Интеллектуальные системы (кафедра МФТИ)/О кафедре

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''Кафедра «Интеллектуальные системы»''' — базовая кафедра [[Факультет управле...)
м (→Учебный план)
 
(33 промежуточные версии не показаны)
Строка 1: Строка 1:
 +
<noinclude>{{Меню кафедры Интеллектуальные системы МФТИ}}
 +
{{TOCright}}</noinclude>
'''Кафедра «Интеллектуальные системы»''' — [[Базовые кафедры МФТИ|базовая кафедра]] [[Факультет управления и прикладной математики МФТИ|ФУПМ]] [[МФТИ]].
'''Кафедра «Интеллектуальные системы»''' — [[Базовые кафедры МФТИ|базовая кафедра]] [[Факультет управления и прикладной математики МФТИ|ФУПМ]] [[МФТИ]].
Базовый институт — [[Вычислительный центр РАН]].
Базовый институт — [[Вычислительный центр РАН]].
-
Готовит студентов по специальности «Прикладные математика и физика» (511600).
+
Кафедра готовит специалистов по направлению 010900 «Прикладные математика и физика».
-
== История создания ==
+
Обучение на кафедре ведётся по трём специализациям:
-
В 2004 году одна из старейших базовых кафедр [[Факультет управления и прикладной математики МФТИ|ФУПМ&nbsp;МФТИ]], «Управления и&nbsp;вычислительных систем», созданная академиком [[Моисеев, Никита Николаевич|Н.&nbsp;Н.&nbsp;Моисеевым]] вместе с&nbsp;самим факультетом, была разделена на две кафедры:
+
* интеллектуальный анализ данных,
-
* «[[Математическое моделирование]] сложных процессов и систем», заведующий — чл.-корр. [[Российская академия наук|РАН]] [[Павловский, Юрий Николаевич|Ю.&nbsp;Н.&nbsp;Павловский]];
+
* проектирование и организация систем,
-
* «[[Интеллектуальная система|Интеллектуальные системы]]», заведующий — чл.-корр. [[Российская академия наук|РАН]] [[Рудаков, Константин Владимирович|К.&nbsp;В.&nbsp;Рудаков]].
+
* информационный поиск и машинное обучение.
 +
<noinclude>
 +
== 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 [[Рудаков, Константин Владимирович|К.&nbsp;В.&nbsp;Рудаков]].
-
Обучение на кафедре «Интеллектуальные системы» ведётся по двум специализациям:
+
В 2004 году кафедра «Управление и вычислительные системы» была разделена на две кафедры:
-
* «Интеллектуальный анализ данных»;
+
«Математическое моделирование сложных процессов и систем»
-
* «Проектирование и организация систем».
+
(заведующий — чл.-корр. РАН [[Павловский, Юрий Николаевич|Ю.&nbsp;Н.&nbsp;Павловский]]) и
 +
«Интеллектуальные системы»
 +
(заведующий — чл.-корр. РАН [[Рудаков, Константин Владимирович|К.&nbsp;В.&nbsp;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 [[искусственный интеллект|искусственного интеллекта]] академиком {{S|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 [[ШАД|Школе анализа данных Яндекса]] (дополнительная базовая организация для магистратуры — ООО «Яндекс»).
== Специализация «Интеллектуальный анализ данных» ==
== Специализация «Интеллектуальный анализ данных» ==
-
'''Заведующий специализацией:'''
+
'''Магистерская программа:''' 010990 «Интеллектуальный анализ данных»
-
чл.-корр. [[Российская академия наук|РАН]]
+
 
-
[[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]].
+
'''Руководитель специализации:''' академик [[РАН]] [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]]
 +
 
