Алексей Аверкин, РЭУ
Ирина Киселева, РЭУ
Виктор Китов, МГУ
Ирина Китова, London Imperial College
Никита Моисеев, РЭУ
Лев Петров, РЭУ

В рамках образовательной программы предполагается провести обучение по актуальным направлениям развития искусственного интеллекта, методов машинного обучения, анализа больших данных и эконометрической инференции.

Мы рассматрим постановки задач для моделирования процессов в динамических системах, соответствующих переходным процессам и циклам — задача Коши и поиск периодических решений. Проводится последовательное уточнение и усложнение моделей разнообразных динамических систем — линейные, квазилинейные, существенно нелинейные модели; от одной степени свободы к конечному и счетному числу степеней свободы; консервативные и диссипативные системы с линейной и нелинейной диссипацией и т. д.

В программе рассматриваются задачи регрессии, классификации, кластеризации, а также обучения с подкреплением, изучаются нейросетевые алгоритмы, в том числе особенности настройки многослойных нейронных сетей (глубокое обучение). Дается теоретический обзор основных алгоритмов, показывается демонстрация запуска основных алгоритмов на языке python. Основной акцент сделан на теоретических основах, лежащих в основе каждого метода.

Планируется дать молодым исследователям общее представление о текущем состоянии развития искусственного интеллекта, методов машинного обучения и анализа Больших данных, которые впоследствии могут им пригодиться в научной работе — прежде всего в аналитике данных, — но также и в компьютерных и естественных науках. Обучающимся будут предложены несколько проектов по машинному обучению, моделированию нелинейных динамических систем и анализу больших данных, предполагающие использование различных программных пакетов.