help@sochisirius.ru
5-18 июля 2021

Летняя школа Российской ассоциации искусственного интеллекта - RAAI Summer School

Прием заявок для участия в конкурсном отборе открыт до 11 мая  2021 года

По вопросам участия в программе просим обращаться по адресу students@sochisirius.ru

Участники и порядок отбора

Образовательный модуль предназначен для студентов старших курсов бакалавриата, магистратуры и аспирантов, знакомых с основами машинного обучение, теории графов, математической статистики, теории оптимизации и владеющих навыками программирования на языках высокого уровня.

Тематика образовательного модуля соответствует следующим укрупненным группам специальностей:
01.00.00 Математика и механика
02.00.00 Компьютерные и информационные науки
09.00.00 Информатика и вычислительная техника
27.00.00 Управление в технических системах

Форма организации отбора участников

Школа будет состоять из общей лекционной части и нескольких различных практических направлений. При подачи заявки будет возможность указать наиболее интересные направления.

Заявка (обязательная часть, оценивается от 0 до 30 баллов) включает:

- мотивационное письмо (почему вам интересен искусственный интеллект, как он связан с вашей будущей работой\исследованиями);

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

- перечень научных публикаций;

- перечень научных конференций и школ, в которых студент принимал участие;

- описание реализованных программных проектов (ссылки на репозитории приветствуются);

- расположите направления в порядке убывания:
1 - наиболее интересное, 6 - наименее интересное:
1. Обучение с подкреплением
2. Планирование поведения в робототехнике
3. Логика в искусственном интеллекте
4. Глубокое обучение в компьютерном зрении
5. Нейросетевой анализ естественного языка
6. Нейроморфные вычисления

- файл с резюме (фотография, контакты, образование, научные интересы).

Тестовое задание (не обязательная часть, от 0 до 15 баллов)

Тестовые задания будут отправлены зарегистрировавшимся участникам весной и на их выполненные будет дано ограниченное время (один день). Решения нужно будет отправлять, либо загружая скан решения задач (фото) в формате PDF, либо отправляя ответы на Яндекс.Контест.

Научное исследование (не обязательная часть, оценивается от 0 до 15 баллов) включает:

- описание научного исследования (это могут быть ваши результаты в рамках бакалаврского или магистерского диплома);

 - постер с кратким изложением сути исследования и графическим оформлением.

Участники отбираются на конкурсной основе по результатам поданных заявлений. Отбор участников осуществляется коллегиально представителями всех направлений. Квоты на направления в окончательном варианте будут сформированы исходя из обработки потока заявок участников. В рамках программы школы предполагается возможность пройти дополнительные тестовые задания для перераспределения по направлениям.

Справку с места обучения;

Сертификаты пройденных курсов/программ (при наличии);

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

О программе

Образовательный модуль представляет собой шестую школу в серии школ, проводимых Российской ассоциацией искусственного интеллекта (крупнейшей общественной академической организацией в России (и на территории бывшего СССР) в области искусственного интеллекта). Она продолжает традиции международных браславских школ по искусственному интеллекту, проведенных в конце XX-го – начале XXI-го века. Образовательный модуль состоит из 5 направлений. В рамках такого сотрудничества ожидается знакомство обучающихся с современными методами обучения с подкреплением, планирования поведения, компьютерного зрения и интеллектуальных динамических систем. Планируется получение обучающимися практических навыков в области робототехники, анализа естественного языка, нейросетевых моделей.

По каждому направлению будут обязательные для всех обучающихся лекции. В каждое направление будет входить ряд практических семинаров, в основном связанных с программированием предложенных методов и алгоритмов. После курса лекций обучающимся будет нужно объединиться в команды по 4-5 человек и выбрать один из проектов, которые будут им предложены (по несколько проектов от каждого направления). При распределении по проектам будут учитываться достижения участников, как указанные при составлении заявки, так и сформированные после первой недели пребывания в Сириусе.

Цели и задачи:

Познакомить участников с современными фундаментальными методами искусственного интеллекта и его приложениями с междисциплинарных позиций. Представить примеры практических задач, в которых требуется применение новых методов и алгоритмов. Вовлечь студентов в научную деятельность. Обеспечить обмен знаниями и опытом в рамках образовательных лекций, семинаров и практических занятий.