 +
'''Научный руководитель:''' профессор Нью-Йоркского университета и института Куранта {{S|Зорин Денис Николаевич}}
[[Интеллектуальный анализ данных]] является одним из наиболее актуальных и востребованных направлений прикладной математики.
[[Интеллектуальный анализ данных]] является одним из наиболее актуальных и востребованных направлений прикладной математики.
Строка 21: Строка 34:
Как извлечь максимум полезных знаний из многомерных, разнородных, неполных, неточных, противоречивых, косвенных 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 сделать это эффективно, если объем данных измеряется гигабайтами или даже терабайтами?
-
Как строить алгоритмы, способные обучаться принятию решений в различных профессиональных областях?
+
Как использовать имеющуюся информацию для автоматизации принятия решений в различных профессиональных областях?
Эти и многие другие задачи изучаются на специализации «Интеллектуальный анализ данных».
Эти и многие другие задачи изучаются на специализации «Интеллектуальный анализ данных».
-
Специализация образована в 2003 году на базе научной школы академика&nbsp;РАН [[Журавлёв, Юрий Иванович|Ю.&nbsp;И.&nbsp;Журавлёва]].
+
Специализация была создана учениками академика РАН [[Журавлёв, Юрий Иванович|Ю.&nbsp;И.&nbsp;Журавлёва]].
-
Им&nbsp;и&nbsp;его учениками создан уникальный математический аппарат, опирающийся на классические методы алгебры, дискретного анализа, комбинаторики, математической статистики.
+
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.
Глубокое изучение этих дисциплин составляет основу подготовки выпускаемых специалистов.
В&nbsp;рамках специализации ведется обучение студентов методам постановки и решения реальных прикладных задач.
В&nbsp;рамках специализации ведется обучение студентов методам постановки и решения реальных прикладных задач.
 +
Каждый семестр, помимо теоретических курсов, проходит 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.
-
Студенты и аспиранты кафедры регулярно участвуют в работе научных конференций [[ММРО]] (Математические методы распознавания образов, Россия) и [[ИОИ]] (Интеллектуализация обработки информации, Крым, Украина), в&nbsp;организации которых сотрудники кафедры принимают самое непосредственное участие.
+
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, сплочённая 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.
 +
Компания «[[Форексис]]» является партнёром компаний Microsoft, Oracle, SAP, Columbus IT Partners и других.
 +
 
 +
Специализация «Интеллектуальный анализ данных» предоставляет студентам увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одни и те же методы фундаментальной математики.
=== Научные направления ===
=== Научные направления ===
 +
 +
'''Направления научных исследований'''
* [[распознавание образов]] и [[прогнозирование]] ([[machine learning]]);
* [[распознавание образов]] и [[прогнозирование]] ([[machine learning]]);
* поиск закономерностей в данных ([[data mining]]);
* поиск закономерностей в данных ([[data mining]]);
Строка 39: Строка 74:
* [[анализ текстов]] ([[text mining]]).
* [[анализ текстов]] ([[text mining]]).
-
=== Направления прикладных исследований и разработок ===
+
'''Направления прикладных исследований и разработок'''
-
* прикладные системы классификации и распознавания образов;
+
* [[прогнозирование]] цен и объёмов продаж электроэнергии;
-
* прогнозирование цен и объёмов продаж электроэнергии;
+
* [[прогнозирование продаж]];
* [[прогнозирование продаж]];
* [[кредитный скоринг]] и оценка рисков;
* [[кредитный скоринг]] и оценка рисков;
Строка 48: 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]];
* [[имитационное моделирование]] автотранспортных потоков.
* [[имитационное моделирование]] автотранспортных потоков.
-
Специализация «Интеллектуальный анализ данных» предоставляет увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одну и ту же фундаментальную математику.
+
=== Учебный план ===
 +
 
