Летняя школа «Интеллект» — это крутой микс обучения и отдыха, где мы создаём сообщество молодых учёных МГУ, увлечённых темой искусственного интеллекта.


Откройте для себя новый формат обучения и досуга в кругу единомышленников!

Проект, разработанный Некоммерческим Фондом развития науки и образования "Интеллект", создаёт идеальные условия для обмена знаниями и опытом.

В Летней школе вы встретите единомышленников — как слушателей, так и преподавателей ведущих образовательных проектов по ИИ под эгидой Фонда "Интеллект".

О летней школе:
  • Сроки проведения:
    с 6 по 12 июля 2025 года
    (день заезда - 05.07.2025 г., день отъезда - 13.07.2025 г.)
  • Формат:
    Образовательная программа с проживанием, питанием и свободным временем
    для пребывания на свежем воздухе на берегу Чёрного моря
  • Место проведения и трансфер:
    г. Геленджик
    Санаторий "Красная Талка"
    Мы организуем трансфер из Москвы (туда и обратно)
На Летней школе вас ожидают:
Групповая работа над реальными бизнес-кейсами, которая позволит применить теорию на практике
Общение и обмен опытом с единомышленниками, разделяющими интерес к ИИ
Защита проектов и обратная связь от экспертов
Интерактивные лекции и практические задания от опытных преподавателей


ЛЕТНЯЯ ШКОЛА «ИНТЕЛЛЕКТ» —

погрузитесь в мир науки и передовых технологий, развивайте свои знания

и профессиональные контакты в нашей Летней школе на берегу Чёрного моря!

Расписание:
Группа 1
Непрофильная
Группа 2
Профильная
Группа 3
Аспиранты
8:00 - 09:00
Завтрак

09:00 - 10:30
Вводная лекция + вопросы

10:45 - 12:15
Стратегическая сессия
с представителями бизнеса

13:00 - 14:00
Обед

14:00 - 15:30
Стратегическая сессия
с представителями бизнеса

15:45 - 17:15
Деление на группы по проектам, постановка целей и задач, планирование работы в группах

18:00
Ужин

6 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)
Питчинг проектов

13:00 - 14:00
Обед

14:00 - 15:30
Подведение итогов, рефлексия, сбор обратной связи

15:45 - 17:15
Свободное время

18:00
Ужин

12 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)

Михаил Игоревич Петровский, ВМК
"Классические методы машинного обучения"

ЛЕКЦИЯ И ПРАКТИКА

13:00 - 14:00
Обед

14:00 - 17:15
(с перерывом 15 минут)
Работа над проектами в группах

18:00
Ужин

с 7 по 11 июля

Группа 1 "Непрофильная"
День заезда - 5 июля, суббота
День отъезда - 13 июля, воскресенье
8:00 - 09:00
Завтрак

09:00 - 10:30
Вводная лекция + вопросы

10:45 - 12:15
Стратегическая сессия
с представителями бизнеса

13:00 - 14:00
Обед

14:00 - 15:30
Стратегическая сессия
с представителями бизнеса

15:45 - 17:15
Деление на группы по проектам, постановка целей и задач, планирование работы в группах

18:00
Ужин

6 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)
Питчинг проектов

13:00 - 14:00
Обед

14:00 - 15:30
Подведение итогов, рефлексия, сбор обратной связи

15:45 - 17:15
Свободное время



18:00
Ужин

12 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)

Виктория Сергеевна Зинькович, ШАД
"Мультимодальные LLM"

ЛЕКЦИЯ И ПРАКТИКА

13:00 - 14:00
Обед

14:00 - 17:15
(с перерывом 15 минут)
Работа над проектами в группах

18:00
Ужин

с 7 по 11 июля

Группа 2 "Профильная"
День заезда - 5 июля, суббота
День отъезда - 13 июля, воскресенье
8:00 - 09:00
Завтрак

09:00 - 10:30
Вводная лекция + вопросы

10:45 - 12:15
Стратегическая сессия
с представителями бизнеса

13:00 - 14:00
Обед

14:00 - 15:30
Стратегическая сессия
с представителями бизнеса

15:45 - 17:15
Деление на группы по проектам, постановка целей и задач, планирование работы в группах

