Мы используем cookie, чтобы сайт работал корректно и был удобнее для вас. Запретить обработку cookie вы можете через браузер.
Уникальные программы бакалавриата ЮФУ в сфере искусственного интеллекта
Станьте частью нового поколения специалистов, которые создают будущее ИИ
Проект ТОП-ИИ
Применение методов искусственного интеллекта в социальной сфере (туризм и гостеприимство)
Формат обучения
Объем модуля
Период проведения
Социальная сфера (экология, культура, искусство, дизайн, туризм и гостеприимство,
юриспруденция, лингвистика)
юриспруденция, лингвистика)
Онлайн (очный с применением дистанционных технологий)
180 ак. часа
Рекомендуется студентам с 3 курса
ТОП-ИИ
Отраслевой модуль
Модуль разработан для внедрения
в образовательные программы вузов
в образовательные программы вузов
Модуль ориентирован на подготовку специалистов в сфере туризма и гостеприимства, обладающих практическими навыками интеграции технологий искусственного интеллекта в профессиональную деятельность. В нём рассматриваются современные ИИ-решения и инструменты для сбора, обработки и интеллектуального анализа данных туристической отрасли, проектирования промпт-систем для взаимодействия с генеративными моделями (LLM), автоматизации создания персонализированных туристических продуктов и маршрутов, а также компьютерного анализа текстов — стилометрии, сетевого анализа, сентимент-анализа и корпусных исследований с использованием специализированных инструментов и нейросетевых моделей.
Модуль разработан в рамках проекта ТОП-ИИ Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации» и предлагается вузам для внедрения в образовательные программы высшего образования.
Включение модуля в образовательный процесс позволяет усилить прикладную и отраслевую направленность подготовки, обеспечить связь профессиональных компетенций обучающихся с актуальными запросами индустрии гостеприимства и сформировать у студентов базовые навыки работы с туристическими данными, инструментами обработки естественного языка (NLP), технологиями промпт-инжиниринга и прикладными ИИ-решениями, востребованными в сфере туризма, сервиса, репутационного менеджмента и интеллектуальной аналитики потребительских предпочтений.
Модуль разработан в рамках проекта ТОП-ИИ Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации» и предлагается вузам для внедрения в образовательные программы высшего образования.
Включение модуля в образовательный процесс позволяет усилить прикладную и отраслевую направленность подготовки, обеспечить связь профессиональных компетенций обучающихся с актуальными запросами индустрии гостеприимства и сформировать у студентов базовые навыки работы с туристическими данными, инструментами обработки естественного языка (NLP), технологиями промпт-инжиниринга и прикладными ИИ-решениями, востребованными в сфере туризма, сервиса, репутационного менеджмента и интеллектуальной аналитики потребительских предпочтений.
Для кого подготовлен
о модуле
43.03.02 — Туризм
Специальности и направления подготовки высшего образования, при реализации которых применяется модуль:
Модуль предполагается к прохождению студентами 3-ого курса бакалавриата (5-й семестр). Реализуется как компонент основной профессиональной образовательной программы (ОПОП).
Формат обучения
1 семестр, 5 зачетных единиц
Продолжительность
180 ак.ч.: 32 ак.ч. лекции, 32 ак.ч. лабораторные работы, 116 ак.ч. самостоятельная работа (включая подготовку к дифференцированному зачёту)
Трудоемкость
Модуль реализуется вузом самостоятельно в рамках части ОП, формируемой участниками образовательных отношений (вариативная часть).
Условия реализации
Онлайн (очный с применением дистанционных технологий)
Формат обучения
Русский
Язык обучения
Программа обучения
Отраслевой модуль раскрывает возможности применения ИИ для решения ключевых задач в сфере туризма и гостеприимства: сбора и анализа потребительских данных, проектирования промпт-систем для генеративных моделей (LLM), автоматизации создания персонализированных туристических продуктов и маршрутов, а также компьютерного анализа текстов — стилометрии, сетевого анализа, сентимент-анализа и корпусных исследований с использованием специализированных инструментов и нейросетевых моделей на базе архитектуры BERT.
