Интеллектуальные системы (кафедра МФТИ)/О кафедре
Материал из MachineLearning.
м (→Специализация «Интеллектуальный анализ данных») |
(уточнение) |
||
Строка 82: | Строка 82: | ||
* [[анализ поведения пользователей]] в сети Интернет (web usage mining); | * [[анализ поведения пользователей]] в сети Интернет (web usage mining); | ||
* [[Антиплагиат|поиск и идентификация заимствований (плагиата)]]; | * [[Антиплагиат|поиск и идентификация заимствований (плагиата)]]; | ||
+ | * [[тематическое моделирование]], тематический поиск; | ||
* [[биоинформатика]]; | * [[биоинформатика]]; | ||
* [[имитационное моделирование]] автотранспортных потоков. | * [[имитационное моделирование]] автотранспортных потоков. | ||
Строка 104: | Строка 105: | ||
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]] | |[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]] | ||
|[[Участник:Vokov|Воронцов]] | |[[Участник:Vokov|Воронцов]] | ||
- | | | + | |Э |
|Э | |Э | ||
| | | | ||
Строка 120: | Строка 121: | ||
| | | | ||
|- | |- | ||
- | | | + | |Научный семинар по специальности |
|все | |все | ||
|– | |– | ||
Строка 164: | Строка 165: | ||
| | | | ||
| | | | ||
+ | |- | ||
+ | |[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]] | ||
+ | |[[Участник:Vokov|Воронцов]] | ||
+ | | | ||
+ | | | ||
+ | |Д | ||
+ | | | ||
+ | | | ||
+ | | | ||
|- | |- | ||
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений] | |[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений] | ||
Строка 196: | Строка 206: | ||
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных] | |[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных] | ||
|Моттль | |Моттль | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |Д | ||
+ | |Э | ||
+ | | | ||
+ | |- | ||
+ | |Анализ сложноорганизованных данных | ||
+ | |Красоткина | ||
| | | | ||
| | | | ||
Строка 209: | Строка 228: | ||
| | | | ||
| | | | ||
- | | | + | |Д |
+ | | | ||
+ | |- | ||
+ | |[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]] | ||
+ | |[[Участник:Tiy|Торшин]] | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |Д | ||
+ | | | ||
+ | |- | ||
+ | |[[Графические модели]] | ||
+ | |Топинский | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |Д | ||
| | | | ||
|- | |- | ||
Строка 221: | Строка 258: | ||
|Д | |Д | ||
|- | |- | ||
- | | | + | |Практика и методология промышленного анализа данных |
- | |[[Участник: | + | |[[Участник:Andyray|Ивахненко]] |
| | | | ||
| | | | ||
Строка 228: | Строка 265: | ||
| | | | ||
| | | | ||
- | | | + | |Д |
|- | |- | ||
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]] | |[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]] | ||
Строка 238: | Строка 275: | ||
| | | | ||
|Э | |Э | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
|- | |- | ||
!colSpan=8 |<small>Требования учебного отдела</small> | !colSpan=8 |<small>Требования учебного отдела</small> | ||
Строка 506: | Строка 534: | ||
!5<SUB>10</SUB> | !5<SUB>10</SUB> | ||
!6<SUB>11</SUB> | !6<SUB>11</SUB> | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
|- | |- | ||
!colSpan=8 |Магистратура | !colSpan=8 |Магистратура |
Версия 00:09, 19 июня 2013
|
|
| Тел. +7(499)135-41-63 Написать письмо К.В. Воронцову Контакты |
|
Кафедра «Интеллектуальные системы» — базовая кафедра ФУПМ МФТИ. Базовый институт — Вычислительный центр РАН. Кафедра готовит специалистов по направлению 010900 «Прикладные математика и физика».
Обучение на кафедре ведётся по трём специализациям:
- интеллектуальный анализ данных,
- проектирование и организация систем,
- информационный поиск и машинное обучение.
История создания кафедры
В 2003 году на одной из старейших базовых кафедр ФУПМ «Управление и вычислительные системы» (ВЦ РАН) была образована новая специализация — «Интеллектуальный анализ данных», руководителем которой стал чл.-корр. РАН К. В. Рудаков.
В 2004 году кафедра «Управление и вычислительные системы» была разделена на две кафедры: «Математическое моделирование сложных процессов и систем» (заведующий — чл.-корр. РАН Ю. Н. Павловский) и «Интеллектуальные системы» (заведующий — чл.-корр. РАН К. В. Рудаков). Кафедра «Интеллектуальные системы» объединила две специализации: «Проектирование и организация систем» и «Интеллектуальный анализ данных». Специализация «Проектирование и организация систем» была создана в 1970-е годы основоположником отечественной школы методов искусственного интеллекта академиком Г. С. Поспеловым как базовая кафедра с таким же названием при ВЦ РАН.
В 2011 году на кафедре была организована третья специализация «Информационный поиск и машинное обучение» с магистратурой в Школе анализа данных Яндекса (дополнительная базовая организация для магистратуры — ООО «Яндекс»).
