ПРАКТИЧЕСКИЕ ЗАДАЧИ ГЛУБОКОГО ОБУЧЕНИЯ В РИСК-МЕНЕДЖМЕНТЕ

Курс позволит студентам освоить глубокие нейронные сети для решения задач широкого профиля: Tabular Nets, Graph Neural Networks, Natural Language Processing, Computer Vision, Reinforcement Learning. Курс содержит в себе разбор этапов для полного процесса работы с нейронными сетями: 1) подготовка данных; 2) разработка и реализации модели; 3) методы и эвристики обучения нейронных сетей; 4) средства и подходы валидации модели. Программа разработана исследователями данных компании ПАО Сбербанк. В рамках курса практическое применение глубоких нейронных сетей будет производиться на типовых задачах риск-менеджмента.

Цель:

Знакомство с современными подходами и моделями нейронных сетей, которые можно применять для решения широкого круга практических задач, в том числе для типовых задач риск-менеджмента.

Задачи:

Познакомить обучающихся с основными парадигмами, математическим аппаратом, моделями и методами, применяемыми в нейронных сетях;

Сформировать у обучающихся набор навыков и умений, которые позволят ему как применять готовые современные модели нейронных сетей для различных задач, так и корректировать их под свои нужды;

Сформировать у студентов базовые компетенции в области инженерии современного программного обеспечения, предназначенного для построения искусственных нейронных сетей;

Начать работу над научно-исследовательскими проектами в области риск-менеджмента.

Язык преподавания: русский, английский.

В результате изучения курса обучающиеся будут знать:

- основные архитектуры глубоких нейронных сетей, применяемых в решении практических задач риск-менеджмента;

- теоретические основы обучения глубоких нейронных сетей;

- большое количество эвристик, сформированных на основе коммерческого и академического опыта;

- принципы применения нейронных сетей в задачах риск-менеджмента с использованием современных библиотек.

На обучение по программе приглашаются бакалавры 3-4 курсов либо магистры 5-6 курсов российских вузов, обучающихся по группам специальностей «Математика», «Физика», «Экономика», «Программирование».

Для освоения содержания дополнительной образовательной программы обучающиеся должны владеть следующими знаниями и компетенциями:

-знание программирования (языки Python и SQL, алгоритмы и структуры данных);

-знание высшей математики (матанализ, линейная алгебра, теория вероятностей, математическая статистика);

-знание английского языка, достаточное для чтения учебной литературы и документации.

Форма организации отбора обучающихся

Вступительное online-тестирование, индивидуальный отбор.

Дата, время проведения и ссылка на вступительное online-тестирование будут направлены на указанный в заявке адрес электронной почты 22.09.2021.

Также мы просим участников отбора предоставить нам следующие документы:

1. Резюме 

- ФИО, дата рождения, место учебы;

- перечень основных курсов в области высшей математики, программирования, прослушанных ранее, а также результаты промежуточной аттестации по данным курсам;

- описание опыта работы в научных лабораториях (стаж, функционал, полученные компетенции);

- перечень научных публикаций (до 5);

- перечень научных конференций и школ, в которых студент принимал участие (до 10);

- результаты участия в соревнованиях по data science (до 10);

- уровень владения английским языком.

2. Мотивационное письмо 

Должно включать ответы на вопросы: почему участнику важно попасть именно на этот образовательный̆ модуль, какие знания и компетенции он планирует развить в результате прохождения обучения.

3. Справка с места обучения или диплом, если вы уже окончили обучение;

4. Сертификаты пройденных курсов/программ (при наличии);

5. Научные публикации, относящиеся к тематике образовательного модуля (при наличии).

20 участников, продемонстрировавших наилучшие результаты и выполнивших общие (технические) требования к заявке, приглашаются на обучение по программе.

ПАО Сбербанк

Программа пройдет в дистанционном формате.
Трехчасовые занятия будут проходить онлайн один раз в неделю, предполагается выполнение домашних заданий.