование cookies и условиями пользовательского соглашения. Узнайте подробности или измените свои настройки cookies.
© 2025 Все права защищены.
Федеральное государственное автономное образовательное учреждение высшего образования «Новосибирский национальный исследовательский государственный университет». Передовая инженерная школа НГУ
Федеральное государственное автономное образовательное учреждение высшего образования «Новосибирский национальный исследовательский государственный университет». Передовая инженерная школа НГУ
Юридический адрес
630 090, Новосибирская область, г. Новосибирск, ул. Пирогова, 2
630 090, Новосибирская область, г. Новосибирск, ул. Пирогова, 2