Цифровые гуманитарные науки: основные направления и проекты. Специфика работы с текстовыми данными в туристической сфере: отзывы, путеводители, посты в соцсетях. Принципы этичной работы с данными (Data vs. Capta). Форматы представления данных: TXT, CSV, JSON, HTML, XML. Технологии профессионального поиска и парсинга открытых данных о туристических объектах и услугах. Работа в облачных сервисах, цифровая гигиена специалиста.
История развития ИИ: от классических алгоритмов к архитектуре трансформеров. Принципы работы больших языковых моделей. Концепция промпта: роль, контекст, задание, формат вывода. Базовые шаблоны промптов для генерации туристического контента. Продвинутые техники: Few-shot и Chain-of-Thought. Специфика составления запросов для проектирования персонализированных маршрутов и скриптов поддержки клиентов.
Использование ИИ-ассистентов: автодополнение, объяснение кода, автоматическое исправление ошибок. Разработка программных прототипов для автоматизации анализа отзывов туристов, фильтрации и категоризации текстов. Тестирование и верификация кода, созданного с помощью LLM. Этические аспекты автоматизации написания кода.
Теоретические основы стилометрии. Возможности пакета Stylo для языка R и Python: статистические методы анализа авторского стиля и жанровых особенностей. Кластерный анализ и классификация текстов. Визуализация результатов: дендрограммы, сети. Интерпретация результатов в контексте туристических текстов.
Методология сетевого анализа: основные понятия (узел, ребро), метрики (степень, плотность, центральность), типы графов. Построение и визуализация сетей стилистической близости текстов в Gephi: укладка, расчёт статистик, выделение сообществ и ключевых узлов. Анализ связей между туристическими объектами, персонажами и географическими точками.
Методы определения эмоциональной окраски текста. Предобученные модели-трансформеры (BERT) для классификации тональности. Обработка корпуса туристических отзывов: сегментация, стратегии классификации (жёсткая/нечёткая). Сравнение нейросетевого и словарного подходов. Построение аналитических отчётов по эмоциональной окраске, анализ ошибок модели.
Основные понятия корпусной лингвистики: корпус, разметка, конкорданс, коллокации, частотность. Создание корпуса туристических текстов. Работа в корпус-менеджерах AntConc и Voyant Tools: частотный анализ, облако слов, анализ коллокаций, конкорданс. Использование инструментов визуализации для поиска смысловых паттернов в туристических текстах.
Ограничения моделей: галлюцинации и методы их верификации. Перекрёстная проверка фактической точности ответов LLM. Этические аспекты автоматизации контента и принятия решений. Проблема предвзятости (bias) в языковых моделях. Ответственность за использование ИИ в работе с клиентами. Академическая этика и принципы человекоориентированности, прозрачности и безопасности при внедрении ИИ-решений в туриндустрии.
Разработка комплексного исследовательского проекта в сфере туризма, интегрирующего все освоенные методы и технологии: от сбора данных и создания корпуса до компьютерного анализа и интерпретации результатов. Применение стилометрии, сетевого анализа, сентимент-анализа и корпусных методов для решения прикладной задачи — анализ репутации дестинации, персонализация туристических продуктов или оценка качества сервиса. Подготовка отчётных материалов и защита проекта с демонстрацией результатов.
Технологический стек модуля
Transformers (Hugging Face)
Библиотека для работы с предобученными моделями-трансформерами (BERT) для задач сентимент-анализа и классификации текстов.
Gemini
ИИ-ассистент для автодополнения кода, объяснения логики, автоматического исправления ошибок и поддержки вайб-кодинга.
Gephi
Программа для визуализации и анализа графов: построение сетей стилистической близости, расчёт статистик, выделение сообществ и ключевых узлов.
