Интеллектуальные системы (кафедра МФТИ)/О кафедре

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(переработка (промежуточный вариант))
м (Учебный план)
 
(27 промежуточных версий не показаны.)
Строка 1: Строка 1:
-
<noinclude>{{Меню кафедры Интеллектуальные системы МФТИ}}</noinclude>
+
<noinclude>{{Меню кафедры Интеллектуальные системы МФТИ}}
-
{{TOCright}}
+
{{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|Федеральное государственное бюджетное учреждение науки
+
-
Вычислительный центр {{S|им. А. А. Дородницына}} Российской академии наук]].
+
-
 
+
Кафедра готовит специалистов по направлению 010900 «Прикладные математика и физика».
Кафедра готовит специалистов по направлению 010900 «Прикладные математика и физика».
Обучение на кафедре ведётся по трём специализациям:
Обучение на кафедре ведётся по трём специализациям:
-
* Интеллектуальный анализ данных
+
* интеллектуальный анализ данных,
-
* Проектирование и организация систем
+
* проектирование и организация систем,
-
* Информационный поиск и машинное обучение (дополнительная базовая организация для магистратуры — ООО «Яндекс»)
+
* информационный поиск и машинное обучение.
-
 
+
<noinclude>
== История создания кафедры ==
== 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]].
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]].
Строка 24: Строка 21:
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.
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]].
+
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» ==
'''Магистерская программа:''' 010990 «Интеллектуальный анализ данных»
'''Магистерская программа:''' 010990 «Интеллектуальный анализ данных»
-
'''Руководитель специализации:''' чл.-корр. [[РАН]] [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]]
+
'''Руководитель специализации:''' академик [[РАН]] [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]]
-
'''Научный руководитель:''' профессор Нью-Йоркский университета и института Куранта {{S|Зорин Денис Николаевич}}
+
'''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 44: Строка 41:
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.
-
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.
+
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]].
Ежегодно специализация выпускает 5–10 магистров, многие из них поступают в аспирантуру [[МФТИ]] и [[ВЦ РАН]].
Строка 55: Строка 52:
Студенты имеют возможность участвовать в прикладных разработках компании «[[Форексис]]».
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:
+
Это молодая, сплочённая команда профессионалов, объединённая идеей внедрения интеллектуального анализа данных в различных прикладных областях. Клиентами «Форексис» являются
Московская межбанковская валютная биржа,
Московская межбанковская валютная биржа,
Банк ОТП,
Банк ОТП,
Строка 63: Строка 60:
МТС,
МТС,
ЗАО «Анти-Плагиат», и др.
ЗАО «Анти-Плагиат», и др.
-
«Форексис» — партнер таких компаний, как Microsoft, Oracle, SAP, Columbus IT Partners 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 одну и ту же фундаментальную математику.
+
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 ===
Строка 85: 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 107: 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]]
-
|Д
+
|Э
|
|
Строка 123: Строка 121:
|
|
|-
|-
-
|Семинар по специальности
+
|Научный семинар по специальности
|все
|все
|–
|–
Строка 132: Строка 130:
|
|
|-
|-
-
|Дискретная оптимизация
+
|[http://www.ccas.ru/frc/department/sigal.pdf Дискретная оптимизация]
|Сигал
|Сигал
|
|
Строка 167: Строка 165:
|
|
|
|
 +
|-
 +
|[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]]
 +
|[[Участник:Vokov|Воронцов]]
 +
|
 +
|
 +
 +
|
 +
|
 +
|
|-
|-
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений]
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений]
-
|Местецкий
+
|[[Участник:Mest|Местецкий]]
|
|
|
|
Строка 180: Строка 187:
|-
|-
|[http://www.ccas.ru/frc/department/mest2.pdf Анализ и распознавание изображений]
|[http://www.ccas.ru/frc/department/mest2.pdf Анализ и распознавание изображений]
-
|Местецкий
+
|[[Участник:Mest|Местецкий]]
|
|
|
|
Строка 198: Строка 205:
|-
|-
|[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
+
|[[Участник:Vmottl|Моттль]]
 +
|
 +
|
 +
|
 +
 +
 +
|
 +
|-
 +
|Анализ сложноорганизованных данных
 +
|[[Участник:Krasotkina|Красоткина]]
|
|
|
|
Строка 212: Строка 228:
|
|
|
|
-
|Э
+
|Д
|
|
|-
|-
-
|Интеллектуальные системы
+
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
-
|[[Рудаков, Константин Владимирович|Рудаков]]
+
|[[Участник:Tiy|Торшин]]
|
|
|
|
|
|
|
|
 +
|
|
-
 
