Как и во многих других областях, в основе методов машинного обучения лежат теория вероятностей, математическая статистика и методы оптимизации, также помогает знакомство с некоторыми разделами анализа, алгебры и топологии.
Работа «Matern Gaussian processes on Riemannian manifolds» помогает учить функции, заданные на сложных пространствах, например на поверхности этого дракона
Такой необходимый образовательный фундамент студенты МКН получают от действующих ученых-математиков на первых двух курсах. Параллельно с этим студенты программ «Науки о данных» и «Современное программирование» изучают основы и языки программирования, включая Python и С++, что позволяет им участвовать в выполнении практических проектов, индивидуальных или командных.
Перечислим некоторые из студенческих проектов по машинному обучению весеннего семестра: «Определение объема древесины по видео», «Эмпирический подход к решению задач многошаговой коммуникации на основе обучения с подкреплением», «Подходы к диаризации для распознавания голоса в Яндекс.Облаке». Мы обязательно поделимся с вами подробностями после июньских защит.
Начиная с пятого семестра свободный выбор большинства курсов позволяет полностью погрузиться в машинное обучение:
а) Работа «Matérn Gaussian Processes on Graphs» помогает учить функции на графах. Например, как скорость трафика на графе дорог, при этом давая количественную оценку неопределенности прогнозов. б) Разработанный в работе «Efficiently sampling functions from Gaussian process posteriors» подход позволяет на порядки ускорить вычисления, связанные с некоторыми подходами к обучению с подкреплением.
Отличительной особенностью нашего факультета является успешное использование серьезной математики в прикладных задачах машинного обучения.
Вместе исследователи и инженеры факультета в области индустриальных проектов не только успешно помогают компаниям решать задачи увеличения нефтедобычи и геомоделирования (Газпром Нефть), цветокоррекции, преобразования голоса человека (Huawei) и manifold learning в нейронных сетях, но и выигрывают научные конкурсы (грант РНФ), активно вовлекая в свою работу студентов. Смотрите презентации этих проектов в канале семинара на youtube.
Сотрудники факультета МКН СПбГУ проводят исследования в области машинного обучения совместно с коллегами из лучших университетов мира, в том числе с University College London и Imperial College London. Работы получают самые высокие оценки научного сообщества:
Картинки в статье иллюстрируют результаты этих работ, подробнее можно познакомиться на github 1,2,3.
Получат ли желающие заниматься машинным обучением подходящее образование и возможности на МКН? Ответ, конечно, да.
