Информация для студентов 2020 года набора

Майнор посвящен введению в теорию и практику применения нейросетевых технологий для решения различных задач. Охватываются такие направления как теория нейронных сетей, нейроматематика, нейроуправление, нейрокомпьютеры для задач обработки изображений, текстов, сигналов, криптографии, робототехники, информационной безопасности и др.
Рассматриваются другие технологии "мягких" вычислений: нечеткая логика, эволюционные методы, вейвлеты и пр.
Необходимо знание школьной программы по математике и информатике (линейная алгебра, дифференцирование, программирование).
Майнор будет полезен для расширения знаний о нейронных сетях, продолжения работы в этой области в виде междисциплинарных курсовых работ или научных исследований.

 В 2019г. майнор стал победителем осеннего конкурса образовательных инноваций в номинации "Практика преподавания майноров"

Ограничения для выбора образовательным программам: ОП «Программная инженерия», ОП «Прикладная математика и информатика»

Максимальное число слушателей: 120

Целевая аудитория: студенты 2020 года набора

Формат занятий:
Лекции - онлайн в MSTeams для всех кампусов. 
Практические занятия: Москва: разные подгруппы онлайн или оффлайн (если позволит обстановка) по выбору преподавателя, в расписании будет указано. Прочие кампусы - онлайн в MSTeams.

Курсы майнора:

1. Теория нейронных сетей - дается понятие о различных видах искусственных нейронных сетей, методах их обучения, таких как персептроны, сверточные сети, рекуррентные сети, импульсные (спайковые) и другие виды нейронных сетей, а также базовые понятия о биологических нейронных сетях и устройстве мозга.
2. Нейроматематика - дается понятие о способах использования нейронных сетей различного вида для решения математических задач: аппроксимация, экстраполяция (прогнозирование), кластеризация, решение систем линейных и нелинейных уравнений (алгебраических, дифференциальных) и др, а также углубленные знания об устройстве биологических нейронных сетей.
3. Нейрокомпьютеры - дается понятие о существующих и перспективных способах аппаратной поддержки нейросетевых вычислений: на цифровых и аналоговых устройствах, специализированных нейрочипах и универсальных вычислителях типа графических ускорителей, перспективных нанотехнологиях (мемристоры), а также дается понятие о методах цифровой обработки сигналов и адаптивной фильтрации сигналов и нейроуправлении.
4. Применение нейросетевых технологий - даются сведения о различных применениях нейронных сетей и других технологий “мягких” вычислений (нечеткие множества и нечеткая логика, эволюционные вычислительные алгоритмы, вейвлеты)  в самых разнообразных задачах, гражданских и государственных, это как популярные области обработки изображений, видео, речи, текста, так и  важнейшие области информационной безопасности, криптографии, радиолокации, робототехники и многие другие.

Отзывы студентов

Майнор «Нейросетевые технологии» отлично подходит для всех желающих изучить современные достижения в области машинного обучения, компьютерного зрения и нейронных сетей. Для обучения понадобится знание любого высокоуровневого языка программирования и базовое понимание основ алгоритмизации. Основной плюс данного майнора, что он основан на практике. Фокус и упор сделан не только на математической теории, но и на практическом применении решаемых задач. На курсе слушатель на многочисленных примерах из разных сфер науки и техники изучит основные модели нейронных сетей и узнает, в каких случаях их использовать; рассмотрит различные алгоритмы обучения; ознакомится с подходами предотвращения переобучения и изучит методы их оценки. После успешного прохождения курса студент сможет применять навыки машинного обучения на практике в той сфере деятельности, где он работает. Майнор «Нейросетевые технологии» – отличная возможность для получения базовых знаний в самой продвинутой на данный момент области IT.

Владимир Кашицын

Майнор помог в цельном понимании нейросетей и их разнообразии. В майноре рассматривается не только применение нейросетей, но и принципы их работы (будет и математическое объяснение обучения нейросетей), подходы к разным сферам (как они могут использоваться, к примеру, в металлургии, робототехнике и др. сферах) и различные типы нейросетей. В этом курсе можно отметить комплексность рассмотрения темы нейросетей (конечно, при этом хорошо не забывать смотреть тематический план дисциплины, чтобы понимать порядок этапов рассмотрения и держать целостную картину обучения в голове).

Дмитрий Баранов

Преподаватели майнора всячески приветствуют интерес студентов к области нейросетевых технологий, поощряют проведение самостоятельных научных исследований в этой области, что выражается в  дополнительных баллах в формуле оценки, междисциплинарных курсовых и ВКР, проводимых студентами майнора:

ВКР: Устройство генерации секретного ключа для приватного обмена сообщениями по локальной сети на основе древовидных машин четности

ВКР + КР: Разработка программы распознавания модуляции радиосигнала в сложной помеховой обстановке

ВКР + КР: Моделирование человеческого поведения при прохождении методики "Исключение предметов" искусственной нейронной сетью

КР: Программа для решения задачи распознавания образов на основе свёрточной нейронной сети глубокого обучения

Вопросы проекта «HSE Майнор»

Пять слов, характеризующих ваш майнор.

Все про нейронные сети и нейрочипы.

Расскажите подробнее про каждую дисциплину майнора и о важности её изучения.

Теория нейронных сетей – основы основ всех нейронных сетей, без понимания теории всё дальнейшее изучение бессмысленно, а также немножко о биологических нейронных сетях. Узнаете обо всех структурах нейронных сетей, способах их обучения: персептроны и свертки, рекуррентные и спайковые и др.

