МФК
Межфакультетский курс
Нейронные сети и их применение в научных исследованиях
Нейронные сети и их применение в научных исследованиях
МФК «Нейронные сети и их применение в научных исследованиях» разработан на основе программы одноимённого курса для молодых учёных.
Из-за упрощённого изложения МФК подойдёт студентам, которые только хотят начать разбираться в теме искусственного интеллекта.
Записаться на МФК и получить зачёт могут студенты любых факультетов МГУ имени М. В. Ломоносова (кроме физического).
Материалы лекций доступны всем желающим для самостоятельного изучения.
Из-за упрощённого изложения МФК подойдёт студентам, которые только хотят начать разбираться в теме искусственного интеллекта.
Записаться на МФК и получить зачёт могут студенты любых факультетов МГУ имени М. В. Ломоносова (кроме физического).
Материалы лекций доступны всем желающим для самостоятельного изучения.
Компьютерное зрение, распознавание речи, «понимание» текста и многие другие формы узкоспециализированного искусственного интеллекта (ANI — artificial narrow intelligence) сегодня являются частью повседневной жизни. В основе этих технологий лежит машинное обучение, которое используется для построения обучающихся алгоритмов. В настоящее время одним из самых перспективных методов машинного обучения считается глубокое обучение (нейронные сети). За последние несколько лет глубокое обучение нашло применение практически во всех областях науки: от биологии и физики до лингвистики и философии.
Этот 12-недельный курс даст студентам высокоуровневый обзор современных методов искусственного интеллекта и их применения в различных научных областях. Демонстрации и викторины помогут студентам разобраться, что возможно в настоящее время и что, вероятно, будет возможно в ближайшем будущем. Из-за упрощённого изложения курс может быть неинтересен студентам технических факультетов, которые уже разбираются в нейронных сетях.
Этот 12-недельный курс даст студентам высокоуровневый обзор современных методов искусственного интеллекта и их применения в различных научных областях. Демонстрации и викторины помогут студентам разобраться, что возможно в настоящее время и что, вероятно, будет возможно в ближайшем будущем. Из-за упрощённого изложения курс может быть неинтересен студентам технических факультетов, которые уже разбираются в нейронных сетях.
Виктор Немченко
Преподаватель:
Немченко Виктор Андреевич
Разработчики:
Немченко Виктор Андреевич
Елизаров Сергей Георгиевич
Запуниди Сергей Александрович
Новосёлов Артемий Максимович
Елизаров Сергей Георгиевич
Запуниди Сергей Александрович
Новосёлов Артемий Максимович
Нагрузка:
Аудиторная [ч]: 24
Самостоятельная [ч]: 12
Самостоятельная [ч]: 12
Формат:
Очные занятия
Место проведения:
–
Когда:
–
Семестр:
–
Количество мест:
–
Регистрация:
Закрыта. Новый поток МФК стартует в феврале 2025 г.
Тематическое содержание курса:
О проекте MSU.AI. Машинное обучение: кратко о главном. Терминология: машинное обучение, искусственный интеллект и нейронные сети. Алан Тьюринг. История развития искусственного интеллекта. ImageNet. Зачем нам искусственный интеллект. Как обучать нейронную сеть. В каких научных задачах используется машинное обучение. Нейронные сети в науке.
Лекция 1: Новая суперспособность науки
Как работают нейронные сети. Этапы работы нейронной сети. Задача регрессии. Термин "регрессия". Метод градиентного спуска. Задача классификации. Функция активации. Линейные модели. Смещение (bias). Универсальная теорема аппроксимации (Теорема Цыбенко). Physics-Informed Neural Networks (PINN). Применение искусственного интеллекта в научных работах.
Лекция 2:
Как работают нейронные сети
Как работают нейронные сети
Из чего состоят картинки. Ядро свёртки. Как видят свёрточные нейронные сети. Базовые задачи свёрточных нейронных сетей. Аугментация. Transfer Learning. Примеры использования нейронных сетей в научной деятельности.
Лекция 3:
Свёрточные сети
Свёрточные сети
Как нейросеть работает с текстом. Word2vec. Демонстрация работы нейронной сети. Последовательности. Рекуррентная нейронная сеть. Many to one. Many to many. Совместить CNN и RNN. Long-Short Term Memory (LSTM). Практическое применение рекуррентных нейронных сетей.
