2024/2025

GeoML

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Когда читается: 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Мамаев Александр Александрович

Язык: английский

Кредиты: 3

Course Syllabus

Abstract

During the course, methods of processing and visualizing geodata are studied, a number of applications are considered that can be solved using geodata, specialized libraries for working with geodata, specific implementations of models of various parametric families: gradient boosting, autoencoders, convolutional neural networks.

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 задание
  Домашние задания проверяются преподавателем и оцениваются по десятибалльной шкале.
• 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

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

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