Организатор программы

Ненашев
Анатолий Сергеевич

Руководитель центра информационных технологий и искусственного интеллекта АНО ВО "Университет "Сириус", кандидат физико-математических наук

Преподаватели

Стефанюк
Вадим Львович

Г.н.с. ИПИИ РАН, д.т.н., профессор Область исследований: Обучения и координация действия в мультиагентных системах, обучение автоматов, основанные на знаниях экспертные системы, вопросы человеко-машинного взаимодействия.

Кузнецов
Олег Петрович

Г.н.с. ИПУ РАН, д.т.н, профессор. Область исследований: Динамические графовые модели, теория автоматов, формальные языки. Графовые и семантические методы поддержки принятия решений. Последние исследования посвящены сотрудничеству с нейробиологами и разработке новых моделей биологических нейронов.

Михеенкова
Мария Анатольевна

Г.н.с. ФИЦ ИУ РАН, д.т.н. Область исследований: Логический искусственный интеллект, автоматизированная поддержка научных исследований в гуманитарных областях, формализация познавательных процедур, интеллектуальный анализ данных, принципы и логические средства формализованного качественного анализа социологических данных, интеллектуальные системы автоматизированной поддержки научных исследований в гуманитарных областях

Ковалев
Сергей Михайлович

Профессор РУПС, д.т.н., профессор Область исследований: Интеллектуальные системы управления в железнодорожном транспорте. Разработка баз знаний и экспертных систем, создание баз знаний методами машинного обучения. Анализ стохастических процессов.

Тарасов
Валерий Борисович

Доцент МГТУ им. Н.Э. Баумана, к.т.н. Область исследований: Мультиагентные системы, логические методы в искусственном интеллекте, моделирование рассуждений. Нечеткие и гранулярные вычисления. Приложения методов ИИ в сенсорных сетях, промышленных системах управления, в железнодорожном транспорте. Психологические и эргономические аспекты искусственного интеллекта.

Панов
Александр Игоревич

Зав. отделом ФИЦ ИУ РАН, к.ф-м.н., доцент В область научных интересов входят общий искусственный интеллект, обучение с подкреплением, планирование поведения, когнитивные системы управления робототехническими платформами, теория знаковой картины мира. Среди последних научных результатов: новый метод иерархического обучения с подкреплением, механизм забывания в обучении с подкреплением на основе демонстраций (1-е место в команде на соревновании MineRL NeurIPS 2019), знаковый метод планирования поведения в группе агентов, высокоразмерные векторные представления для задачи ответов на вопросы по изображениям. Член научного совета Российской ассоциации искусственного интеллекта.

Яковлев
Константин Сергеевич

В.н.с. ФИЦ ИУ РАН, к.ф.-м.н. Область исследований: Интеллектуальная робототехника, геометрические методы в робототехнике. Планирование траектории, компьютерное зрение, мультиагентные системы.

Юдин
Дмитрий Александрович

Зав. лабораторией МФТИ, к.т.н. Область исследований: техническое зрение, искусственный интеллект, глубокое обучение, робототехника.

Базенков
Николай Ильич

С.н.с. ИПУ РАН, к.ф.-м.н. Область исследований: Приложения теории игр в мультиагентных системах. Моделирование биологических нейронных сетей. Обучение с подкреплением, использование моделей биологических нейронов в машинном обучении.

Суворова
Алена Владимировна

Доцент НИУ ВШЭ, к.ф.-м.н. Область исследований: Вероятностные модели в искусственном интеллекте, байесовские сети. Анализ социальных сетей, моделирование поведения пользователей и его приложения в информационной безопасности.

Королева
Мария Николаевна

Доцент МГТУ им. Баумана, к.т.н. Область исследований: Интеллектуальные датчики, когнитивные измерения. Применение нечетких, и гранулярных вычислений в системах сбора данных и мониторинга. Логические методы искусственного интеллекта.