 +
{| class = "standard"
 +
|-
 +
!rowSpan=2 |Название курса
 +
!rowSpan=2 |Преподаватели
 +
!colSpan=6 |Курс<SUB>семестр</SUB>
 +
|-
 +
!3<SUB>6</SUB>&nbsp;
 +
!4<SUB>7</SUB>&nbsp;
 +
!4<SUB>8</SUB>&nbsp;
 +
!5<SUB>9</SUB>&nbsp;
 +
!5<SUB>10</SUB>
 +
!6<SUB>11</SUB>
 +
|-
 +
!colSpan=8 |Бакалавриат
 +
|-
 +
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]]
 +
|[[Участник:Vokov|Воронцов]]
 +
|Э
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)|Автоматизация научных исследований]]
 +
|[[Участник:Strijov|Стрижов]]
 +
|Д
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Научный семинар по специальности
 +
|все
 +
|–
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/sigal.pdf Дискретная оптимизация]
 +
|Сигал
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)|Анализ данных в метрических пространствах]]
 +
|[[Участник:AIM|Майсурадзе]]
 +
|
 +
|Д
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Математические методы прогнозирования]]
 +
|[[Участник:Strijov|Стрижов]]
 +
|
 +
|Д
 +
|Д
 +
|
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/smetanin.pdf Прикладной комбинаторный анализ]
 +
|Сметанин
 +
|
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|-
 +
|[[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]
 +
|[[Участник:Mest|Местецкий]]
 +
|
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|-
 +
!colSpan=8 |Магистратура
 +
|-
 +
|[http://www.ccas.ru/frc/department/mest2.pdf Анализ и распознавание изображений]
 +
|[[Участник:Mest|Местецкий]]
 +
|
 +
|
 +
|
 +
|Э
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
 +
|[[Рудаков, Константин Владимирович|Рудаков]]
 +
|
 +
|
 +
|
 +
|Д
 +
|Э
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных]
 +
|[[Участник:Vmottl|Моттль]]
 +
|
 +
|
 +
|
 +
|Д
 +
|Э
 +
|
 +
|-
 +
|Анализ сложноорганизованных данных
 +
|[[Участник:Krasotkina|Красоткина]]
 +
|
 +
|
 +
|
 +
|Э
 +
|Д
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
 +
|[[Журавлёв, Юрий Иванович|Журавлёв]]
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|
 +
|-
 +
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
 +
|[[Участник:Tiy|Торшин]]
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|
 +
|-
 +
|[[Графические модели]]
 +
|Топинский
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|
 +
|-
 +
|Интеллектуальные системы
 +
|[[Рудаков, Константин Владимирович|Рудаков]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|-
 +
|Практика и методология промышленного анализа данных
 +
|[[Участник:Andyray|Ивахненко]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|-
 +
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
 +
|[[Участник:Strijov|Стрижов]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Э
 +
|-
 +
!colSpan=8 |<small>Требования учебного отдела</small>
 +
|-
 +
|<small>НИР</small>
 +
|
 +
|
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|-
 +
|<small>Всего зачетов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|-
 +
|<small>Всего экзаменов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>4</small>
 +
|-
 +
|<small>Всего часов (не более)</small>
 +
|
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>4</small>
 +
|<small>12</small>
 +
|}
 +
 
 +
* 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., [[Участник:IvanMatveev|Матвеев Иван Алексеевич]].
 +
 
 +
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 {{S|Г. С. Поспелова}}.
 +
Руководитель специализации профессор {{S|А. И. Эрлих}} под руководством {{S|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 [[представление знаний|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 [[сложная система|сложных систем]];
 +
* анализ и распознавание изображений;
 +
* компьютерная лингвистика;
 +
* семантические технологии, Semantic Web;
 +
* методы автоматизации управления и проектирования.
 +
 
