Магистратура 2023/2024

Прикладные модели искусственного интеллекта (семинар наставника)

Статус: Курс обязательный (Системный анализ и математические технологии)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент прикладной математики

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 2-й курс, 1-3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Сластников Сергей Александрович, Смирнов Александр Сергеевич, Смирнов Александр Сергеевич

Прогр. обучения: Системный анализ и математические технологии

Язык: русский

Кредиты: 6

Контактные часы: 36

Программа дисциплины

Аннотация

Семинар разделен на тематических блока: научный и прикладной. Прикладная цель семинара состоит в исследовании и применение современных подходов анализа данных и машинного обучения для решения прикладных задач в области обработки текстов, анализа изображений, видео и аудиопотоков на основе индустриальных кейсов. При обучении предусмотрен контроль знаний студентов в виде учета активности студентов на семинаре, домашнего задания, лабораторных работ и экзамена.Общенаучный блок призван дать студентам навыки по формулированию целей и задач научного исследования, определению требований к результатам исследований, описания новизны и практической значимости результатов исследования. Текущие результаты исследований обсуждаются в форме презентаций в рамках семинара.

Цель освоения дисциплины

• Исследование и применение современных подходов анализа данных и машинного обучения для решения прикладных задач в области обработки текстов, анализа изображений, видео и аудиопотоков
• Навыки по формулированию целей и задач научного исследования, определению требований к результатам исследований, описания новизны и практической значимости результатов исследования.
• Развитие у магистров профессиональных компетенций и навыков применения современных подходов анализа данных и машинного обучения для решения прикладных задач.

Планируемые результаты обучения

• Знать проблематику современных систем искусственного интеллекта.
• Получить навыки (приобрести опыт) использования современных методов машинного обучения и анализа данных.
• Уметь находить информацию по теме исследования в современных источниках научно-технической информации; математически описывать постановку и решение задач анализа числовых, текстовых и фото-видео данных.

Содержание учебной дисциплины

• Вычислительные методы систем ИИ.
• Основы обработки текстовых данных.
• Применение статистических методов обработки данных.
• A/B тестирование

Элементы контроля

• Защита презентации по теме исследования
• Решение задач дискретной оптимизации
• Задача по обработке текстовых данных и временных рядов
• Рецензия на научную статью
• Реализовать producer и consumer с использованием Apache Kafka.
• Работа по разделу A/B тестирование

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  1 * Защита презентации по теме исследования
• 2022/2023 учебный год 4 модуль
  0.5 * Задача по обработке текстовых данных и временных рядов + 0.5 * Решение задач дискретной оптимизации
• 2023/2024 учебный год 1 модуль
  1 * Рецензия на научную статью
• 2023/2024 учебный год 3 модуль
  0.5 * Работа по разделу A/B тестирование + 0.5 * Реализовать producer и consumer с использованием Apache Kafka.

Список литературы

Рекомендуемая основная литература

• Pattern recognition and machine learning, Bishop, C. M., 2006
• The elements of statistical learning : data mining, inference, and prediction, Hastie, T., 2017
• Вероятность и статистика в дискретных задачах. Полиномиальная модель : дополнительные главы теории вероятностей : учеб. пособие, Ивченко, Г. И., 1989

Рекомендуемая дополнительная литература

• Вероятность и статистика в примерах и задачах. Т.2, ч.2: Марковские цепи как отправная точка теории случайных процессов и их приложения, Кельберт, М. Я., 2021

Авторы

• Сластников Сергей Александрович