Нейроматематика – фактически продолжение теории, с уклоном на математические задачи, алгоритмы и методы, лежащих в их основе: как решать дифференциальные уравнения, задачи маршрутизации, прогнозирование, оптимизация и др.

Нейрокомпьютеры – все о "железе", самых высокопроизводительных компьютерах, без которых немыслимо создание искусственного мозга, новые материалы, "старые" аналоговые нейрокомпьютеры и "новые" цифровые, самые быстрые нейрочипы, графические ускорители и др.

Применение нейросетевых технологий – увидеть, что нейронные сети - везде, это не только картинки и звук, но и управление, радиолокация и психология, космос и наномир. Повышенное внимание уделяется вопросам криптографии, информационной безопасности - важным для страны отраслям.

Какому студенту будет интересен ваш майнор?

В душе – ученый и инженер. Хочется потрогать что-то, поломать, потом собрать, забыть детальку, но получить новое устройство, лучше прежнего.
Постоянно мучают вопросы «А почему так?», «А если сделать по другому?»

Одновременно отвечу, кому не будет интересно:
1. Математикам: тут не будет строгих доказательств, теорем и аксиом, все работает «как-то так».
2. Программистам: мы не учим, и нам все равно, какие языки вы знаете, какой «лучше», какая библиотека быстрее, нейросетевик думает на языке алгоритмов, а не программ. Преподаватель-семинарист сам выбирает какой язык использовать: Python ли, Matlab ли, другой, или вообще работать без программирования в нейропакетах.
3. Не любящим читать: читать придется много, в том числе на английском.

По статистике, половина набора - это студенты МИЭМ, но мы будем рады и студентам других факультетов.

Цели и задачи вашего майнора

Цель майнора - показать широту применения и разнообразие подходов, используемых в нейронных сетях. Неограничиваться, как это делается во многих курсах машинного обучения, лишь популярными направлениями и архитектурами, "красивыми" картинками. Хотим, чтобы студенты могли придумывать свои собственные архитектуры нейронных сетей, а для этого надо их знать, хотим чтобы студенты могли 
- ставить и решать задачи, где необходимо обучать компьютер чему-то.
 - читать профессиональную литературу.
- уметь выступать публично с докладом на заданную тему.

Развейте главный стереотип о майноре.

Это ни в коем случае не курсы машинного обучения.

С какими сложностями может столкнуться студент при обучении на майноре.

Если много пропускать занятий, то потом трудно наверстать и получить хорошую оценку.
Все-таки придется программировать, для тех кто не умеет вообще – мы по-быстрому изучаем Матлаб, он довольно прост.
Мои лекции скучные и нудные :) и оно так и останется, лекции таковыми и должны быть.
Технические сложности с аппаратурой, интернетом - майноры теперь в онлайне.

Нужны ли специальные навыки для изучения вашего майнора?

Надо понимать основы математики (что такое уравнение, функция, производная...)
Надо понимать основы физики (ток, напряжение, сила, скорость ...)
Надо уметь работать с компьютером.
Желательно уметь программировать хоть на чем-то.
Школьной программы вполне хватит.

Какой уровень знания английского языка необходим для прохождения вашей дисциплины?

Хороший, много литературы и документации на английском языке.

Укажите примерное задание, с которым столкнется студент на майноре.

  Пример задания экзамена дисциплины Применение нейросетевых технологий, 2019.

Наши ученые разработали супер-пупер-мега-роевую пушку, которая может выстреливать снарядом под углом к горизонту с некоторой начальной скоростью. Угол и начальная скорость регулируются, а пушка может выпускать множество снарядов (поэтому ее и назвали роевой). Но никто не умеет управлять этой пушкой.

Вы – элитарный артиллерист, и вы должны научиться этой пушкой управлять.

Вы можете задавать любой угол наклона A пушки в пределах от 0 до Pi\2 (90 градусов) и любую начальную скорость F, от 0 до 1000 килопарсек в секунду. Пушка и Вы – двумерные, расположены в точке (0,0), а ваша цель расположена в точке (1000,0). Даже в двумерной галактике действует гравитация, поэтому вы знаете, что снаряд будет двигаться по формуле

x(t)=F*cos(A)*t,

y(t)=F*sin(A)*t-10*t.*t,

где t – время t=0:0.01:10.

 Вы очень глазастый артиллерист и можете видеть всю траекторию движения снаряда, поэтому можете узнать, когда он упадет на землю (y=0). В это время снаряд взорвется и если в этой точке находилась цель, ближе чем 0.8 по оси x, то вы ее поразите.

Пушка не зря называется роевой – она стреляет сразу целой кучей - роем - снарядов и нужно применить метод роя частиц для управления пушкой, чтобы поразить цель.

Итак, космическое командование требует от вас применить метод роя частиц для нахождения таких параметров пушки (угол и начальная скорость) чтобы поразить цель.

 Командование рекомендует использовать метод роя частиц с дополнительными константами и при расчетах не допускать выхода параметров за указанные диапазоны.

 Для отчета командованию надо отображать на графике лучшую траекторию на каждой итерации расчета, и в конце отобразить самую лучшую траекторию жирной линией. Она должна отклоняться от цели не более чем на 0.8 по x координате. Отображать также положение цели. Ограничить область рисования [0 1500] по x и  [-100 500] по y.