Магистратура 2025/2026

Прикладные модели искусственного интеллекта (семинар наставника)

Статус: Курс обязательный (Прикладные модели искусственного интеллекта)

Кто читает: Департамент прикладной математики

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

Когда читается: 1-й курс, 1-4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Артамонов Сергей Юрьевич, Сластников Сергей Александрович

Язык: русский

Контактные часы: 68

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.
• Владение математическим аппаратом для понимания методов машинного обучения

Содержание учебной дисциплины

• Вычислительные методы систем ИИ.
• Основы обработки текстовых данных.
• Применение статистических методов обработки данных.
• A/B тестирование
• Математические аспекты машинного обучения

Элементы контроля

• Математические аспекты машинного обучения 2
• Защита концепции ВКР
• Математические аспекты машинного обучения 1
• Анализ временных рядов
• Защита презентации по теме исследования
• Защита работы по анализу временных рядов
• Защита презентации по математическим аспектам машинного обучения 2
• Рецензия на научную статью
• Презентация по теме исследования
• Методы оптимизации

Промежуточная аттестация

• 2025/2026 1st module
  0.5 * Защита презентации по теме исследования + 0.5 * Презентация по теме исследования
• 2025/2026 4th module
  0.1 * Защита презентации по математическим аспектам машинного обучения 2 + 0.2 * Математические аспекты машинного обучения 1 + 0.2 * Математические аспекты машинного обучения 2 + 0.5 * Методы оптимизации
• 2026/2027 1st module
  0.5 * Анализ временных рядов + 0.5 * Защита работы по анализу временных рядов
• 2026/2027 3rd module
  0.5 * Защита концепции ВКР + 0.5 * Рецензия на научную статью

Список литературы

Рекомендуемая основная литература

• Barber, D. (2012). Bayesian Reasoning and Machine Learning. Cambridge: Cambridge eText. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=432721
• Explainable and interpretable models in computer vision and machine learning. (2018). https://doi.org/10.1007/978-3-319-98131-4
• 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
• Математические основы машинного обучения и прогнозирования, Вьюгин, В. В., 2022
• Машинный интеллект : очерки по теории машинного обучения и искусственного интеллекта, Шумский, С. А., 2024

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

Авторы

• Сластников Сергей Александрович