|-
|-
-
|[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]]
+
|[[Графические модели]]
-
|[[Участник:Vokov|Воронцов]]
+
|Топинский
|
|
|
|
|
|
|
|
 +
|
|
-
 
|-
|-
-
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
+
|Интеллектуальные системы
-
|[[Участник:Strijov|Стрижов]]
+
|[[Рудаков, Константин Владимирович|Рудаков]]
|
|
|
|
Строка 240: Строка 256:
|
|
|
|
-
|Э
+
|Д
|-
|-
-
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
+
|Практика и методология промышленного анализа данных
-
|[[Участник:Tiy|Торшин]]
+
|[[Участник:Andyray|Ивахненко]]
|
|
|
|
Строка 249: Строка 265:
|
|
|
|
-
+
 +
|-
 +
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
 +
|[[Участник:Strijov|Стрижов]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
|-
!colSpan=8 |<small>Требования учебного отдела</small>
!colSpan=8 |<small>Требования учебного отдела</small>
Строка 297: Строка 322:
'''Магистерская программа:''' 010956 «Математические и информационные технологии»
'''Магистерская программа:''' 010956 «Математические и информационные технологии»
-
'''Руководитель специализации:''' д.т.н., профессор Эрлих Александр Игоревич
+
'''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).
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).
Строка 335: Строка 360:
!colSpan=8 |Бакалавриат
!colSpan=8 |Бакалавриат
|-
|-
-
|Основы искусственного интеллекта (ИИ) и систем ИИ
+
|[[Основы искусственного интеллекта и систем, основанных на знаниях (курс лекций, В.Ф.Хорошевский)|Основы искусственного интеллекта и систем, основанных на знаниях]]
-
|Хорошевский
+
|Аверкин
|
|
Строка 344: Строка 369:
|
|
|-
|-
-
|Модели и методы искусственного интеллекта
+
|[[Модели и методы искусственного интеллекта (курс лекций, И.А.Матвеев)|Модели и методы искусственного интеллекта]]
-
|Матвеев
+
|[[Участник:IvanMatveev|Матвеев]]
-
|Э
+
|Д
|
|
|
|
Строка 353: Строка 378:
|
|
|-
|-
-
|Системы и средства представления знаний
+
|[[Системы и средства представления знаний (курс лекций, В.Ф.Хорошевский)|Системы и средства представления знаний]]
-
|Хорошевский
+
|Аверкин
|
|
Строка 362: Строка 387:
|
|
|-
|-
-
|Обработка изображений в системах ИИ
+
|[[Обработка изображений в системах искусственного интеллекта (курс лекций, И.А.Матвеев)|Обработка изображений в системах искусственного интеллекта]]
-
|Матвеев
+
|[[Участник:Algneushev|Гнеушев]]
|
|
-
|
+
|Д
|
|
|
|
|
|
|-
|-
-
|Технологии организации данных в интеллектуальных системах
+
|[[Технологии организации данных (курс лекций, С.К.Дулин)|Технологии организации данных]]
|Дулин
|Дулин
|
|
-
|
+
|
|
|
Строка 382: Строка 407:
!colSpan=8 |Магистратура
!colSpan=8 |Магистратура
|-
|-
-
|Математические модели и методы управления
+
|[[Математические модели и методы управления сложных систем (курс лекций, В.И.Цурков)|Математические модели и методы управления]]
|Цурков
|Цурков
|
|
|
|
|
|
-
|
+
|Д
-
|
+
|Д
|-
|-
-
|Декомпозиция в оптимизации систем
+
|[[Декомпозиция в оптимизации систем (курс лекций, В.И.Цурков)|Декомпозиция в оптимизации систем]]
|Цурков
|Цурков
|
|
|
|
|
|
-
|
+
|Д
 +
-
|
 
|-
|-
-
|Математические модели и методы принятия решений в управлении сложными системами
+
|[[Математические модели и методы принятия решений (курс лекций, Е.З.Мохонько)|Математические модели и методы принятия решений]]
-
|Шахнов
+
|Мохонько
|
|
|
|
|
|
 +
-
|—
 
|-
|-
-
|Технология активных баз знаний
+
|[[Технология активных баз знаний (курс лекций, С.К.Дулин)|Технология активных баз знаний]]
|Дулин
|Дулин
|
|
|
|
|
|
 +
 +
-
|—
 