 +
=== Учебный план ===
 +
 
 +
{| class = "standard"
 +
|-
 +
!rowSpan=2 |Название курса
 +
!rowSpan=2 |Преподаватели
 +
!colSpan=6 |Курс<SUB>семестр</SUB>
 +
|-
 +
!3<SUB>6</SUB>&nbsp;
 +
!4<SUB>7</SUB>&nbsp;
 +
!4<SUB>8</SUB>&nbsp;
 +
!5<SUB>9</SUB>&nbsp;
 +
!5<SUB>10</SUB>
 +
!6<SUB>11</SUB>
 +
|-
 +
!colSpan=8 |Бакалавриат
 +
|-
 +
|[[Основы искусственного интеллекта и систем, основанных на знаниях (курс лекций, В.Ф.Хорошевский)|Основы искусственного интеллекта и систем, основанных на знаниях]]
 +
|Аверкин
 +
|Д
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Модели и методы искусственного интеллекта (курс лекций, И.А.Матвеев)|Модели и методы искусственного интеллекта]]
 +
|[[Участник:IvanMatveev|Матвеев]]
 +
|Д
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Системы и средства представления знаний (курс лекций, В.Ф.Хорошевский)|Системы и средства представления знаний]]
 +
|Аверкин
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Обработка изображений в системах искусственного интеллекта (курс лекций, И.А.Матвеев)|Обработка изображений в системах искусственного интеллекта]]
 +
|[[Участник:Algneushev|Гнеушев]]
 +
|
 +
|Э
 +
|Д
 +
|
 +
|
 +
|
 +
|-
 +
|[[Технологии организации данных (курс лекций, С.К.Дулин)|Технологии организации данных]]
 +
|Дулин
 +
|
 +
|—
 +
|Э
 +
|
 +
|
 +
|
 +
|-
 +
!colSpan=8 |Магистратура
 +
|-
 +
|[[Математические модели и методы управления сложных систем (курс лекций, В.И.Цурков)|Математические модели и методы управления]]
 +
|Цурков
 +
|
 +
|
 +
|
 +
|Д
 +
|Э
 +
|Д
 +
|-
 +
|[[Декомпозиция в оптимизации систем (курс лекций, В.И.Цурков)|Декомпозиция в оптимизации систем]]
 +
|Цурков
 +
|
 +
|
 +
|
 +
|Д
 +
|Д
 +
|Э
 +
|-
 +
|[[Математические модели и методы принятия решений (курс лекций, Е.З.Мохонько)|Математические модели и методы принятия решений]]
 +
|Мохонько
 +
|
 +
|
 +
|
 +
|Э
 +
|Д
 +
|Э
 +
|-
 +
|[[Технология активных баз знаний (курс лекций, С.К.Дулин)|Технология активных баз знаний]]
 +
|Дулин
 +
|
 +
|
 +
|
 +
|Э
 +
|Д
 +
|Д
 +
|-
 +
|[[Научный семинар по специальности (практика, А.И.Эрлих)|Научный семинар по специальности]]
 +
|все
 +
|
 +
|
 +
|
 +
|
 +
|Н
 +
|
 +
|-
 +
!colSpan=8 |<small>Требования учебного отдела</small>
 +
|-
 +
|<small>НИР</small>
 +
|
 +
|
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|-
 +
|<small>Всего зачетов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|-
 +
|<small>Всего экзаменов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>4</small>
 +
|-
 +
|<small>Всего часов (не более)</small>
 +
|
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>4</small>
 +
|<small>12</small>
 +
|}
 +
 
 +
* Э - экзамен
 +
* Д - дифференцированный зачет
 +
* Н - недифференцированный зачет
 +
 
 +
== Специализация «Информационный поиск и машинное обучение» ==
 +
'''Магистерская программа:''' 010958 «Прикладная информатика»
 +
 
 +
'''Дополнительная базовая организация''' (для магистратуры): [http://company.yandex.ru/ ООО «Яндекс»]
 +
 
 +
'''Руководитель специализации:''' д.ф.-м.н. Воронцов Константин Вячеславович
 +
 
 +
'''Научный руководитель:''' профессор Ратгерского университета, научный руководитель [[ШАД|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 ===
 +
 
 +
{| class = "standard"
 +
|-
 +
!rowSpan=2 |Название курса
 +
!rowSpan=2 |Преподаватели
 +
!colSpan=6 |Курс<SUB>семестр</SUB>
 +
|-
 +
!3<SUB>6</SUB>&nbsp;
 +
!4<SUB>7</SUB>&nbsp;
 +
!4<SUB>8</SUB>&nbsp;
 +
!5<SUB>9</SUB>&nbsp;
 +
!5<SUB>10</SUB>
 +
!6<SUB>11</SUB>
 +
|-
 +
!colSpan=8 |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
 +
|-
 +
!colSpan=8 |<small>Требования учебного отдела</small>
 +
|-
 +
|<small>НИР</small>
 +
|
 +
|
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|<small>Д</small>
 +
|-
 +
|<small>Всего зачетов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|<small>2</small>
 +
|<small>3</small>
 +
|-
 +
|<small>Всего экзаменов (не более)</small>
 +
|
 +
|<small>1</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>2</small>
 +
|<small>4</small>
 +
|-
 +
|<small>Всего часов (не более)</small>
 +
|
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>8</small>
 +
|<small>4</small>
 +
|<small>12</small>
 +
|}
 +
 