Специализация «Интеллектуальный анализ данных»
Магистерская программа: 010990 «Интеллектуальный анализ данных»
Руководитель специализации: чл.-корр. РАН Рудаков Константин Владимирович
Научный руководитель: профессор Нью-Йоркского университета и института Куранта Зорин Денис Николаевич
Интеллектуальный анализ данных является одним из наиболее актуальных и востребованных направлений прикладной математики. Современные процессы бизнеса и производства порождают огромные массивы данных. Как извлечь максимум полезных знаний из многомерных, разнородных, неполных, неточных, противоречивых, косвенных данных? Как сделать это эффективно, если объем данных измеряется гигабайтами или даже терабайтами? Как использовать имеющуюся информацию для автоматизации принятия решений в различных профессиональных областях? Эти и многие другие задачи изучаются на специализации «Интеллектуальный анализ данных».
Специализация была создана учениками академика РАН Ю. И. Журавлёва. Им и его научной школой разработан уникальный математический аппарат, опирающийся на классические методы общей алгебры, дискретного и функционального анализа, комбинаторики, математической статистики. Глубокое изучение этих дисциплин составляет основу подготовки выпускаемых специалистов. В рамках специализации ведется обучение студентов методам постановки и решения реальных прикладных задач. В каждом семестре помимо теоретических курсов проводится практикум, дающий студентам навыки самостоятельной научно-исследовательской работы, проведения вычислительных экспериментов, написания научных статей и технических отчётов, работы с научной литературой, выступлений с презентациями и ведения научных дискуссий.
Ежегодно специализация выпускает 5–10 магистров, многие из них поступают в аспирантуру МФТИ и ВЦ РАН. Студентами и сотрудниками кафедры публикуется около 70 научных работ ежегодно. Ежегодно защищаются несколько кандидатских и докторских диссертаций. Студенты и аспиранты кафедры регулярно участвуют в работе научных конференций ММРО (Математические методы распознавания образов, Россия) и ИОИ (Интеллектуализация обработки информации), организуемых при непосредственном участии сотрудников кафедры.
Студенты имеют возможность участвовать в прикладных разработках компании «Форексис». Это молодая, сплоченная команда профессионалов, объединённая идеей внедрения интеллектуального анализа данных в различных прикладных областях. Клиентами «Форексис» являются: Московская межбанковская валютная биржа, Банк ОТП, КБ «Петрокоммерц», ТД «Лама», ЗАО «Связной», МТС, ЗАО «Анти-Плагиат», и др. «Форексис» — партнер таких компаний, как Microsoft, Oracle, SAP, Columbus IT Partners и др.
Специализация «Интеллектуальный анализ данных» предоставляет студентам увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одну и ту же фундаментальную математику.
Научные направления
Направления научных исследований
- распознавание образов и прогнозирование (machine learning);
- поиск закономерностей в данных (data mining);
- комбинаторные и алгебраические методы анализа алгоритмов;
- обработка сигналов и анализ временных рядов;
- обработка и анализ изображений;
- анализ текстов (text mining).
Направления прикладных исследований и разработок
- прогнозирование цен и объёмов продаж электроэнергии;
- прогнозирование продаж;
- кредитный скоринг и оценка рисков;
- мониторинг финансовых рынков и автоматические торговые системы;
- анализ клиентских сред для производственных, телекоммуникационных, торговых компаний;
- анализ поведения пользователей в сети Интернет (web usage mining);
- поиск и идентификация заимствований (плагиата);
- тематическое моделирование, тематический поиск;
- биоинформатика;
- имитационное моделирование автотранспортных потоков.
Учебный план
- Э - экзамен
- Д - дифференцированный зачет
- Н - недифференцированный зачет
Специализация «Проектирование и организация систем»
Магистерская программа: 010956 «Математические и информационные технологии»
Руководитель специализации: д.т.н., профессор Эрлих Александр Игоревич
Главное направление подготовки студентов – обучение знаниям, умениям и навыкам, необходимым для проектирования и разработки интеллектуальных прикладных систем или, как их еще называют, прикладных систем, основанных на знаниях (Applied Knowledge Based Systems).
Все преподаватели специализации являются представителями научной школы академика Г. С. Поспелова. Руководитель специализации профессор А. И. Эрлих под руководством Г. С. Поспелова в середине 1970-х годов одним из первых в России начал развивать и применять подходы нового по тем временам научного направления «Искусственный интеллект» в разработках и проектировании прикладных компьютерных систем. Сегодня методы и средства искусственного интеллекта как основа новых информационных технологий прочно заняли передовые позиции в теоретической и прикладной информатике.
Методы и средства представления знаний в компьютерных системах, методы использования этих знаний для решения плохо формализуемых задач, включая всевозможные задачи менеджмента в самых разных областях человеческой деятельности; поддержку научных исследований и проектирование сложных объектов; компьютерное обучение; общение с ЭВМ на естественном языке (Natural Language Processing) — вот примеры основных направлений, в которых успешно работают в России и за рубежом выпускники специализации.