Voyant Tools
Онлайн-платформа для быстрой визуализации корпусов: облако слов, графики трендов, анализ контекстов.
PyTorch
Фреймворк глубокого обучения, используемый для загрузки и дообучения нейросетевых моделей (BERT).
AntConc
Классический десктопный корпус-менеджер для частотного анализа, построения конкордансов и анализа коллокаций.
NLTK / SpaCy
Библиотеки для базовой обработки естественного языка: токенизация, лемматизация, морфологический и синтаксический анализ.
Python
Язык программирования для автоматизации обработки текстовых данных, работы с библиотеками NLP и взаимодействия с ИИ-сервисами.
Разработчики, преподаватели, эксперты
Корнилова Александра Андреевна
Специалист по УМР, Институт философии и социально-
политических наук ЮФУ.
политических наук ЮФУ.
Фёдоров Никита Александрович
Ассистент кафедры лингвистики и профессиональной
коммуникации, Институт филологии, журналистики и межкультурной коммуникации ЮФУ
коммуникации, Институт филологии, журналистики и межкультурной коммуникации ЮФУ
Бринк Иван Юрьевич
Доктор технических наук, профессор, советник ректора Южно-Российского государственного
политехнического университета (НПИ) им. М. И. Платова, основатель ООО «БВН Инжениринг»,
член Русского географического общества.
политехнического университета (НПИ) им. М. И. Платова, основатель ООО «БВН Инжениринг»,
член Русского географического общества.
Калачев Василий Юрьевич
к.э.н., доцент, доцент Центра образовательных программ в области
искусственного интеллекта ФГАОУ ВО Южный федеральный университет
искусственного интеллекта ФГАОУ ВО Южный федеральный университет
Северина Елена Михайловна
Доктор философских наук, доцент, профессор кафедры социальной философии,
Институт философии и социально-политических наук ЮФУ.
Институт философии и социально-политических наук ЮФУ.
Результаты обучения
Анализировать возможности применения ИИ в туризме и гостеприимстве
Слушатель сможет соотносить отраслевые задачи (анализ потребительских предпочтений, оценка репутации, персонализация туристических продуктов, автоматизация коммуникаций) с подходящими ИИ-подходами (LLM, сентимент-анализ, стилометрия, сетевой анализ) и определять сценарии, где ИИ даёт наибольший практический эффект для туриндустрии.
Работать с данными туриндустрии и формировать корпуса текстов для задач ИИ
Слушатель сможет собирать и структурировать текстовые данные (отзывы, путеводители, посты в соцсетях), выполнять очистку, преобразование в форматы TXT, CSV, JSON, проектировать метаданные и создавать корпуса для последующего компьютерного анализа с использованием корпус-менеджеров (AntConc, Voyant Tools).
Применять модели ИИ и методы компьютерного анализа к задачам туристической сферы
Слушатель сможет использовать генеративные модели (LLM) для создания персонализированных туристических продуктов и маршрутов через проектирование промптов (Few-shot, Chain-of-Thought), применять методы стилометрии (пакет Stylo), сетевого анализа (Gephi), сентимент-анализа (BERT) и корпусного анализа для исследования туристических текстов, интерпретируя результаты с точки зрения отраслевых задач.
Оценивать качество и ограничения ИИ‑подходов в туризме
Слушатель сможет анализировать качество работы моделей (верификация галлюцинаций LLM, оценка точности классификации тональности), выявлять типичные ошибки и ограничения методов (недостаточность данных, смещение выборки) и формулировать выводы о применимости конкретных решений для поддержки управленческих решений в туриндустрии.
Учитывать этические и практические аспекты применения ИИ в туризме
Слушатель сможет выявлять этические риски (предвзятость данных, дискриминация, непрозрачность алгоритмов, приватность клиентов), учитывать ограничения ответственности при автоматизации сервисных процессов и формулировать рекомендации по безопасному, человекоориентированному и научно обоснованному применению ИИ в туристических сервисах и проектах.
