Интеллектуальные системы (кафедра МФТИ)/О кафедре

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(переработка (промежуточный вариант))
Строка 2: Строка 2:
{{TOCright}}
{{TOCright}}
'''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]].
 
-
Готовит студентов по специальности «Прикладные математика и физика» (511600).
 
-
== История создания ==
+
Базовый институт — [[Вычислительный центр РАН|Федеральное государственное бюджетное учреждение науки
-
В 2004 году одна из старейших базовых кафедр [[Факультет управления и прикладной математики МФТИ|ФУПМ МФТИ]], «Управления и вычислительных систем», созданная академиком [[Моисеев, Никита Николаевич|Н. Н. Моисеевым]] вместе с самим факультетом, была разделена на две кафедры:
+
Вычислительный центр {{S|им. А. А. Дородницына}} Российской академии наук]].
-
* «[[Математическое моделирование]] сложных процессов и систем», заведующий — чл.-корр. [[Российская академия наук|РАН]] [[Павловский, Юрий Николаевич|Ю. Н. Павловский]];
+
-
* «[[Интеллектуальная система|Интеллектуальные системы]]», заведующий — чл.-корр. [[Российская академия наук|РАН]] [[Рудаков, Константин Владимирович|К. В. Рудаков]].
+
-
Обучение на кафедре «Интеллектуальные системы» ведётся по двум специализациям:
+
Кафедра готовит специалистов по направлению 010900 «Прикладные математика и физика».
-
* «Интеллектуальный анализ данных»;
+
 
-
* «Проектирование и организация систем».
+
Обучение на кафедре ведётся по трём специализациям:
 +
* Интеллектуальный анализ данных
 +
* Проектирование и организация систем
 +
* Информационный поиск и машинное обучение (дополнительная базовая организация для магистратуры — ООО «Яндекс»)
 +
 
 +
== 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. 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 [[Павловский, Юрий Николаевич|Ю. Н. Павловский]]) и
 +
«Интеллектуальные системы»
 +
(заведующий — чл.-корр. РАН [[Рудаков, Константин Владимирович|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 [[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]].
== 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:''' чл.-корр. [[РАН]] [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]]
 +
 
 +
'''Научный руководитель:''' профессор Нью-Йоркский 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 23: Строка 37:
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 РАН [[Журавлёв, Юрий Иванович|Ю. И. Журавлёва]].
+
Специализация была создана учениками академика РАН [[Журавлёв, Юрий Иванович|Ю. И. Журавлёва]].
-
Им и 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 рамках специализации ведется обучение студентов методам постановки и решения реальных прикладных задач.
В 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.
-
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.
+
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, сплоченная 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.
 +
«Форексис» — партнер таких компаний, как Microsoft, Oracle, SAP, Columbus IT Partners и др.
 +
 
 +
Специализация «Интеллектуальный анализ данных» предоставляет студентам увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одну и ту же фундаментальную математику.
=== 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 41: Строка 77:
* [[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 50: Строка 85:
* [[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)]];
 +
* [[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.
 
-
 
-
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 ===
=== Учебный план ===
-
 
-
'''Направление:''' 511600 — «Прикладная математика и физика».
 
-
 
-
'''Магистерская программа:''' 511656 — «Математические и информационные технологии».
 
{| class = "standard"
{| class = "standard"
Строка 84: Строка 105:
!colSpan=8 |Бакалавриат
!colSpan=8 |Бакалавриат
|-
|-
-
|Прикладная математическая логика
+
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]]
-
|Захаров
+
|[[Участник:Vokov|Воронцов]]
-
|Н
+
|Д
|Э
|Э
|
|
Строка 93: Строка 114:
|
|
|-
|-
-
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]] [http://www.ccas.ru/frc/department/voron.pdf (программа курса)]
+
|[[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)|Автоматизация научных исследований]]
-
|[[Участник:Vokov|Воронцов]]
+
|[[Участник:Strijov|Стрижов]]
-
|Э
+
|Д
-
|Э
+
|
|
|
|
|
Строка 103: Строка 124:
|-
|-
|Семинар по специальности
|Семинар по специальности
-
|все по очереди
+
|все
|–
|–
|
|
Строка 111: Строка 132:
|
|
|-
|-
-
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Численные методы обучения по прецедентам (практикум)]]
+
|Дискретная оптимизация
-
|[[Участник:Strijov|Стрижов]]
+
|Сигал
-
|Д
+
|
-
|Н
+
|Э
-
|Д
+
|
|
|
|
|
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
+
|[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)|Анализ данных в метрических пространствах]]
-
|[[Журавлёв, Юрий Иванович|Журавлёв]]
+
|[[Участник:AIM|Майсурадзе]]
|
|
 +
|Д
|
|
-
|Э
 
