8D06102 Информатика в ЕНУ им. Л. Н. Гумилева

Дисциплины

• Адаптивные методы глубокого обучения для обнаружения и классификации объектов

  Курс представляет собой интенсивное обучение, направленное на изучение современных методов глубокого обучения, применяемых для обнаружения и классификации объектов в различных приложениях. В ходе курса докторанты будут знакомиться с основами глубокого обучения, включая нейронные сети и архитектуры глубокого обучения. Затем будет представлен обзор различных методов, используемых для обнаружения объектов в изображениях и видео. Это включает в себя методы региональной свертки, рекуррентные нейронные сети, а также новейшие архитектуры, такие как YOLO (You Only Look Once) и SSD (Single Shot MultiBox Detector). Основное внимание будет уделено адаптивным методам, которые позволяют моделям глубокого обучения учиться и приспосабливаться к новым данным или сценариям. Докторанты узнают о различных стратегиях дообучения и применении обратного распространения ошибки для обновления моделей в режиме реального времени. Будут рассмотрены также методы активного обучения, которые позволяют системе выбирать наиболее информативные примеры для обучения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Искусственный интеллект и алгоритмические стратегии на фондовом рынке

  Дисциплина посвящена применению методов искусственного интеллекта (ИИ) для автоматизации торговых стратегий и понимания лежащей в основе динамики финансовых рынков. Алгоритмическая торговля относится к использованию компьютерных алгоритмов для выполнения торговых приказов на финансовых рынках. Эти алгоритмы предназначены для анализа рыночных данных, выявления закономерностей и принятия торговых решений на основе заранее определенных правил или стратегий. Подходы ИИ улучшают алгоритмическую торговлю за счет внедрения передовых методов машинного обучения и анализа данных для адаптации и улучшения торговых стратегий с течением времени.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Академическое письмо

  Данная дисциплина представляет собой продолжение методами уравнении в частных производных на примере академического письма, в котором изучаются фундаментальный аппарат уравнений математической физики и их приложения, методы решения прикладных задач. В процессе обучения обучающиеся осваивают методы исследования уравнений в частных производных и приложения на примере академического письма, получают навыки применения их в научно-исследовательской работе.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Формализация семантики языков программирования

  В ходе изучения дисциплины формализуется значений конструкций языков программирования посредством построения их формальных математических моделей. Формализация семантики языков программирования может использоваться как для описания языка, определения свойств языка, так и для целей формальной верификации программ. Дисциплина позволяет выполнить семантический анализ языков программирования и разработать общую метамодель систем продукций.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интеграция методов компьютерного зрения и глубокого обучения для анализа и взаимодействия с окружающим миром

  Курс предлагает доктрантам погрузиться в современные методы компьютерного зрения и глубокого обучения, а также изучить способы их интеграции для анализа и взаимодействия с окружающей средой. Курс начинается с введения в компьютерное зрение, основы обработки изображений и выделения признаков. Затем докторанты ознакамливаются с глубоким обучением, включая нейронные сети и сверточные нейронные сети (CNN), которые являются основными инструментами для обработки изображений в современном компьютерном зрении. Докторанты узнают о различных методах и архитектурах, используемых для анализа и классификации объектов в реальном времени. Это включает в себя детектирование и отслеживание объектов, семантическую сегментацию, распознавание образов и распознавание лиц. Кроме того, изучают методы взаимодействия с окружающим миром, такие как распознавание жестов и эмоций, а также синтез и распознавание речи.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Применение методов и алгоритмов искусственного интеллекта для анализа и прогнозирования поведения фондового рынка

  Дисциплина объединяет области финансов и компьютерных наук. В курсе используются передовые методы искусственного интеллекта, чтобы понять сложную динамику финансовых рынков и предсказать будущие рыночные тенденции. Традиционные методы анализа фондового рынка включают фундаментальный анализ (оценка финансового состояния компании) и технический анализ (изучение исторических ценовых моделей). Однако эти методы имеют ограничения при обработке больших объемов данных и улавливании тонких закономерностей. Применяя методы и алгоритмы ИИ, исследователи и практики стремятся расширить возможности анализа и прогнозирования фондового рынка. Алгоритмы ИИ могут обрабатывать огромные объемы финансовых данных и выявлять закономерности, корреляции и аномалии, которые могут быть упущены аналитиками-людьми. Они могут автоматически извлекать релевантную информацию из новостных статей, социальных сетей и других источников неструктурированных данных, обеспечивая более полное понимание динамики рынка.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы научных исследований

  Владеть методами классической алгебры на примере методов научных исследований и применения их в научно-исследовательской работе. Алгебра – это наука о свойствах множеств на которых определена та или иная система операций. Здесь рассматриваются фундаментальные вопросы классических алгебр, такие как группоиды, кольца и тела, а так же решеток на примере методов научных исследований.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Формальная верификация программ

  В Дисциплине изложены основы таких подходов, как дедуктивный анализ и проверка моделей. Список тем включает: методы формальной спецификации требований (программные контракты и темпоральная логика линейного времени), методы доказательства корректности программ (метод индуктивных утверждений и метод фундированных множеств) и методы проверки моделей (теоретико-автоматный подход в явной и символической формах).

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Нейронные вычисления и их приложения

  В ходе изучения дисциплины рассматриваются основы построения нейрокомпьютеров, нейронные вычисления и методики их реализации, а также задачи, решаемые нейронными сетями. Дисциплина позволит изучить основные модели искусственного нейрона и сетей, использующих искусственный нейрон в качестве своего элемента, варианты обучения сетей.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Результаты обучения

• Владеть навыками формальной верификации программ на языках программирования.
• Строить модель предметной области с использованием аппарата нейронных сетей и вычислить нейронные вычисления с использованием приложений
• Проводить анализ научных исследований и процессов для формализации семантики процедурных языков программирования
• Формировать исследовательские навыки по конкретной научной отрасли и применять методы объективной экспертизы научных результатов в области науки и образования
• Проводить анализ и прогноз динамики времянного ряда фондового рынка для формирования успешных стратегий торговли ценными бумагами с использованием авто-торговли роботов, разрабатывать алгоритмы и составлять микроструктуру фондового рынка с помощью методов искусственного интеллекта.
• Анализировать научные проблемы и процессы, проводить научные исследования в области ИКТ с применением технологии ИИ.

Похожие ОП