18:00
Ужин

6 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)
Питчинг проектов

13:00 - 14:00
Обед

14:00 - 15:30
Подведение итогов, рефлексия, сбор обратной связи

15:45 - 17:15
Свободное время



18:00
Ужин

12 июля

8:00 - 09:00
Завтрак

09:00 - 12:15
(с перерывом 15 минут)

Михаил Михайлович Тихомиров, ВМК
"LLM: обучение и использование"

ЛЕКЦИЯ И ПРАКТИКА

13:00 - 14:00
Обед

14:00 - 17:15
(с перерывом 15 минут)
Работа над проектами в группах

18:00
Ужин

с 7 по 11 июля

Группа 3 "Аспиранты"
День заезда - 5 июля, суббота
День отъезда - 13 июля, воскресенье
Лекторий:
Лекции от ведущих преподавателей образовательных проектов по ИИ, поддержанных Фондом "Интеллект" и представителей ИИ-индустрии
Об авторе

  • доцент кафедры Интеллектуальных информационных технологий факультета ВМК МГУ им. М.В. Ломоносова, лектор курса «Машинное обучение»
  • руководитель магистерской программы «Интеллектуальный анализ больших данных»
  • более 25 лет опыта участия и руководства научно-исследовательскими и прикладными ИТ проектами в области анализа данных и машинного обучения
  • 2012-2022г. руководитель академической программы SAS в РФ и СНГ
  • Профессиональная сертификация: Microsoft Certified Solution Developer, PMI Certified Project Management Professional, SAS Certified Data Scientist, Big Data & Advanced Analytics Professional и др.

Аннотация курса

В последние годы в связи с бурным развитием и популярностью методов глубокого обучения недостаточно внимания уделяется классическим методам машинного обучения для решения задачи прогнозирования в случае разнородных табличных данных невысокого качества, для которых нейросетевые методы глубокого обучения оказываются недостаточно эффективны, а их модели недостаточно интерпретируемы. В рамках данного курса планируется рассмотреть и обсудить традиционные методы на основе деревьев решений и их ансамблей на примере задачи анализа рисков.

Содержание курса

Блок 1. Введение
  • AI, ML, DM, DS: История, терминология
  • Задачи машинного обучения. Постановка задачи прогнозирования, функции потерь, эмпирический риск
  • Признаковое пространство, гипотеза о компактности, проклятие размерности
  • Обучение, переобучение, оценка качества и выбор лучшей модели

Блок 2. Деревья решений для задач классификации и регрессии
  • Рекурсивное разбиение пространства признаков
  • Генерация гипотез и критерии выбора лучшего разбиения
  • Статистические критерии выбора разбиения и корректировка Бонферрони
  • Обработка пропусков
  • Борьба с переобучением: ограничение роста и обрубание
  • Дерево решений как инструмент предобработки данных и построения описательных моделей

Блок 3. Ансамбли
  • Понятие ансамбля моделей и типы ансамблей
  • Бутстреппинг и бегинг ансамбли, OOB оценки
  • Случайный лес, настройка и анализ модели
  • Стекинг

Блок 4. Бустинг
  • Адаптивный дискретный бустинг AdaBoost
  • Бустинг с перевыборкой Arc-X4
  • Классический градиентный бустинг, настройка и анализ модели

Блок 5: Продвинутый бустинг
  • LightGBM (гистограммный метод, градиентный сэмплинг, комбинация категориальных предикторов)
  • CatBoost (упорядоченный бустинг, WOE для категориальных предикторов, неряшливые деревья решений)
  • XGBoost (ньютоновский бустинг)
Классический ML. Михаил Игоревич Петровский – к.ф.-м.н., ВМК
Об авторе

  • младший научный сотрудник Института искусственного интеллекта (AIRI)
  • преподаватель Школы анализа данных Яндекса
  • BSc: прикладная математика и физика (МФТИ), MSc: науки о данных (Skoltech)