|
|
|
|
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
+
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Математические методы прогнозирования]]
-
|[[Рудаков, Константин Владимирович|Рудаков]]
+
|[[Участник:Strijov|Стрижов]]
|
|
|Д
|Д
 +
|Д
 +
|
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/smetanin.pdf Прикладной комбинаторный анализ]
 +
|Сметанин
 +
|
 +
|
|Э
|Э
|
|
Строка 142: Строка 172:
|
|
|
|
-
|Д
+
|Э
|
|
|
|
Строка 158: Строка 188:
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных]
+
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
-
|Моттль
+
|[[Рудаков, Константин Владимирович|Рудаков]]
|
|
|
|
Строка 167: Строка 197:
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/sigal.pdf Дискретная оптимизация]
+
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных]
-
|Сигал
+
|Моттль
|
|
|
|
|
|
|Э
|Э
-
|
+
|Д
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/smetanin.pdf Прикладной комбинаторный анализ]
+
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
-
|Сметанин
+
|[[Журавлёв, Юрий Иванович|Журавлёв]]
|
|
|
|
Строка 194: Строка 224:
|Д
|Д
|-
|-
-
|[http://www.ccas.ru/frc/department/maissuradze.pdf Анализ данных в метрических пространствах]
+
|[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]]
-
|Майсурадзе
+
|[[Участник:Vokov|Воронцов]]
|
|
|
|
Строка 203: Строка 233:
|Э
|Э
|-
|-
-
|[http://www.ccas.ru/frc/department/strijov.pdf Информационное моделирование]
+
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
|[[Участник:Strijov|Стрижов]]
|[[Участник:Strijov|Стрижов]]
|
|
Строка 212: Строка 242:
|Э
|Э
|-
|-
-
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин, 2010)|Биоинформатика]]
+
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
|[[Участник:Tiy|Торшин]]
|[[Участник:Tiy|Торшин]]
|
|
Строка 264: Строка 294:
* Н - недифференцированный зачет
* Н - недифференцированный зачет
-
=== Преподаватели и научные руководители ===
+
== Специализация «Проектирование и организация систем» ==
 +
'''Магистерская программа:''' 010956 «Математические и информационные технологии»
-
'''Профессоры'''
+
'''Руководитель специализации:''' д.т.н., профессор Эрлих Александр Игоревич
-
* [[Журавлёв, Юрий Иванович|Журавлёв Юрий Иванович]], академик РАН
+
-
* [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], член-корреспондент РАН
+
-
* Местецкий Леонид Моисеевич, д.т.н., проф.
+
-
* Моттль Вадим Вячеславович, д.т.н., проф.
+
-
* Сигал Израиль Хаимович, д.ф.-м.н., проф.
+
-
'''Преподаватели'''
+
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).
-
* Сметанин Юрий Геннадиевич, д.ф.-м.н., с.н.с.
+
-
* Лавров Игорь Андреевич, к.ф.-м.н., доц.
+
-
* [[Участник:Vokov|Воронцов Константин Вячеславович]], д.ф.-м.н.
+
-
* [[Участник:Yury Chekhovich|Чехович Юрий Викторович]], к.ф.-м.н.
+
-
* [[Участник:Strijov|Стрижов Вадим Викторович]], к.ф.-м.н.
+
-
* [[Участник:AIM|Майсурадзе Арчил Ивериевич]], к.ф.-м.н.
+
-
=== Контакты ===
+
Все преподаватели специализации являются представителями научной школы академика {{S|Г. С. Поспелова}}.
-
* Вопросы можно задавать в обсуждении этой страницы
+
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.
-
* [[Участник:Vokov|Страница замзава]]
+
-
* [[Служебная:EmailUser/Vokov|Письмо замзаву]]
+
-
* Телефон: +7(499)135-41-63
+
-
 