 +
* Э - экзамен
 +
* Д - дифференцированный зачет
 +
* Н - недифференцированный зачет
-
Имеется возможность совмещать обучение на специализации с работой в отделе Вычислительных методов прогнозирования [[ВЦ РАН]] или в компании [[Форексис]], занимаясь разработкой и внедрением наукоемких программных продуктов и систем интеллектуального анализа данных.
+
== Ссылки ==
-
Партнерами и клиентами [[Форексис]] являются:
+
* [http://www.ccas.ru/frc/departmipt.html Кафедра «Интеллектуальные системы» ФУПМ МФТИ] - старая страница на [http://www.ccas.ru/ сайте ВЦ РАН]
-
КБ&nbsp;«Петрокоммерц»,
+
* [http://fupm.fizteh.ru/basechairs/ccasfrc.html Кафедра «Интеллектуальные системы» (ВЦ РАН)] - страница на портале Физтех.ru
-
ТД&nbsp;«Перекресток»,
+
[[Категория:Интеллектуальные системы (кафедра МФТИ)|О]]
-
ММВБ,
+
</noinclude>
-
РАО&nbsp;ЕЭС,
+
-
АП&nbsp;«Домодедово»,
+
-
и&nbsp;др.
+

Текущая версия

   
:: Кафедра ИС ::
Специализации
Преподаватели
Курсы
Материалы
Студенты
Научный семинар
Отчеты НИР
Прием студентов
           Тел. +7(499)135-41-63
Написать письмо К.В. Воронцову
Контакты

Содержание

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: академик 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. Каждый семестр, помимо теоретических курсов, проходит 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, сплочённая 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. Компания «Форексис» является партнёром компаний Microsoft, Oracle, SAP, Columbus IT Partners и других.

Специализация «Интеллектуальный анализ данных» предоставляет студентам увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одни и те же методы фундаментальной математики.

Научные направления

Направления научных исследований

Направления прикладных исследований и разработок

Учебный план

Название курса Преподаватели Курссеместр
36  47  48  59  510 611
Бакалавриат
Теория обучения машин Воронцов Э Э
Автоматизация научных исследований Стрижов Д
Научный семинар по специальности все –
Дискретная оптимизация Сигал Э
Анализ данных в метрических пространствах Майсурадзе Д
Математические методы прогнозирования Стрижов Д Д
Прикладной комбинаторный анализ Сметанин Э
Теория статистического обучения Воронцов Д
Обработка изображений Местецкий Э
Магистратура
Анализ и распознавание изображений Местецкий Э
Основания алгебраического подхода к синтезу корректных алгоритмов Рудаков Д Э
Обработка сигналов и многомерных массивов данных Моттль Д Э
Анализ сложноорганизованных данных Красоткина Э Д
Методы дискретного анализа в распознавании образов Журавлёв Д
Биоинформатика Торшин Д
Графические модели Топинский Д
Интеллектуальные системы Рудаков Д
Практика и методология промышленного анализа данных Ивахненко Д
Регрессионный анализ Стрижов 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

Специализация «Проектирование и организация систем»

Магистерская программа: 010956 «Математические и информационные технологии»

Руководитель специализации: д.т.н., Матвеев Иван Алексеевич.

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 и систем, основанных на знаниях Аверкин Д
Модели и методы искусственного интеллекта Матвеев Д
Системы и средства представления знаний Аверкин Э
Обработка изображений в системах искусственного интеллекта Гнеушев Э Д
Технологии организации данных Дулин — Э
Магистратура
Математические модели и методы управления Цурков Д Э Д
Декомпозиция в оптимизации систем Цурков Д Д Э
Математические модели и методы принятия решений Мохонько Э Д Э
Технология активных баз знаний Дулин Э Д Д
Научный семинар по специальности все Н
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

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

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B_%28%D0%BA%D0%B0%D1%84%D0%B5%D0%B4%D1%80%D0%B0_%D0%9C%D0%A4%D0%A2%D0%98%29/%D0%9E_%D0%BA%D0%B0%D1%84%D0%B5%D0%B4%D1%80%D0%B5»
Личные инструменты