Лекция 4:
Рекуррентные нейронные сети
Рекуррентные нейронные сети
Трансформеры. Практическое применение трансформеров. Как обучать трансформеры. Как применить BERT для своей задачи. Демонстрация работы нейронной сети с текстом. Работа трансформеров с изображениями. С чем еще работают трансформеры. Научное применение BERT.
Лекция 5:
Трансформеры. Часть первая.
Трансформеры. Часть первая.
Self-supervised learning. GPT-3. История GPT. Стоимость обучения нейронных сетей. Применение GPT. Этические проблемы GPT. ChatGPT (GPT-3.5). Применение чата GPT. ChatGPT (GPT-4). Поисковики на базе искусственного интеллекта. AlphaFold. Применение нейронных сетей для научных задач.
Лекция 6:
Трансформеры. Часть вторая.
Трансформеры. Часть вторая.
История Open AI. Large Language Model, LLM. Prompt engineering. Промты для нейросетей: примеры, как писать запросы. Токенизация. Техники работы с нейросетью. Как работать с нейросетью на своих данных.
Лекция 7: Трансформеры. Часть третья.
Сжатие информации. Автоэнкодер. Как создавать новые изображения с помощью нейронной сети (генератор и дискриминатор). Генеративно-состязательные сети (GAN - Generative Adversarial Networks). Генерация изображений по текстовому описанию. Архитектура CLIP. Перенос стиля на видео с помощью ИИ.
Лекция 8:
Генеративные модели
Генеративные модели
Примеры задач, которые можно формулировать с помощью RL. Концептуально про RL. В каких играх побеждает искусственный интеллект. Применение RL в различных областях науки. Обучение роботов с помощью нейронных сетей. Сложности обучения с подкреплением. Научные работы по RL.
Лекция 9: Обучение с подкреплением
Тест Тьюринга. Нейросеть или человек? Перспективы и сложности развития искусственного интеллекта. Искусственный интеллект и доверие. Explainable AI. Правовые аспекты. ИИ, как инструмент мошенников. Другие ограничения развития нейросетей. Каким будет сильный ИИ по мнению экспертов.
Лекция 10: Финал
Отзывы
- Большое спасибо за курс! Он был рассказан очень доступным языком. Информативно и полезно. Теперь я понимаю, что такое нейросети!Елизавета ПучковаФилософский факультет, магистратура
- Супер курс, Виктор Андреевич все четко и структурировано рассказывает, лекции интересные, есть много тех элементов про нейросети, которые я не знал, но мне посчастливилось пройти этот курс.Владимир МонастырскийБиологический факультет, магистратура
- Курс мне был очень полезен: его структура была логичной,
а изложение материала – интересным.
Также мне очень понравилась организационная часть курса: был создан телеграм-канал, в котором публиковались анонсы, можно было получить ответы на все свои вопросы, а также в канале были размещены ссылки на все лекции, снятые в отличном качестве(!).
Записи лекций значительно облегчали возможность пересматривать материал.
Запомнилось задание (групповой проект) по созданию видеоролика с использованием нейросетей – оно показалось мне как интересным, так и практическим.
В общем, курс вызвал у меня море положительных эмоций! Рекомендую!Анастасия ЕлисееваФакультет психологии, специалитет - Замечательный курс! Выбрал, потому что нужно было пройти что-то по ИИ, но в итоге послушал все лекции и остался очень доволен. Прекрасная подача, легкое изложение материала. Про нейросети и их устройство — очень интересно и наглядно. Но методов и нюансов использования нейросетей в науке хотелось бы больше.Фёдор ЧикинФФФХИ, специалитет
- Стоит сказать, что МФК оправдывает своё название. Курс довольно интересный (особенно для людей НЕ смыслящих в программировании и IT в целом). Однако механизмы работы нейронных сетей довольно сложная тема, но попытка упростить рассказ на лекции довольна успешная.
Есть небольшой минус и он касается тестов на автомат. Немного не хватает времени на его выполнение. В остальном МФК мне очень понравился.Петр ШишкинБиологический факультет, специалитет - Супер курс, спасибо большое! Мне было очень интересно, я совсем новичок в этой области, поэтому такой курс для меня был идеальным! Ещё раз благодарю!