-
 
|-
|-
-
|Научный семинар по специальности
+
|[[Научный семинар по специальности (практика, А.И.Эрлих)|Научный семинар по специальности]]
|все
|все
|
|
Строка 424: Строка 449:
|
|
|
|
-
|
+
|Н
|
|
|-
|-
Строка 468: Строка 493:
* Э - экзамен
* Э - экзамен
* Д - дифференцированный зачет
* Д - дифференцированный зачет
-
* Н - недифференцированный зачет
+
* Н - недифференцированный зачет
== Специализация «Информационный поиск и машинное обучение» ==
== Специализация «Информационный поиск и машинное обучение» ==
Строка 510: Строка 535:
!6<SUB>11</SUB>
!6<SUB>11</SUB>
|-
|-
-
!colSpan=8 |Бакалавриат
+
!colSpan=8 |Магистратура
|-
|-
-
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]]
+
|Восстановление зависимостей с использованием эмпирических данных
-
|[[Участник:Vokov|Воронцов]]
+
|Червоненкис
-
+
-
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|-
+
-
|[[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)|Автоматизация научных исследований]]
+
-
|[[Участник:Strijov|Стрижов]]
+
-
|Д
+
|
|
|
|
|
|
 +
|
|
|
|
|-
|-
-
|Семинар по специальности
+
|Вероятностно-статистические методы в теории принятия решений, часть 1
-
|все
+
|Ширяев
-
|–
+
|
|
|
|
|
|
 +
|
|
|
|
|-
|-
-
|Дискретная оптимизация
+
|Алгоритмы и структуры данных поиска, часть 1
-
|Сигал
+
|Бабенко
|
|
-
 
|
|
|
|
 +
|
|
|
|
|-
|-
-
|[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)|Анализ данных в метрических пространствах]]
+
|Вероятностно-статистические методы в теории принятия решений, часть 2
-
|[[Участник:AIM|Майсурадзе]]
+
|Ширяев
|
|
-
 
|
|
|
|
|
|
-
|
 
-
|-
 
-
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Математические методы прогнозирования]]
 
-
|[[Участник:Strijov|Стрижов]]
 
-
|
 
-
 
|
|
-
|
 
-
|
 
|-
|-
-
|[http://www.ccas.ru/frc/department/smetanin.pdf Прикладной комбинаторный анализ]
+
|Алгоритмы и структуры данных поиска, часть 2
-
|Сметанин
+
|Бабенко
|
|
|
|
-
 
-
|
 
-
|
 
-
|
 
-
|-
 
-
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений]
 
-
|Местецкий
 
|
|
|
|
-
|
 
-
|
 
|
|
|-
|-
-
!colSpan=8 |Магистратура
+
|Обучение машин: дополнительные главы
-
|-
+
|Червоненкис
-
|[http://www.ccas.ru/frc/department/mest2.pdf Анализ и распознавание изображений]
+
-
|Местецкий
+
|
|
-
|
 
-
|
 
-
 
-
|
 
-
|
 
-
|-
 
-
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
 
-
|[[Рудаков, Константин Владимирович|Рудаков]]
 
|
|
|
|
|
|
-
 
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных]
+
|Анализ изображений и видео
-
|Моттль
+
|Щепин
|
|
-
|
 
-
|
 
-
 
-
 
-
|
 
-
|-
 
-
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
 
-
|[[Журавлёв, Юрий Иванович|Журавлёв]]
 
|
|
|
|
Строка 620: Строка 599:
|
|
-
|
 
|-
|-
-
|Интеллектуальные системы
+
|Промышленное программирование
-
|[[Рудаков, Константин Владимирович|Рудаков]]
+
|Тарасов
|
|
|
|
Строка 629: Строка 607:
|
|
|
|
-
|Д
+
|Э
|-
|-
-
|[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]]
+
|Введение в лингвистику и автоматическая обработка текстов
-
|[[Участник:Vokov|Воронцов]]
+
|Щепин
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
+
-
|-
+
-
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
+
-
|[[Участник:Strijov|Стрижов]]
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
+
-
|-
+
-
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
+
-
|[[Участник:Tiy|Торшин]]
+
|
|
|
|
Строка 704: Строка 664:
* [http://www.ccas.ru/frc/departmipt.html Кафедра «Интеллектуальные системы» ФУПМ МФТИ] - старая страница на [http://www.ccas.ru/ сайте ВЦ РАН]
* [http://www.ccas.ru/frc/departmipt.html Кафедра «Интеллектуальные системы» ФУПМ МФТИ] - старая страница на [http://www.ccas.ru/ сайте ВЦ РАН]
* [http://fupm.fizteh.ru/basechairs/ccasfrc.html Кафедра «Интеллектуальные системы» (ВЦ РАН)] - страница на портале Физтех.ru
* [http://fupm.fizteh.ru/basechairs/ccasfrc.html Кафедра «Интеллектуальные системы» (ВЦ РАН)] - страница на портале Физтех.ru
-
[[Категория:Интеллектуальные системы (кафедра МФТИ)]]
+
[[Категория:Интеллектуальные системы (кафедра МФТИ)]]
 +
</noinclude>

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

Личные инструменты