Преподаватели MSU.AI Виктор Немченко, Сергей Колпинский и Артём Васильев приняли участие в подкасте ML-блогера, автора Machine Learning Podcast Михаила Крыжановского.
Коллеги поговорили на тему "Зачем учёному ML", обсудили применение ML в науке, почему сейчас сложно представить учёного, который не пользуется методами машинного обучения, заменит ли ИИ учёных в ближайшее время, почему учёные не ищут легких путей и что за датасеты на салфетках.
Также преподаватели курса "Нейронные сети и их применение в научных исследованиях" рассказали о глобальной идее курса – развитии отечественного ИИ, открытых учебных материалах и поделились успешными кейсами применения ИИ в науке выпускников нашего курса.
Об этом и многом другом слушайте в подкасте Михаила. Интересного и полезного прослушивания!
Напомним, что ознакомиться с результатами исследований выпускников курса можно на сайте в разделе "База знаний. Защита курсовых работ". А опубликованные статьи с применением ИИ в исследовании можно прочитать в разделе "База знаний. Научные публикации выпускников".
Открытые материалы курса доступны для изучения всем желающим. Версия разработки учебных материалов также доступна на GitHub по лицензии CC0
Коллеги поговорили на тему "Зачем учёному ML", обсудили применение ML в науке, почему сейчас сложно представить учёного, который не пользуется методами машинного обучения, заменит ли ИИ учёных в ближайшее время, почему учёные не ищут легких путей и что за датасеты на салфетках.
Также преподаватели курса "Нейронные сети и их применение в научных исследованиях" рассказали о глобальной идее курса – развитии отечественного ИИ, открытых учебных материалах и поделились успешными кейсами применения ИИ в науке выпускников нашего курса.
Об этом и многом другом слушайте в подкасте Михаила. Интересного и полезного прослушивания!
Напомним, что ознакомиться с результатами исследований выпускников курса можно на сайте в разделе "База знаний. Защита курсовых работ". А опубликованные статьи с применением ИИ в исследовании можно прочитать в разделе "База знаний. Научные публикации выпускников".
Открытые материалы курса доступны для изучения всем желающим. Версия разработки учебных материалов также доступна на GitHub по лицензии CC0