Консультант(ы):
Ключевые слова:
Тематика проводимого исследования:
Наука о данных, машинное обучение, идентификация систем
Приобретаемые знания:
В ходе прохождения практики студенты углубляют и систематизируют свои познания в теоретических аспектах функционирования алгоритмов машинного обучения и теории принятия статистического решения, методов анализа скрытых закономерностей в данных. Полученный багаж знаний позволит профессионально заняться разработкой новых методов и моделей машинного обучения и анализа данных
Приобретаемые навыки и умения:
Разработка и тестирование скриптов на языке Python, уверенная работа с библиотеками Python и фреймворком PyTorch, уверенное владение Wolfram Mathematica, решение статистических задач на языке R, методология разведочного и структурного анализа данных, формирование и тестирование эффективных датасетов, разработка и тестирование сложных моделей машинного обучения, написание справок, отчетов, статей по результатам проведённых исследований
Необходимый уровень знаний и навыков практиканта для выполнения задания:
Начальный уровень владения теорией и знание принципов функционирования основных алгоритмов машинного обучения, уверенное знание функционального анализа, топологии, дифференциальной геометрии, линейной алгебры, теории оптимизации, теории вероятностей и математической статистики, начальный уровень владения языком программирования Python и основными библиотеками.
Тип проекта:
Дипломная работа
Период практики:
9 месяцев
Краткое описание проекта:
Разработка и исследование новых подходов, методов и алгоритмов машинного обучения, новых структур нейросетевых слоёв, новых нейросетевых архитектур. Разработка новых методов анализа данных с целью выявления скрытых закономерностей.
Результат выполнения проекта:
Отчёт о проведённом исследовании; референсный программный код, реализующий разработанный подход/метод/алгоритм; выступление с докладом на конференции; статья в научном журнале; трудоустройство в ИПУ РАН