МФК
Межфакультетский курс
Для всех, кому интересен искусственный интеллект
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 алгоритмов, которые могут обучаться. 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 упрощенного изложения курс не подойдет 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 упрощенного изложения курс не подойдет студентам технических факультетов, которые уже разбираются в нейронных сетях.
Артемий Новоселов (лектор и разработчик курса)
Преподаватели:
Елизаров Сергей Георгиевич
Запуниди Сергей Александрович
Новоселов Артемий Максимович
Запуниди Сергей Александрович
Новоселов Артемий Максимович
Нагрузка:
Аудиторная [ч]: 24
Самостоятельная [ч]: 12
Самостоятельная [ч]: 12
Факультет
Физический факультет
Где:
онлайн-курс, ауд. -
Когда:
Среда 15:10–16:40
Семестр:
Весенний семестр 2021/2022 учебного года
Тематическое содержание курса:
Искусственный интеллект и чем он отличается от машинного обучения? Что такое нейросеть? Узкоспециализированный искусственный интеллект. Примеры использования машинное обучения в повседневной жизни. Применение глубокого машинного обучения в науке. Обзор курса.
Лекция №1. Новая суперспособность науки
Алгоритмы и методы обучения. Данные. Модели. Классификация. Примеры из различных научных дисциплин.
Лекция №2.
Как учить машины
Как учить машины
Линейные модели. Уменьшение размерности. Эмбеддинги слов. Можно ли смоделировать язык? Примеры из различных научных дисциплин.
Лекция №3. Эмбеддинги
Сверточные нейронные сети. Классификация картинок. Детекция объектов. Transfer learning. Примеры из различных научных дисциплин.
Лекция №4. Сверточные нейронные сети
Работа с последовательностями. Рекуррентные нейронные сети. Распознавание речи. Работа с текстами. Примеры из различных научных дисциплин.
Лекция №5. Рекуррентные нейронные сети
Механизм внимания. Трансформеры. Self-supervised learning. Трансформеры для текста. Трансформеры для картинок. Объяснимый искусственный интеллект. Примеры из различных научных дисциплин.
Лекция №6.
Self-supervised learning
Self-supervised learning
Генеративный пред-обученный трансформер (GPT). Few shot-learning. Языковые модели. AlphaFold и связанные модели. Примеры из различных научных дисциплин.
Лекция №7. Языковые модели
Генеративные модели. Генеративно-состязательные сети (GAN). Мультимодальные модели. CLIP. Семейство моделей Text2Image. Предсказание погоды с помощью генеративных моделей. Примеры из различных научных дисциплин.
Лекция №8.
Генеративные модели
Генеративные модели
Основы обучения с подкреплением (RL). Роботы и их взаимодействие с окружающей средой. Искусственный интеллект в экономике. Примеры из различных научных дисциплин.
Лекция 9: Обучение с подкреплением
NeRF: нейронные поля. Физические симуляции. Ускорение научных расчетов с помощью нейросетей. Примеры из различных научных дисциплин.
Лекция 10: Нейрорендеринг
Графовые сети (GNN). Графовые свертки (GCNN). GNN на службе социологии. GNN для химии. Примеры из различных научных дисциплин.
Лекция 11:
Графовые сети
Графовые сети
Дополнительные примеры применения машинного обучения, не вошедшие в основную программу.
ML как инструмент для научных исследований. Подведение итогов курса.
ML как инструмент для научных исследований. Подведение итогов курса.
Лекция 12:
Финал
Финал
Отзывы
Живые примеры, интерес преподавателя к своему делу, современность и актуальность, юмор. Круто и увлекательно, познавательно и полезно) спасибо!
Александра Прибойченко
Широкий круг примеров из совершенно разных областей науки. Мне как геоморфологу интересно будет почитать побольше о применении искусственного интеллекта в науках о Земле.
Мария Писцова
Живость, простота и интересность повествования. Формат проведения лекций и квизов, структурированность.
Александр Гинзбург
Понравилось обилие примеров. Визуал, отсылки к реальным публикациям. Целая библиотека статей :)
Крючечникова Анна
Факультет психологии, специалитет
Географический факультет, магистратура
Географический факультет, бакалавриат
Биологический факультет, бакалавриат
