Бакалавриат
2023/2024





Глубинное обучение в естественных науках
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Прикладная математика и информатика)
Направление:
01.03.02. Прикладная математика и информатика
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 3, 4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
6
Контактные часы:
80
Программа дисциплины
Аннотация
Глубокое обучение произвело революцию в искусственном интеллекте, способствуя прорывам в компьютерном зрении, обработке естественного языка и других областях. В естественных науках оно помогает решать сложные математические уравнения, ускоряя вычисления в квантовой физике и механике жидкостей. В биологии модели, такие как AlphaFold, предсказывают структуру белков с высокой точностью, а в химии и материаловедении ИИ используется для прогнозирования свойств молекул и кристаллических материалов. Курс охватывает современные методы и данные, применяемые в этих областях, а также перспективные подходы к моделированию и генерации новых материалов.
Цель освоения дисциплины
- Понимание принципов работы физически информированных нейронных сетей и практические навыки обучения и применения
Планируемые результаты обучения
- Умеет применять глубинное обучение для решения характерных задач
- Приобретение навыков использования методов глубинного обучения для решения естественнонаучных задач
- Знание основ глубинного обучения
Содержание учебной дисциплины
- Полносвязные нейронные сети
- Сверточные нейронные сети
- Регуляризация и нормализация в сетях.
- Введение в трансформеры
- Графовые нейронные сети
- Генеративные модели
- Дифференциальные уравнения и методы их решения
- Физически информированные нейронные сети для решения дифференциальных уравнений
- Нейронные сети и спектры дифференциальных операторов
- Введение в молекулярную биологию
- Диссоциация белков, масс-спектрометрия
- Спектр применения нейросетей в анализе омиксных данных
- Ключевые понятия устройства живой клетки и тканей
- Основы строения мозга, принципов его активности и нейронов как структурной единицы
- Доверенный ИИ: важность и инструменты
Элементы контроля
- Домашнее задание 1Задачи по блоку введения в нейросети для подготовки студентов к дальнейшим блокам
- Домашнее задание 2Три задачи для обучения нейронных сетей для решения дифференциального уравнения (2 задачи по 4 балла) и для аппроксимации спектра дифференциального оператора (1 задача на 2 балла). Оценка вычисляется как сумма баллов за каждую задачу. Выдается 1 марта дедлайн 15 апреля
- Домашнее задание 3
- Домашнее задание Био
- Проектная работаСтуденты выбирают статью на пересечении биологии и нейросетей, проводят ее анализ, запускают программный код и предлагают свои доработки
- Тестовая работаСтуденты решают на последнем занятии курса тестовую работу по каждой из пройденных тем на знание основ биологии и нейросетей
Промежуточная аттестация
- 2023/2024 4th module0.2 * Домашнее задание 1 + 0.2 * Домашнее задание 2 + 0.2 * Домашнее задание 3 + 0.2 * Домашнее задание Био + 0.1 * Проектная работа + 0.1 * Тестовая работа
Список литературы
Рекомендуемая основная литература
- Темнов, М. С. Введение в молекулярную биологию : учебное пособие : в 2 частях / М. С. Темнов, Д. С. Дворецкий. — Тамбов : ТГТУ, 2021 — Часть 1 — 2021. — 80 с. — ISBN 978-5-8265-2390-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/320570 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Соробин, А. Б. Сверточные нейронные сети: примеры реализаций : учебно-методическое пособие / А. Б. Соробин. — Москва : РТУ МИРЭА, 2020. — 159 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/163853 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.