Информация для студентов 2021 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 и нейрокомпьютеры для задач обработки изображений, текстов, сигналов, криптографии, робототехники, информационной безопасности и др.

Если вам интересно узнать как компьютер может отличить котика от собачки по фотографии, как заставить его говорить человеческим голосом или спрогнозировать температуру на завтра, приходите на наш майнор.

Рассматриваются и другие технологии "мягких" вычислений: нечеткая логика, эволюционные методы, вейвлеты, обучение с подкреплением, резервуарные вычисления и др., изучается базовое устройство биологических нейронных сетей.

Необходимо знание школьной программы по математике и информатике: матрицы и вектора, линейная алгебра, дифференцирование, программирование (Matlab и\или Python).

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:
Майнор - непрофильный курс по выбору, ряду программ, у которых есть дисциплины сильно пересекающиеся по содержанию с дисциплинами майнора, выбор майнора ограничен:
ОП "Программная инженерия" (Москва),
ОП "Прикладная математика и информатика" (Москва),
ОП "Прикладная математика и информатика" (СПб),
ОП "Прикладной анализ данных и искусственный интеллект" (СПб).

Максимальное число слушателей: 120

Целевая аудитория: студенты 2021 года набора

Формат занятий:
Лекции - онлайн в MSTeams (или Webinar) 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 (или Webinar).

Занятия проходят раз в неделю, одна пара лекций (все подгруппы) и одна пара практических занятий (подгруппы по 15 человек).

Дисциплины майнора:

(2 курс, модули 1,2) 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 курс, модули 3,4) Нейроматематика - дается понятие о способах использования нейронных сетей различного вида для решения математических задач: аппроксимация, экстраполяция (прогнозирование), кластеризация, построение адаптивных сеток, решение систем линейных и нелинейных уравнений (алгебраических, дифференциальных) и др, а также углубленные знания об устройстве биологических нейронных сетей.
(3 курс, модули 1,2) 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.
(3 курс, модули 3,4) Применение нейросетевых технологий - даются сведения о различных применениях нейронных сетей и других технологий “мягких” вычислений (нечеткие множества и нечеткая логика, эволюционные вычислительные алгоритмы, вейвлеты, обучение с подкреплением и др.) 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

Данный майнор позволяет погрузиться в мир не только нейросетевых технологий, но и в машинное обучение в целом. Программа курса предполагает освоение огромного множества возможных архитектур нейронных сетей, оптимизационных алгоритмов и потенциальных сложностей при их реализации. Помимо подробных лекций, объясняющих теоретические основы и приводящих различные примеры, присутствуют семинары, на которых можно ознакомиться с применением искусственного интеллекта в решении реальных задач, далеко не самых простых (адаптивное шумоподавление, генерация изображений, разработка нейрокомпьютеров и др.). Таким образом, майнор «Нейросетевые технологии» будет интересен студентам с разных направлений, не только технических. Связано это, прежде всего, с всеобъемлющей цифровизацией и постоянным, нарастающим внедрением ИИ во все сферы жизнедеятельности. Не стоит бояться при выборе данной дисциплины, ведь разбирается все подробно – каждый при желании сможет понять материал. После прохождения данного майнора Вы будете знать разнообразные архитектуры нейронных сетей, видеть потенциальные и существующие области их применения, а также уметь их самостоятельно разрабатывать. Лично мне майнор помог лучше разобраться в реализации нелинейных систем для решения прикладных задач, а также серьезно расширить свой кругозор в сфере IT-технологий.
Анатолий Гурский, БИТ193, МИЭМ, 2022

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, МИЭМ, 2019

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

Вне майнора

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 (КР) и ВКР, участием в научных проектах и публикациях:

Некоторые темы курсовых и ВКР, выполненных студентами майнора:

- КР: Программа для решения задачи распознавания образов на основе свёрточной нейронной сети глубокого обучения, 2016
- ВКР + КР: Моделирование человеческого поведения при прохождении методики "Исключение предметов" искусственной нейронной сетью, 2018
- Публикация: ПОВЫШЕНИЕ КАЧЕСТВА КЛАССИФИКАЦИИ КОМПЬЮТЕРНЫХ АТАК СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТЬЮ ПОСРЕДСТВОМ БАЛАНСИРОВКИ ОБУЧАЮЩЕЙ ВЫБОРКИ. Пантюхин Д.В., Карелова Е. Информационные технологии. 2018. Т. 24. № 6. С. 406-413.

- КР: Применение нейросетевых технологий в задачах вычисления ожидаемой волатильности валютного рынка, 2019
- ВКР: Устройство генерации секретного ключа для приватного обмена сообщениями по локальной сети на основе древовидных машин четности, 2019
- ВКР + КР: Разработка программы распознавания модуляции радиосигнала в сложной помеховой обстановке, 2019
- КР: Роль интеллектуальных информационных технологий в аналитике изменения валютного рынка, 2019
- КР: Применение технологий машинного обучения в прогнозировании стоимости биржевых активов, 2020
- КР: Исследование устойчивости основных защитных элементов полиграфических изображений к атакам, основанным на математических и аффинных преобразованиях, 2021
- ВКР: Применение нейросетевых технологий в прогнозировании стоимости активов лондонской биржи, 2021
- ВКР: Конкурентоспособность российских компаний в процессе формирования глобального рынка водородной энергетики, 2021
- КР: Применение технологий и алгоритмов обработки больших данных в проблеме балансирования энергораспределения и выработки ВИЭ в ЕС, 2022
- ВКР: Аффинные преобразования растровой решетки в стеганографии полиграфических изображений, 2022

За последние годы 6 студентов майнора приняты на работу в ФГАНУ ЦИТиС где успешно участвуют в комплексе научно-исследовательских и опытно-конструкторских работ по различным направлениям разработки интеллектуальных технологий для решения прикладных задач с высокой степенью неопределенности при обработке больших массивов разнородных данных.