Магистратура
2024/2025![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Прикладные модели искусственного интеллекта (семинар наставника)
Статус:
Курс обязательный (Прикладные модели искусственного интеллекта)
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
Прогр. обучения:
Прикладные модели искусственного интеллекта
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.
Элементы контроля
- Презентация по теме исследования
- Методы оптимизации
- Обработка графических данных
- Обработка текстовых данных
- Анализ временных рядов
- Рецензия на научную статью
- Защита концепции ВКР
- Защита презентации по теме исследования
- Защита презентации по обработке графических данных
- Защита работы по анализу временных рядов
Промежуточная аттестация
- 2023/2024 учебный год 1 модуль0.5 * 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 модуль0.5 * Методы оптимизации + 0.5 * Методы оптимизации + 0.5 * Обработка текстовых данных + 0.5 * Обработка текстовых данных
- 2023/2024 учебный год 4 модуль0.5 * 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 модуль0.5 * 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 модуль0.5 * Защита концепции ВКР + 0.5 * Защита концепции ВКР + 0.5 * Рецензия на научную статью + 0.5 * Рецензия на научную статью
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