Сорокин
Алексей Андреевич

Доцент МГУ, МФТИ, к.ф.-м.н. Область исследований: Обработка естественного языка (NLP) и компьютерная лингвистика. Основные интересы в компьютерной лингвистике включают компьютерную морфологию (автоматический морфологический анализ, словоизменение и деление на морфемы) и синтаксис, а также автоматическое исправление опечаток и грамматических ошибок. Нейросетевые методы в компьютерной лингвистике, их адаптация под конкретный язык (прежде всего русский) и предметную область, а также применение в NLP знаний из теоретической лингвистики. Применение NLP в образовательных технологиях, например, для автоматической проверки работ учащихся. Занимался математической теорией формальных языков и категориальными грамматиками.

Белкин
Илья Валерьевич

Стажер МФТИ, инженер ООО «Интегрант» Область исследований: Анализ быстрых методов семантической сегментации дорожной сцены на изображениях из салона автомобиля.

Surynek
Pavel

Аssociate professor in Czech Technical University, Doc. RNDr., Ph.D. Основная область исследований: мультиагентный поиск пути, проблемы выполнимости (SAT) и выполнимости в теориях (satisfiability modulo theories - SMT), эвристический поиск, планирование движения, задачи программирования в ограничениях (CSP), робототехника. К сфере научных интересов также относятся вычислительная сложность и разработка алгоритмов, теория игр, вычислительная геометрия, компьютерная графика и физика.

Likhachev
Maxim

Аssociate professor in Carnegie Melon University, Ph.D. К основной области научных интересов относятся искусственный интеллект и робототехника. Конкретные направления исследований включают планирование в пространствах высокой размерности с неопределенностью и в реальном времени, обучение стратегиям планирования, автоматическая генерация компактных представлений задач планирования. Для решения этих задач разрабатываются новые алгоритмы эффективного поиска в больших графах для планирования в реальном времени и методы компактного графового представления задач планирования. Разрабатываемые методы используются в разнообразных роботах: мобильных манипуляторах, беспилотных летательных аппаратах, гуманоидных роботах и др.

Daniel
Kudenko

Research group leader at the L3S Research Center, Leibniz University Hannover, Germany The research interests include machine (specifically reinforcement) learning, multi-agent systems, and user modeling. Within these areas, he published more than 140 peer-reviewed papers with an h-index of 31, and co-edited three Springer books. His research has been funded amongst others by Horizon 2020, EPSRC, BBSRC, and InnovateUK. He has served as area chair at the AAMAS conference and as Senior Program Committee member of AAMAS and IJCAI on several occasions.

Колобов
Андрей

Ph.D. Principal researcher, Reinforcement Learning group, Microsoft Research - Redmond. Основные области интересов: планирование, обучение с подкреплением, имитационное обучение, а также методы обучения векторных представлений для повышения эффективности этих подходов. Применение методов автономного принятия решений в робототехнике и компьютерных системах (веб-краулинг, кэширование, распределение ресурсов).

Условия участия

Всем, кто прошел конкурсный отбор и был приглашен на программу, необходимо получить и отправить на почту oumr.university@talantiuspeh.ru скан-копии:

1) справки о санитарно-эпидемиологическом окружении, полученной не ранее чем за 3 дня до выезда в Университет;

2) справки с отрицательным результатом тестирования методом ПЦР на новую коронавирусную инфекцию COVID-19, полученной не ранее чем за 3 дня до выезда в Университет.

По приезде в Университет участникам образовательного модуля следует предоставить оригиналы указанных документов (справки и результата теста) во время регистрации участников.

Научно-технологический университет «Сириус» обеспечивает проживание, проезд / перелет по территории РФ и питание для участников программы.

Плата за обучение на программе не взимается.

К участию в программе допускаются только граждане РФ.

Партнеры

Образовательные организации высшего образования:
Московский физико-технический институт

Научные организации:
ФИЦ Информатика и управление РАН

Высокотехнологичные компании:
НКБ ВС, AimTech

Образовательный Фонд "Талант и успех"

Подать заявку
© 2015–2021 Фонд «Талант и успех»
Нашли ошибку на сайте? Нажмите Ctrl(Cmd) + Enter. Спасибо!