Проектный семинар

Магистратура 2025/2026

Статус: Курс обязательный (Системный анализ и математические технологии)

Кто читает: Департамент прикладной математики

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 1-й курс, 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Вальба Ольга Владимировна

Язык: русский

Кредиты: 6

Контактные часы: 20

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс направлен на формирование и развитие способностей применения результатов обучения в самостоятельной проектно-исследовательской работе в области математического моделирования, программирования и др. Особое внимание уделяется организационно-методическим вопросам выполнения технического задания на проект, планирования проектно-исследовательской работы, разработки концепции проекта, решения задач исследований/разработки и оформления проектной документации и результатов исследований/разработки проекта.

Цель освоения дисциплины

Овладеть основными современными архитектурами и методами обучения нейронных сетей

Планируемые результаты обучения

Знать основные генеративные методы в машинном обучении
Различает типы генеративных моделей: объясняет, что такое генеративные модели и какие они бывают, какие у них принципы работы.
- Знать основные архитектуры нейронных сетей
- Знать принципы обучения и применения нейронных сетей
Обосновывать выбор вероятностных моделей (VAE, диффузионные модели) для генерации данных и извлечения признаков, объясняя принципы вариационного вывода и максимизации взаимной информации.
Знает принципы и уметь использовать генеративные модели в задачах компьютерного зрения.

Содержание учебной дисциплины

Введение. Основы нейронных сетей
Детали обучения нейронных сетей
Свёрточные сети (CNN)
Методы оптимизации
Глубинные нейронные сети
Детекция объектов на изображениях
Нейронные сети для обработки естественного языка
Соперничающие сети (GAN)
Вариационные автокодировщики (VAE) и Diffusion Models

Элементы контроля

Домашние задания
Итоговый проект

Промежуточная аттестация

2025/2026 4th module
0.5 * Домашние задания + 0.5 * Итоговый проект

Список литературы

Рекомендуемая основная литература

16740 - Python и машинное обучение - С.Рашка - ДМК Пресс - 2017 - https://hse.alpinadigital.ru/document/16740 - Alpina
9781838827724 - Antonio Gulli; Amita Kapoor; Sujit Pal - Deep Learning with TensorFlow 2 and Keras : Regression, ConvNets, GANs, RNNs, NLP, and More with TensorFlow 2 and the Keras API, 2nd Edition - 2019 - Packt Publishing - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=2339879 - nlebk - 2339879
Computer vision : models, learning, and inference, Prince, S. J. D., 2012
Dhariwal, P., & Nichol, A. (2021). Diffusion Models Beat GANs on Image Synthesis.
Miroslav Kubat. (2017). An Introduction to Machine Learning (Vol. 2nd ed. 2017). Springer.
Network models and optimization : multiobjective genetic algorithm approach, Gen, M., 2008
Nowozin, S., Cseke, B., & Tomioka, R. (2016). f-GAN: Training Generative Neural Samplers using Variational Divergence Minimization. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1606.00709
Prince, S. J. D. (2012). Computer Vision : Models, Learning, and Inference. New York: Cambridge eText. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=458656
Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/376830 - 376830 - iBOOKS
PyTorch : освещая глубокое обучение, Стивенс, Э., 2022
Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.
Алексейчук, А. С. Введение в нейронные сети: модели, методы и программные средства : учебное пособие / А. С. Алексейчук. — Москва : МАИ, 2023. — 105 с. — ISBN 978-5-6049766-0-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/383072 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Введение в автоматизированное машинное обучение (AutoML), Хуттер, Ф., 2023
Знакомство с RyTorch : глубокое обучение при обработке естественного языка, Макмахан, Б., 2020
Искусственные нейронные сети : учебник / В. В. Цехановский, Е. Ю. Бутырский, Н. А. Жукова [и др.] ; под ред. В. В. Цехановского. — Москва : КноРус, 2026. — 350 с. — ISBN 978-5-406-15271-3. — URL: https://book.ru/book/959271 (дата обращения: 04.07.2025). — Текст : электронный.
Искусственные нейронные сети. Практикум : учебное пособие / Е. Ю. Бутырский, Н. А. Жукова, В. Б. Мельников [и др.] ; под ред. В. В. Цехановского. — Москва : КноРус, 2024. — 381 с. — ISBN 978-5-406-12340-9. — URL: https://book.ru/book/951505 (дата обращения: 04.07.2025). — Текст : электронный.
Компьютерное зрение. Современные методы и перспективы развития, , 2022
Машинное зрение : основы и алгоритмы с примерами на Matlab, Корк, П., 2023
Наумов, В. Н. Анализ данных и машинное обучение. Методы и инструментальные средства : учебное пособие / В. Н. Наумов. — Москва : Дело РАНХиГС, 2020. — 260 с. — ISBN 978-5-89781-667-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/466085 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Нейронные сети : полный курс, Хайкин, С., 2006
Нейронные сети. Полный курс : пер. с англ., Хайкин, С., 2018
Обработка естественного языка Python и spaCy на практике, Васильев, Ю., 2021
Орёл Е.Н., Орёл О.Е. - Динамическая оптимизация: поиск абсолютного экстремума - 978-5-16-018768-6 - НИЦ ИНФРА-М - 2024 - https://znanium.ru/catalog/product/2055773 - 2055773 - ZNANIUM
Струченков В.И. - Дискретная оптимизация. Модели, методы, алгоритмы решения прикладных задач - 978-5-91359-181-4 - СОЛОН-Пресс - 2020 - https://znanium.ru/catalog/product/1858772 - 1858772 - ZNANIUM
Фомина, Т. П. Исследование операций и оптимизация (дополнительные главы) : учебно-методическое пособие / Т. П. Фомина. — Липецк : Липецкий ГПУ, 2017. — 70 с. — ISBN 978-5-88526-816-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/111945 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Хуттер, Ф. Введение в автоматизированное машинное обучение (AutoML) : справочник / Ф. Хуттер, Л. Коттхофф, Х. Ваншорен , перевод с английского В. С. Яценкова.. — Москва : ДМК Пресс, 2023. — 256 с. — ISBN 978-5-93700-196-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348104 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

Сластников Сергей Александрович

Программа дисциплины