Анализировать возможности применения ИИ в туризме и гостеприимстве
Слушатель сможет соотносить отраслевые задачи (анализ потребительских предпочтений, оценка репутации, персонализация туристических продуктов, автоматизация коммуникаций) с подходящими ИИ-подходами (LLM, сентимент-анализ, стилометрия, сетевой анализ) и определять сценарии, где ИИ даёт наибольший практический эффект для туриндустрии.
Работать с данными туриндустрии и формировать корпуса текстов для задач ИИ
Слушатель сможет собирать и структурировать текстовые данные (отзывы, путеводители, посты в соцсетях), выполнять очистку, преобразование в форматы TXT, CSV, JSON, проектировать метаданные и создавать корпуса для последующего компьютерного анализа с использованием корпус-менеджеров (AntConc, Voyant Tools).
Применять модели ИИ и методы компьютерного анализа к задачам туристической сферы
Слушатель сможет использовать генеративные модели (LLM) для создания персонализированных туристических продуктов и маршрутов через проектирование промптов (Few-shot, Chain-of-Thought), применять методы стилометрии (пакет Stylo), сетевого анализа (Gephi), сентимент-анализа (BERT) и корпусного анализа для исследования туристических текстов, интерпретируя результаты с точки зрения отраслевых задач.
Оценивать качество и ограничения ИИ‑подходов в туризме
Слушатель сможет анализировать качество работы моделей (верификация галлюцинаций LLM, оценка точности классификации тональности), выявлять типичные ошибки и ограничения методов (недостаточность данных, смещение выборки) и формулировать выводы о применимости конкретных решений для поддержки управленческих решений в туриндустрии.
Учитывать этические и практические аспекты применения ИИ в туризме
Слушатель сможет выявлять этические риски (предвзятость данных, дискриминация, непрозрачность алгоритмов, приватность клиентов), учитывать ограничения ответственности при автоматизации сервисных процессов и формулировать рекомендации по безопасному, человекоориентированному и научно обоснованному применению ИИ в туристических сервисах и проектах.
04
03
02
01
Преимущества внедрения модуля
За счет включения в образовательную программу актуальных сценариев применения ИИ: сбора и анализа потребительских данных, проектирования промпт-систем для генерации персонализированных туристических продуктов, сентимент-анализа отзывов и репутационного менеджмента.
Через освоение современных подходов к работе с текстовыми данными туриндустрии, автоматизации аналитики с использованием вайб-кодинга, применению компьютерных методов анализа текста (корпусный анализ, сентимент-анализ, стилометрия) и созданию прототипов ИИ-решений для туристических сервисов.
По направлению подготовки 43.03.02 Туризм (все профили), где требуется формирование компетенций по применению ИИ для анализа данных, продвижения и персонализации туристических продуктов и сервисов.
Благодаря освоению востребованных инструментов (LLM, промпт-инжиниринг, BERT для анализа тональности, стилометрия, сетевой анализ) и решению реальных задач: автоматизация сервисной аналитики, оценка качества обслуживания, прогнозирование туристических трендов.
Повышение прикладной подготовки в сфере туризма
Расширение прикладных компетенций обучающихся
Модуль предлагается вузам, реализующим программы ВО
Усиление связи образования с индустрией гостеприимства
Пререквизиты. Учебные курсы, которые студент должен освоить перед началом обучения по модулю:
Что нужно знать студенту на старте
- Математика (основы теории вероятностей, математической статистики, линейной алгебры; базовые статистические расчёты и интерпретация результатов)
- Информационные технологии в профессиональной деятельности (принципы работы современного программного обеспечения и его применение для решения профессиональных задач)
- Методы научных исследований (поиск, критический анализ и синтез информации; системный подход для решения поставленных задач)