Все понятно, очень прикольные примеры и крутой лектор, по-моему, больше нечего желатьСофия ДанилидиБиологический факультет, специалитет - Курс был очень интересный! Доступно изложен весь материал, а тесты помогли запомнить самые важные аспекты. Но лично мне было тяжело все понять с первого раза, поскольку у меня не было никакой базы.
Классный курс, дающий представление о современном мире, о том, как работают нейронные сети!Мария СмирноваЭкономический факультет, бакалавриат - Интересные и яркие лекции, очень доходчивое и понятное изложение материала, запоминающиеся презентации и приятный преподаватель.
Очень советую записаться на этот МФК!Варвара ГнусареваХимический факультет, специалитет
- Курс понравился, даёт общее представление о нейросетях, всё объясняется простыми словами и с примерами. Лекции небольшие и насыщенные, без рассусоливания, условия получения зачёта адекватные и выполнимые. Понравилась конкурсная работа по созданию видео с помощью нейросетей, мотивировало опробовать разные варианты, разобраться с механизмами. Спасибо!Дарья РумакБиологический факультет, магистратура
- Хороший МФК для ознакомления с основными принципами работы нейронных сетей, подойдёт тем, кто наслышан про ИИ, но не знает, как войти в тему. Лектор очень позитивный и доброжелательный! Форма отчётности крайне простая и не отнимающая много времени: 3 теста за семестр, которые достаточно написать правильно, хотя бы, на половину. В случае неудачи, есть несколько альтернативных творческих заданий.
В целом, рекомендую! Для себя открыл несколько очень удобных инструментов, которыми теперь пользуюсь на регулярной основе.Андрей БелохаХимический факультет, специалитет - Курс понравился, было довольно интересно. Возможно, хотелось бы увидеть чуть больше теории. Но только не на зачёте!!!))) Сам тоже хотел бы начать разбираться в нейронных сетях, подумываю над прохождением углубленных курсов. Было бы интересно применять это всё в работе.Роман ВерещакинГеологический факультет, бакалавриат
- Очень интересный материал. Преподаватель проводит занятия с интересом и различными подходами. Отвечает на все вопросы. Спасибо огромное!Вячеслав ЗоринФИЯР, специалитет
- Очень классный курс! Спасибо! Хотелось бы, чтобы авторы выпустили мануал по нейросетям и введению в их использованиеАндрей КоротковЭкономический факультет, магистратура
- Курс подходит для начинающих, даёт хорошую базуМария ЧерниговскаяФакультет психологии, специалитет
- Курс очень понравился, всё было интересно и понятно)Максим МасловХимический факультет, специалитет
- Понравилось обилие примеров. Визуал, отсылки к реальным публикациям. Целая библиотека статей :)Анна КрючечниковаБиологический факультет, бакалавриат
- Живость, простота и интересность повествования. Формат проведения лекций и квизов, структурированность.Александр ГинзбургГеографический факультет, магистратура
- Преподаватель был на одной волне со студентами, отлично с ними общался, был открыт для обратной связи. Отдельная благодарность за годные мемы. Спасибо за интересный курс!Татьяна СиваченкоЭкономический факультет, бакалавриат
- Довольно крутая подача материала: через шутки, мемы, юмор помогает разобраться в достаточно сложных темах. Для себя узнал много крутых лайфхаков, которые буду стараться использовать в дальнейшем.Иван ФролышевГеографический факультет, магистратура
- Живые примеры, интерес преподавателя к своему делу, современность и актуальность, юмор.
Круто и увлекательно, познавательно и полезно) Спасибо!Александра ПрибойченкоФакультет психологии, специалитет - Широкий круг примеров из совершенно разных областей науки. Мне, как геоморфологу, интересно будет почитать побольше о применении искусственного интеллекта в науках о Земле.Мария ПисцоваГеографический факультет, бакалавриат
- Классный МФК! Мне показался сложным, но интересным. Спасибо за интерактивные штуки, я сделала много мемов благодаря ИИ. Продолжайте в том же духе!Маргарита БруннерХимический факультет, специалитет