+
-
=== Литература ===
+
-
'''[[Обзорные статьи на английском языке|Обзорные статьи по специальности]]''', рекомендуемые студентам для изучения на кафедре иностранных языков:
+
-
# A. Jain, P. Duin, and J. Mao. [http://citeseer.ist.psu.edu/284224.html Statistical pattern recognition: A review] // IEEE Transactions on PAMI 22(1), pp. 4-37, 2000.
+
-
# G. Dietterich. [http://citeseer.ist.psu.edu/dietterich97machine.html Machine learning research: Four current directions] // AI Magazine, 18(4):97--136, 1997.
+
-
# S. R. Kulkarni, G. Lugosi, S. S. Venkatesh. [http://www.princeton.edu/~kulkarni/Papers/Journals/j1998_klv_transit.pdf Learning Pattern Classification—A Survey] // IEEE Transactions on Information Theory, Vol. 44, No. 6, October 1998.
+
-
# P. Langley, H. A. Simon. [http://citeseer.ist.psu.edu/langley95applications.html Applications of machine learning and rule induction] // Communications of the ACM. Vol. 38, No. 11, Pp. 54–64, 1995.
+
-
# S. Thrun, C. Faloutsos, T. Mitchell, L. Wasserman. [http://citeseer.ist.psu.edu/547483.html 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.
+
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.
-
 
+
-
Одной из научно-технических основ новых информационных технологий (в технических и гуманитарных областях человеческой деятельности) являются идеи и методы [[искусственный интеллект|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.
+
 +
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.
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 ===
=== Научные направления ===
-
* оптимизация [[сложная система|сложных систем]];
 
* [[искусственный интеллект]];
* [[искусственный интеллект]];
 +
* оптимизация [[сложная система|сложных систем]];
 +
* анализ и распознавание изображений;
 +
* компьютерная лингвистика;
 +
* семантические технологии, Semantic Web;
* методы автоматизации управления и проектирования.
* методы автоматизации управления и проектирования.
=== Учебный план ===
=== Учебный план ===
-
 
-
'''Направление:''' 511600 — «Прикладная математика и физика».
 
-
 
-
'''Магистерская программа:''' 511656 — «Математические и информационные технологии».
 
{| class = "standard"
{| class = "standard"
Строка 336: Строка 335:
!colSpan=8 |Бакалавриат
!colSpan=8 |Бакалавриат
|-
|-
-
|Оптимизация сложных систем
+
|Основы искусственного интеллекта (ИИ) и систем ИИ
|Хорошевский
|Хорошевский
 +
|Д
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Модели и методы искусственного интеллекта
 +
|Матвеев
|Э
|Э
|
|
Строка 345: Строка 353:
|
|
|-
|-
-
|Оптимизация сложных систем
+
|Системы и средства представления знаний
 +
|Хорошевский
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Обработка изображений в системах ИИ
 +
|Матвеев
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Технологии организации данных в интеллектуальных системах
 +
|Дулин
 +
|
 +
|
 +
|Э
 +
|
 +
|
 +
|
 +
|-
 +
!colSpan=8 |Магистратура
 +
|-
 +
|Математические модели и методы управления
|Цурков
|Цурков
|
|
 +
|
 +
|
 +
|—
|Э
|Э
 +
|
 +
|-
 +
|Декомпозиция в оптимизации систем
 +
|Цурков
 +
|
 +
|
 +
|
 +
|—
 +
|Э
 +
|
 +
|-
 +
|Математические модели и методы принятия решений в управлении сложными системами
 +
|Шахнов
 +
|
 +
|
 +
|
|Д
|Д
 +
|—
 +
|Э
 +
|-
 +
|Технология активных баз знаний
 +
|Дулин
|
|
|
|
|
|
 +
|Д
 +
|—
 +
|Э
|-
|-
-
|Методы и средства автоматизации управления и проектирования
+
|Научный семинар по специальности
-
|Хорошевский
+
|все
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
!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 |Бакалавриат
 +
|-
 +
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Теория обучения машин]]
 +
|[[Участник:Vokov|Воронцов]]
 +
|Д
 +
|Э
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|[[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)|Автоматизация научных исследований]]
 +
|[[Участник:Strijov|Стрижов]]
|Д
|Д
|
|
Строка 363: Строка 530:
|
|
|-
|-
-
|Методы и средства автоматизации управления и проектирования
+
|Семинар по специальности
-
|Эрлих, Цурков
+
|все
 +
|–
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Дискретная оптимизация
 +
|Сигал
|
|
-
|—
 
