Кафедра прикладной математики и информатики (Нижний Новгород)

АБB
АБB
АБB

Обычная версия сайта

Кафедра ПМИ создана в 2006 году как выпускающая кафедра по направлению "Прикладная математика и информатика".

Целью деятельности кафедры «Прикладной математики и информатики» является подготовка высококвалифицированных специалистов (бакалавров и магистров) по направлению 010500 «Прикладная математика и информатика», обладающих знаниями и квалификацией, необходимыми для профессионального моделирования и информационного обеспечения экономических и бизнес процессов, анализа и обработки данных.

Научная деятельность

Кафедра выполняет межкафедральные (кафедры Информационных систем и технологий, Математики и др.) исследовательские проекты, национальные проекты в составе общих исследовательских групп (РФФИ, проекты Минобрнауки РФ и др.) с участием партнеров из Института прикладной математики им. М. Келдыша РАН, Математического института им. В. Стеклова РАН, Института прикладной физики РАН, МГУ им. М. Ломоносова, ННГУ им Н. Лобачевского. Осуществляется международное сотрудничество с различными научными центрами Европы и США.

Публикации

Книга

Integral Robot Technologies and Speech Behavior

Kharlamov A. A., Pantiukhin D., Borisov V. et al.

Newcastle upon Tyne: Cambridge Scholars Publishing, 2024.

Статья

On efficient algorithms for bottleneck path problems with many sources
В печати

Каймаков К. В., Malyshev D.

Optimization Letters. 2024. P. 1-11.

Глава в книге

Neural Networks for Speech Synthesis of Voice Assistants and Singing Machines

Pantiukhin D.

In bk.: Integral Robot Technologies and Speech Behavior. Newcastle upon Tyne: Cambridge Scholars Publishing, 2024. Ch. 9. P. 281-296.

Препринт

DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Все публикации

Кто читает:: Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:: Майнор

Когда читается:: 1, 2 модуль

Преподаватели

Казаков Максим Анатольевич

Модвала Сергей Жоржович

Шимко Алексей Андреевич

Полная версия программы учебной дисциплины

Аннотация

Изучаются продвинутые методы машинного обучения: линейные классификаторы (включая метод опорных векторов), ансамбли классификаторов (включая методы бустинга и случайные леса решений), нейронные сети (включая глубокие нейронные сети). Параллельно с освоением теории студенты приобретают практические навыки работы с реальными данными. Занятия ведут специалисты практики, активно работающие в области анализа данных и машинного обучения.

Цель освоения дисциплины

Знать: основные понятия и методы машинного обучения; о месте и ценности методов машинного обучения и разработки данных в современной науке и практической деятельности; основные каналы научной и прикладной информации по анализу данных и машинному обучению
Уметь: использовать освоенные методы машинного обучения для обработки конкретных наборов данных, анализировать результаты, делать выводы; формализовать конкретную задачу и разработать алгоритм решения
Владеть: методами программирования, отлаживания и тестирования современных алгоритмов машинного обучения

Планируемые результаты обучения

Знает и может использовать программные реализации алгоритмов ансамблей классификаторов для решения задач машинного обучения
Знает основные типы ансамблей классификаторов и основанные на них алгоритмы машинного обучения.
Знать основные архитектуры нейронных сетей
Знать принципы обучения и применения нейронных сетей
Понимает общие принципы построения ансамблей классификаторов.
Уметь обучать нейронные сети с помощью средств языка Python