Интеллектуальные системы (кафедра МФТИ)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Учебный план: дополнение)
(Учебный план)
Строка 83: Строка 83:
!colSpan=8 |Бакалавриат
!colSpan=8 |Бакалавриат
|-
|-
-
|Прикладная логика
+
|Прикладная математическая логика
|Захаров
|Захаров
Строка 92: Строка 92:
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/voron.pdf Машинное обучение]
+
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]] [http://www.ccas.ru/frc/department/voron.pdf (программа курса)]
|[[Участник:Vokov|Воронцов]]
|[[Участник:Vokov|Воронцов]]
Строка 110: Строка 110:
|
|
|-
|-
-
|Численные методы обучения по прецедентам (практикум)
+
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Численные методы обучения по прецедентам (практикум)]]
|[[Участник:Strijov|Стрижов]]
|[[Участник:Strijov|Стрижов]]
Строка 211: Строка 211:
|-
|-
-
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин, 2010)|Биоинформатика и задачи распознавания в современной биологии]]
+
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин, 2010)|Биоинформатика]]
|[[Участник:Tiy|Торшин]]
|[[Участник:Tiy|Торшин]]
|
|

Версия 15:52, 2 марта 2011

Содержание

Кафедра «Интеллектуальные системы»базовая кафедра ФУПМ МФТИ. Базовый институт — Вычислительный центр РАН. Готовит студентов по специальности «Прикладные математика и физика» (511600).

История создания

В 2004 году одна из старейших базовых кафедр ФУПМ МФТИ, «Управления и вычислительных систем», созданная академиком Н. Н. Моисеевым вместе с самим факультетом, была разделена на две кафедры:

Обучение на кафедре «Интеллектуальные системы» ведётся по двум специализациям:

  • «Интеллектуальный анализ данных»;
  • «Проектирование и организация систем».

Специализация «Интеллектуальный анализ данных»

Заведующий специализацией: чл.-корр. РАН Рудаков Константин Владимирович.

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 строить алгоритмы, способные обучаться принятию решений в различных профессиональных областях? Эти и многие другие задачи изучаются на специализации «Интеллектуальный анализ данных».

Специализация образована в 2003 году на базе научной школы академика РАН Ю. И. Журавлёва. Им и его учениками создан уникальный математический аппарат, опирающийся на классические методы алгебры, дискретного 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.

Студенты и аспиранты кафедры регулярно участвуют в работе научных конференций ММРО (Математические методы распознавания образов, Россия) и ИОИ (Интеллектуализация обработки информации, Крым, Украина), в организации которых сотрудники кафедры принимают самое непосредственное участие.

Научные направления

Направления прикладных исследований и разработок

Специализация «Интеллектуальный анализ данных» предоставляет увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одну и ту же фундаментальную математику.

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. Партнерами и клиентами Форексис являются: КБ «Петрокоммерц», ТД «Перекресток», ММВБ, РАО ЕЭС, АП «Домодедово», и др.

Учебный план

Направление: 511600 — «Прикладная математика и физика».

Магистерская программа: 511656 — «Математические и информационные технологии».

Название курса Преподаватели Курссеместр
36  47  48  59  510 611
Бакалавриат
Прикладная математическая логика Захаров Н Э
Машинное обучение (программа курса) Воронцов Э Э
Семинар по специальности все по очереди
Численные методы обучения по прецедентам (практикум) Стрижов Д Н Д
Методы дискретного анализа в распознавании образов Журавлёв Э
Основания алгебраического подхода к синтезу корректных алгоритмов Рудаков Д Э
Обработка изображений Местецкий Д
Магистратура
Анализ и распознавание изображений Местецкий Э
Обработка сигналов и многомерных массивов данных Моттль Д Э
Дискретная оптимизация Сигал Э
Прикладной комбинаторный анализ Сметанин Э
Интеллектуальные системы Рудаков Д
Анализ данных в метрических пространствах Майсурадзе Э
Информационное моделирование Стрижов Э
Биоинформатика Торшин 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

Преподаватели и научные руководители

Профессоры

Преподаватели

Контакты

Литература

Обзорные статьи по специальности, рекомендуемые студентам для изучения на кафедре иностранных языков:

  1. A. Jain, P. Duin, and J. Mao. Statistical pattern recognition: A review // IEEE Transactions on PAMI 22(1), pp. 4-37, 2000.
  2. G. Dietterich. Machine learning research: Four current directions // AI Magazine, 18(4):97--136, 1997.
  3. S. R. Kulkarni, G. Lugosi, S. S. Venkatesh. Learning Pattern Classification—A Survey // IEEE Transactions on Information Theory, Vol. 44, No. 6, October 1998.
  4. P. Langley, H. A. Simon. Applications of machine learning and rule induction // Communications of the ACM. Vol. 38, No. 11, Pp. 54–64, 1995.
  5. S. Thrun, C. Faloutsos, T. Mitchell, L. Wasserman. Automated Learning and Discovery: State-Of-The-Art and Research Topics in a Rapidly Growing Field // CMU, Pittsburgh, 1998.

Специализация «Проектирование и организация систем»

Заведующий специализацией: д.т.н., профессор Эрлих Александр Игоревич

Исследования и разработки, выполняемые в рамках данной специализации, направлены на решение задач, возникающих при массовом использовании современных компьютеров в системах управления различных уровней и назначения, в научных исследованиях, в проектировании и конструировании новой техники.

Одной из научно-технических основ новых информационных технологий (в технических и гуманитарных областях человеческой деятельности) являются идеи и методы искусственного интеллекта. Раньше слишком антропоморфное название этой дисциплины, оформившейся в самостоятельное научное направление в середине семидесятых годов, нередко приводило к неверному представлению о характере исследований и разработок в этой области. Тем не менее, сначала в США и Японии, потом в Европе, а со второй половины восьмидесятых годов и в нашей стране искусственный интеллект как основа новых информационных технологий прочно занял передовые позиции в теоретической и прикладной информатике. Представление знаний в компьютерных системах, методы использования этих знаний для самостоятельного решения разнообразных задач, компьютерное обучение, общение с ЭВМ на естественном языке — вот примеры нескольких разделов искусственного интеллекта.

Благодаря широким международным научным связям всегда доступна новейшая информация о развитии исследований в области искусственного интеллекта за рубежом. Подготовка студентов ориентирована на их дальнейшую работу по развитию новых методов и средств создания сложных интеллектуальных систем различного прикладного назначения.

Научные направления

Учебный план

Направление: 511600 — «Прикладная математика и физика».

Магистерская программа: 511656 — «Математические и информационные технологии».

Название курса Преподаватели Курссеместр
36  47  48  59  510 611
Бакалавриат
Оптимизация сложных систем Хорошевский Э
Оптимизация сложных систем Цурков Э Д
Методы и средства автоматизации управления и проектирования Хорошевский Д
Методы и средства автоматизации управления и проектирования Эрлих, Цурков Э
Искусственный интеллект Матвеев Д Э
Магистратура
Автоматизация решения системных задач Дулин Д Э
Мат. модели и методы автоматизации планирования и принятия решений Шахнов Э Э Д
Представление и структуризация знаний Дулин Д Э 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