|Э
|Э
 +
|
|
|
|
|
|
|
|-
|-
-
|Искусственный интеллект
+
|[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)|Анализ данных в метрических пространствах]]
-
|Матвеев
+
|[[Участник:AIM|Майсурадзе]]
|
|
|Д
|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
 +
|
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений]
 +
|Местецкий
 +
|
 +
|
|Э
|Э
|
|
Строка 383: Строка 586:
!colSpan=8 |Магистратура
!colSpan=8 |Магистратура
|-
|-
-
|Автоматизация решения системных задач
+
|[http://www.ccas.ru/frc/department/mest2.pdf Анализ и распознавание изображений]
-
|Дулин
+
|Местецкий
 +
|
 +
|
 +
|
 +
|Э
 +
|
 +
|
 +
|-
 +
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
 +
|[[Рудаков, Константин Владимирович|Рудаков]]
|
|
|
|
|
|
|Д
|Д
-
|—
 
|Э
|Э
 +
|
|-
|-
-
|Мат. модели и методы автоматизации планирования и принятия решений
+
|[http://www.ccas.ru/frc/department/mottl.pdf Обработка сигналов и многомерных массивов данных]
-
|Шахнов
+
|Моттль
|
|
|
|
|
|
-
|Э
 
|Э
|Э
|Д
|Д
 +
|
|-
|-
-
|Представление и структуризация знаний
+
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
-
|Дулин
+
|[[Журавлёв, Юрий Иванович|Журавлёв]]
 +
|
|
|
|
|
|
|
-
|Д
 
|Э
|Э
 +
|
 +
|-
 +
|Интеллектуальные системы
 +
|[[Рудаков, Константин Владимирович|Рудаков]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Д
 +
|-
 +
|[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория статистического обучения]]
 +
|[[Участник:Vokov|Воронцов]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Э
 +
|-
 +
|[[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Регрессионный анализ]]
 +
|[[Участник:Strijov|Стрижов]]
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|Э
 +
|-
 +
|[[Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)|Биоинформатика]]
 +
|[[Участник:Tiy|Торшин]]
 +
|
 +
|
 +
|
 +
|
 +
|
|Э
|Э
|-
|-
Строка 451: Строка 699:
* Э - экзамен
* Э - экзамен
* Д - дифференцированный зачет
* Д - дифференцированный зачет
-
* Н - недифференцированный зачет
+
* Н - недифференцированный зачет
== Ссылки ==
== Ссылки ==
-
* [http://www.ccas.ru/frc/departmipt.html Кафедра «Интеллектуальные системы» ФУПМ МФТИ] - 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)]]

Версия 23:43, 25 февраля 2012

   
:: 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 — Федеральное государственное бюджетное учреждение науки Вычислительный центр им. А. А. Дородницына Российской академии наук.

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 (дополнительная базовая организация для магистратуры — ООО «Яндекс»)

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.

Специализация «Интеллектуальный анализ данных»

Магистерская программа: 010990 «Интеллектуальный анализ данных»

Руководитель специализации: чл.-корр. РАН Рудаков Константин Владимирович

Научный руководитель: профессор Нью-Йоркский 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. 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.

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, сплоченная 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. «Форексис» — партнер таких компаний, как Microsoft, Oracle, SAP, Columbus IT Partners и др.

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

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 Д Э
Автоматизация научных исследований Стрижов Д
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
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 Э Д
Методы дискретного анализа в распознавании образов Журавлёв Э
Интеллектуальные системы Рудаков Д
Теория статистического обучения Воронцов Э
Регрессионный анализ 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

Специализация «Проектирование и организация систем»

Магистерская программа: 010956 «Математические и информационные технологии»

Руководитель специализации: д.т.н., профессор Эрлих Александр Игоревич

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 (ИИ) и систем ИИ Хорошевский Д
Модели и методы искусственного интеллекта Матвеев Э
Системы и средства представления знаний Хорошевский Э
Обработка изображений в системах ИИ Матвеев Э
Технологии организации данных в интеллектуальных системах Дулин Э
Магистратура
Математические модели и методы управления Цурков — Э
Декомпозиция в оптимизации систем Цурков — Э
Математические модели и методы принятия решений в управлении сложными системами Шахнов Д — Э
Технология активных баз знаний Дулин Д — Э
Научный семинар по специальности все
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
Бакалавриат
Теория обучения машин Воронцов Д Э
Автоматизация научных исследований Стрижов Д
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
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 Э Д
Методы дискретного анализа в распознавании образов Журавлёв Э
Интеллектуальные системы Рудаков Д
Теория статистического обучения Воронцов Э
Регрессионный анализ 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

Ссылки

Источник — «http://www.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