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
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 модуль1 * Защита презентации по теме исследования
- 2022/2023 учебный год 4 модуль0.5 * Задача по обработке текстовых данных и временных рядов + 0.5 * Решение задач дискретной оптимизации
- 2023/2024 учебный год 1 модуль1 * Рецензия на научную статью
- 2023/2024 учебный год 3 модуль0.5 * 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