Подготовка студентов ориентирована на их дальнейшую работу по развитию новых методов и средств создания сложных интеллектуальных систем различного прикладного назначения. Во время обучения, помимо прохождения теоретических курсов, студенты под руководством преподавателей специализации ведут научно-исследовательские разработки, предполагающие самостоятельное выполнение и защиту результатов в конце каждого семестра. Благодаря широким международным научным связям всегда доступна новейшая информация о развитии исследований в области искусственного интеллекта за рубежом.
Научные направления
- искусственный интеллект;
- оптимизация сложных систем;
- анализ и распознавание изображений;
- компьютерная лингвистика;
- семантические технологии, Semantic Web;
- методы автоматизации управления и проектирования.
Учебный план
Название курса | Преподаватели | Курссеместр | |||||
---|---|---|---|---|---|---|---|
36 | 47 | 48 | 59 | 510 | 611 | ||
Бакалавриат | |||||||
Основы искусственного интеллекта (ИИ) и систем ИИ | Хорошевский | Д | |||||
Модели и методы искусственного интеллекта | Матвеев | Э | |||||
Системы и средства представления знаний | Хорошевский | Э | |||||
Обработка изображений в системах ИИ | Матвеев | Э | |||||
Технологии организации данных в интеллектуальных системах | Дулин | Э | |||||
Магистратура | |||||||
Математические модели и методы управления | Цурков | — | Э | ||||
Декомпозиция в оптимизации систем | Цурков | — | Э | ||||
Математические модели и методы принятия решений | Шахнов | Д | — | Э | |||
Технология активных баз знаний | Дулин | Д | — | Э | |||
Научный семинар по специальности | все | ||||||
Требования учебного отдела | |||||||
НИР | Д | Д | Д | Д | Д | ||
Всего зачетов (не более) | 1 | 2 | 2 | 3 | 2 | 3 | |
Всего экзаменов (не более) | 1 | 2 | 2 | 2 | 2 | 4 | |
Всего часов (не более) | 8 | 8 | 8 | 8 | 4 | 12 |
- Э - экзамен
- Д - дифференцированный зачет
- Н - недифференцированный зачет
Специализация «Информационный поиск и машинное обучение»
Магистерская программа: 010958 «Прикладная информатика»
Дополнительная базовая организация (для магистратуры): ООО «Яндекс»
Руководитель специализации: д.ф.-м.н. Воронцов Константин Вячеславович
Научный руководитель: профессор Ратгерского университета, научный руководитель Школы анализа данных Яндекса Мучник Илья Борисович
Одним из наиболее активно развивающихся направлений информационных компьютерных технологий являются поисковые системы. Создание и развитие современных поисковых систем связано с применением не только сложных инженерно-технических решений и информационных технологий, но и математических методов интеллектуального анализа данных. Для создания таких систем необходимы глубокие знания прикладной математики и компьютерных технологий, включая теорию обучения машин, дискретную оптимизацию, информационный поиск, методы анализа текстовой, графической и другой слабоструктурированной информации.
Специализация образована в 2011 году на базе ВЦ РАН и ШАД Яндекс (shad.yandex.ru). В бакалавриате студенты проходят обучение по программе специализации «Интеллектуальный анализ данных», в магистратуре — по специальной программе ШАД Яндекс. Во время обучения в магистратуре студенты могут пройти стажировку в ООО Яндекс, работая под руководством как разработчиков Яндекса, так и преподавателей специализации.
Научные направления
- информационный поиск;
- компьютерная лингвистика;
- геониформационные системы;
- рекламные технологии в электронной коммерции;
- тематическое моделирование коллекций текстовых документов.
Учебный план
Название курса | Преподаватели | Курссеместр | |||||
---|---|---|---|---|---|---|---|
36 | 47 | 48 | 59 | 510 | 611 | ||
Магистратура | |||||||
Восстановление зависимостей с использованием эмпирических данных | Червоненкис | Э | |||||
Вероятностно-статистические методы в теории принятия решений, часть 1 | Ширяев | Э | |||||
Алгоритмы и структуры данных поиска, часть 1 | Бабенко | Д | |||||
Вероятностно-статистические методы в теории принятия решений, часть 2 | Ширяев | Д | |||||
Алгоритмы и структуры данных поиска, часть 2 | Бабенко | Э | |||||
Обучение машин: дополнительные главы | Червоненкис | Д | |||||
Анализ изображений и видео | Щепин | Э | |||||
Промышленное программирование | Тарасов | Э | |||||
Введение в лингвистику и автоматическая обработка текстов | Щепин | Э | |||||
Требования учебного отдела | |||||||
НИР | Д | Д | Д | Д | Д | ||
Всего зачетов (не более) | 1 | 2 | 2 | 3 | 2 | 3 | |
Всего экзаменов (не более) | 1 | 2 | 2 | 2 | 2 | 4 | |
Всего часов (не более) | 8 | 8 | 8 | 8 | 4 | 12 |
- Э - экзамен
- Д - дифференцированный зачет
- Н - недифференцированный зачет
Ссылки
- Кафедра «Интеллектуальные системы» ФУПМ МФТИ - старая страница на сайте ВЦ РАН
- Кафедра «Интеллектуальные системы» (ВЦ РАН) - страница на портале Физтех.ru