Дополнительное образование на факультете информатики, математики и компьютерных наук

Задачи транспортной логистики (оптимизация перевозок) в том числе задачи высокой вычислительной сложности с большим числом переменных и ограничений. Задачи складской логистики (оптимизация размещения товаров на складе, оптимизация маршрутов наборщиков и др.). Использование имитационного моделирования для решения задач анализа и оптимизации. Задачи организации производства (оптимизация производственных ячеек, оптимизация расписаний и др.). Оптимизация в сетевых структурах. Анализ критических узлов в сети. Smart grids (интеллектуальные сети). Оптимизация в условиях неопределенности (стохастическая оптимизация — stochastic optimization). Оценки рисков.

Работа с большими массивами данных (Big Data). Применение современных методов интеллектуального анализа данных: Log Analysis — анализ логов (сессий) поведения клиентов, Deep Learning (глубокое обучение для классификации), Association rules (выделение ассоциативных правил), Network Approach (анализ сетевых структур) и др.

Разработка и внедрение эффективных методов распознавания в условиях малых выборок и большой размерности пространства признаков. Распознавание сложных структур: эффективные алгоритмы (теория и программные средства) поиска ближайшего объекта в больших массивах данных разной природы.

Удовлетворение ограничений, эвристическое программирование, нейросетевые методы, многоагентные технологии.