Аннотация курса

В рамках курса “Мультимодальные LLM” мы рассмотрим широкий спектр подходов, применяемых в современных мультимодальных моделях. Начнем с их высокоуровневой классификации, основанной на методах смешения различных модальностей входных данных (Deep / Early Fusion). Для каждого из типов мы более подробно разберем наиболее значимые фундаментальные архитектуры (Flamingo, LLaVA, Qwen-VL и др.) и ключевые подходы к их обучению.
От классических моделей, принимающих на вход текстовый запрос и изображение, мы постепенно перейдем к изучению других модальностей, включая видео (NExT-GPT, VideoPoet и др.) и модальность “action” (веб-агенты, роботы). Также в рамках курса мы рассмотрим модели 3D-понимания (LLaVA-3D, SpatialRGPT и др.) и уделим особое внимание интеграции генерации данных в мультимодальные LLM.

Содержание курса

Занятие 1. Введение и модальность изображений. Классификация vision-language моделей: Deep & Early Fusion
Занятие 2. Модальность видео. “Any-to-any” мультимодальные модели
Занятие 3. Интеграция генерации данных в мультимодальные LLM
Занятие 4. Модальность action (UI и роботы). Vision-language модели как агенты для роботов
Занятие 5. Модели 3D-понимания, синтез обучающих данных для 3D-распознавания
Мультимодальные LLM. Виктория Сергеевна Зинькович, ШАД
Об авторе

  • научный сотрудник НИВЦ МГУ
  • один из создателей методологии Ruadapt по адаптации LLM на русский язык

Аннотация курса

Большие языковые модели (LLM) приобретают всю большую популярность за счет своих обширных навыков и знаний, что позволяет использовать LLM как в повседневной жизни, так и в профессиональных задачах. Однако, для большей эффективности взаимодействия с LLM и для понимания, где языковые модели применимы, а где нет, необходимо понимать устройство современных систем на основе LLM, а также как языковые модели обучают, дообучают и применяют.

Содержание курса

Данный курс рассчитан на быстрое погружение в основы функционирования и обучения современных больших языковых моделей (LLM).

Темы курса включают в себя:
1) Архитектура трансформер, механизм внимания, токенизация, модель BERT, модель GPT, от трансформера до ChatGPT
2) Промптинг, zero-shot, few-shot
3) Выравнивание (alignment) LLM, методы дообучения LLM инструкциям, LoRa
4) Претрейнинг LLM: подготовка данных, разбор кода обучения, методы параллелизма
5) Inference LLM: vLLM, llama.cpp, ollama, sglang
6) Технические основы: связьpytorch-cuda-nvidia_drivers, docker. Квантизация, flash-attention
7) MoE, Архитектура DeepSeek, GRPO
8) SentenceBERT, векторные базы данных (Qdrant), RAG (retrieval augmented generation)
9) Оценка качества LLM

В рамках курса планируется практическая часть, связанная с задачами:
1) Использование инструктивных LLM для решения прикладных задач (промптинг)
2) Дообучение LLM инструкциям с использованием unsloth
3) Инференс LLM через: transformers, vllm, llama.cpp
4) Реализация RAG пайплайна в двух частях:
1. подготовка + векторизация датасета и реализация функции поиска
2. сборка RAG пайплайна с LLM в качестве генератора + сравнение качества RAG подхода и обычного подхода
LLM: обучение и использование. Михаил Михайлович Тихомиров – к.ф.-м.н., ВМК
Календарь событий:
Скоро здесь будут фото и видео с Летней школы
Как это было в прошлом году:
Посмотрите, как проходила Летняя школа "Интеллект" в 2024 году
Место проведения:
г. Геленджик, ул. Мира, 38
  • Корпуса 1, 2, "Ривьера", 6 и Летний домик
  • Медцентр
г. Геленджик, ул. Халтурина, 29
Корпуса 3, 4, 7 и 8

GPS-координаты:
Широта: 44.569669
Долгота: 38.074375
Летняя школа «Интеллект». Все права защищены © 

Проект разработан и реализован при поддержке Некоммерческого Фонда развития и науки и образования «Интеллект»

и МГУ имени М. В. Ломоносова