2024/2025![Learning Objectives](/f/src/global/i/edu/objectives.svg)
![Expected Learning Outcomes](/f/src/global/i/edu/results.svg)
![Course Contents](/f/src/global/i/edu/sections.svg)
![Assessment Elements](/f/src/global/i/edu/controls.svg)
![Bibliography](/f/src/global/i/edu/library.svg)
GeoML
Статус:
Маго-лего
Когда читается:
3, 4 модуль
Охват аудитории:
для своего кампуса
Язык:
английский
Кредиты:
3
Course Syllabus
Abstract
В ходе курса изучаются методы обработки и визуализации геоданнных, рассматривается ряд постановок прикладных задач, решающихся с использованием геоданных, специализированные библиотеки для работы с геоданными, специфичные реализации моделей различных параметрических семейств: градиентного бустинга, автокодировщиков, сверточных нейронных сетей.
Learning Objectives
- · Понимать основополагающие концепции геоданных
- · Уметь формализовать задачу машинного обучения связанную с геоданными.
- · Знать основные постановки задач на геоданных
- · Овладеть инструментами работы с геоданными
Expected Learning Outcomes
- Выпуклое множество, выпуклая функция, сопряженная функция, двойственная задача, условия оптимальности, градиентные и ускоренные градиентные методы оптимизации.
- Постановка задачи оптимального размещения объектов с целью минимизации логистических потерь.
- · Знание библиотек geopandas, folium, osmnx
- · Знание основ работы с OSM, Overpass, Nominatim
- · Способность описать базовые постановки задач выпуклой оптимизации используя CVXPY
- · Знание постановки задачи ранжирования, метрик качества и функционалов качества в задачах ранжирования
- · Знание специфических функционалов качества для оценки неопределенности и мультиаутпут задач для градиентного бустинга
- · Знание основных методов построения геоэмбедингов
- · Знание базовых архитектур сверточных нейронных сетей
Course Contents
- Понятие геоданных. Инструменты и библиотеки для работы с геоданными.
- Методы численной оптимизация и задача размещения объектов с целью минимизации логистических потерь.
- Градиентный бустинг. Multioutput задачи и функции потерь с оценкой непределенности.
- Задачи ранжирования
- Методы построения геоэмбеддингов
- Сверточные нейронные сети в приложении к растровым геоданным.
Assessment Elements
- Домашнее заданиеДомашние задания проверяются преподавателем и оцениваются по десятибалльной шкале.
- ЭкзаменЭкзамен представляет из себя 5 минутную презентацию вашей работы над домашними заданиями (или разбор научной статьи релевантной теме курса по заинтересовавшей вас теме) и устный ответ на два теоретических вопроса по материалам лекций.
Bibliography
Recommended Core Bibliography
- Stephen Boyd, Lieven Vandenberghe, & Lieven V. (2015). Additional Exercises for Convex Optimization. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.E7445CE1
Recommended Additional Bibliography
- Глубокое обучение. - 978-5-4461-1537-2 - Николенко С., Кадурин А., Архангельская Е. - 2020 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/377026 - 377026 - iBOOKS