Target audience: инженеры по разработке и добыче, геологи, геофизики, петрофизики, специалисты по планированию добычи, экономисты, руководители цифровых проектов нефтегазовых компаний. Базовое знание программирования не требуется, но приветствуется.
Studying methods: лекция-диалог, разбор кейсов, работа в малых группах, индивидуальные практические задания, дискуссия, мозговой штурм, демонстрация реальных проектов, коучинг.
Цель: формирование у практикующих специалистов нефтегазовых предприятий системного понимания возможностей и ограничений методов искусственного интеллекта и машинного обучения, а также практических навыков их применения для решения прикладных производственных и бизнес-задач по прогнозированию добычи, оптимизации разработки, диагностике состояния оборудования и иным задачам, связанным с управлением нефтегазовыми активами.
По результатам прохождения курса, слушатели смогут:
- самостоятельно выполнять EDA, очистку и подготовку промысловых данных.
- выбирать и реализовывать базовые ML-алгоритмы для прогноза, классификации и кластеризации.
- интерпретировать результаты моделей и формулировать рекомендации для бизнеса.
- оценивать целесообразность внедрения ИИ-решений в конкретных условиях предприятия.
- ориентироваться в современных технологиях (трансформеры, графовые методы, PINN) и их применимости в нефтегазе.
- владеть терминологией и понимать ограничения методов ИИ.