МФК
Межфакультетский курс
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 им. 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 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 упрощённого изложения курс может быть неинтересен студентам технических факультетов, которые уже разбираются в нейронных сетях.

Виктор Немченко (преподаватель)
Преподаватель:
Немченко Виктор Андреевич
Разработчики:
Елизаров Сергей Георгиевич
Запуниди Сергей Александрович
Новоселов Артемий Максимович
Нагрузка:
Аудиторная [ч]: 24
Самостоятельная [ч]: 12
Факультет
Физический факультет
Где:
Корпус физического факультета, ауд. ЦФА
Когда:
Запись на курс закрыта. О начале приёма заявок на новый поток будет сообщено дополнительно
Семестр:
Осенний семестр 2022 учебного года
Мест/записалось:
200/200
Тематическое содержание курса:
Искусственный интеллект и чем он отличается от машинного обучения? Что такое нейросеть? Узкоспециализированный искусственный интеллект. Примеры использования машинного 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
Линейные модели. Уменьшение размерности. Эмбеддинги слов. Можно ли смоделировать язык? Примеры из различных научных дисциплин.
Лекция 3:
Линейные модели
Свёрточные нейронные сети. Классификация картинок. Детекция объектов. Transfer learning. Примеры из различных научных дисциплин.
Лекция 4:
Свёрточные сети
Работа с последовательностями. Рекуррентные нейронные сети. Распознавание речи. Работа с текстами. Примеры из различных научных дисциплин.
Лекция 5:
Рекуррентные сети
Механизм внимания. Трансформеры. Self-supervised learning. Трансформеры для текста. Трансформеры для картинок. Объяснимый искусственный интеллект. Примеры из различных научных дисциплин.
Лекция 6:
Трансформеры (1)
Генеративный пред-обученный трансформер (GPT). Few shot-learning. Языковые модели. AlphaFold и связанные модели. Примеры из различных научных дисциплин.
Лекция 7: Трансформеры (2). GPT
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
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
и физическое моделирование
Графовые сети (GNN). Графовые свёртки (GCNN). GNN на службе социологии. GNN для химии. Примеры из различных научных дисциплин.
Лекция 11:
Графовые сети
Дополнительные примеры применения машинного обучения, не вошедшие в основную программу.
ML как инструмент для научных исследований. Подведение итогов курса.
Лекция 12: 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 :)
Анна Крючечникова

Факультет психологии, специалитет
Географический факультет, магистратура
Географический факультет, бакалавриат
Биологический факультет, бакалавриат