• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2024/2025

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

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

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

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

Assessment Elements

  • non-blocking Домашнее задание
    Домашние задания проверяются преподавателем и оцениваются по десятибалльной шкале.
  • non-blocking Экзамен
    Экзамен 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.
Interim Assessment

Interim Assessment

  • 2024/2025 4th module
    0.5 * Домашнее задание + 0.5 * Экзамен
Bibliography

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

Authors

  • Ахмедова Гюнай Интигам кызы