• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2023/2024

Прикладные модели искусственного интеллекта (семинар наставника)

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 1-й курс, 1-4 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Прогр. обучения: Прикладные модели искусственного интеллекта
Язык: русский
Кредиты: 10
Контактные часы: 68

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

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

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

Содержание учебной дисциплины

  • Вычислительные методы систем ИИ.
  • Основы обработки текстовых данных.
  • Применение статистических методов обработки данных.
Элементы контроля

Элементы контроля

  • неблокирующий Презентация по теме исследования
  • неблокирующий Методы оптимизации
  • неблокирующий Обработка графических данных
  • неблокирующий Обработка текстовых данных
  • неблокирующий Анализ временных рядов
  • неблокирующий Рецензия на научную статью
  • неблокирующий Защита концепции ВКР
  • неблокирующий Защита презентации по теме исследования
  • неблокирующий Защита презентации по обработке графических данных
  • неблокирующий Защита работы по анализу временных рядов
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 1 модуль
    0.5 * Защита презентации по теме исследования + 0.5 * Защита презентации по теме исследования + 0.5 * Презентация по теме исследования + 0.5 * Презентация по теме исследования
  • 2023/2024 учебный год 3 модуль
    0.5 * Методы оптимизации + 0.5 * Методы оптимизации + 0.5 * Обработка текстовых данных + 0.5 * Обработка текстовых данных
  • 2023/2024 учебный год 4 модуль
    0.5 * Защита презентации по обработке графических данных + 0.5 * Защита презентации по обработке графических данных + 0.5 * Обработка графических данных + 0.5 * Обработка графических данных
  • 2024/2025 учебный год 1 модуль
    0.5 * Анализ временных рядов + 0.5 * Анализ временных рядов + 0.5 * Защита работы по анализу временных рядов + 0.5 * Защита работы по анализу временных рядов
  • 2024/2025 учебный год 3 модуль
    0.5 * Защита концепции ВКР + 0.5 * Защита концепции ВКР + 0.5 * Рецензия на научную статью + 0.5 * Рецензия на научную статью
Список литературы

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