Современная математическая экономика: моделирование, прогноз и машинное обучение

В рамках образовательной программы предполагается провести обучение по актуальным направлениям развития искусственного интеллекта, методов машинного обучения, анализа Больших данных и эконометрической инференции.

Рассматриваются следующие наиболее востребованные в настоящее время направления искусственного интеллекта:

• объяснимый ИИ (Explainable AI ). Методы и техники использования ИИ, которые позволяют объяснить полученные от ИИ результаты живым экспертам. Противопоставляется концепции “ИИ как черный ящик”, когда нельзя понять сути используемых алгоритмов и найденных взаимосвязей
• генеративный ИИ (generative AI) относится к программам, которые могут использовать существующий контент, такой как текст, аудиофайлы или изображения, для создания нового правдоподобного контента. Для этого существуют различные методы, такие как генеративные состязательные сети (GANS), преобразователи и вариационные автокодеры.
• дополненный искусственный интеллект (augmented Intelligence), который помогает человеку, а не заменяет его в процессах принятия решений. Противопоставляется общему термину “Искусственный Интеллект” в качестве собирательного термина для “Интеллект Человека + ИИ”
• эмоциональный ИИ (Emotion AI)  , который распознает человеческие эмоции 
• ответственный ИИ  (Responsible AI) ориентирован на обеспечение этичного, прозрачного и подотчетного использования технологий ИИ в соответствии с ожидания пользователей, организационными ценностями и социальными законами и нормами. Ответственный ИИ гарантирует, что автоматизированные решения оправданы и объяснимы, и помогают поддерживать доверие пользователей и конфиденциальность личности.

Также рассматриваются постановки задач для моделирования процессов в динамических системах, соответствующих переходным процессам и циклам – задача Коши и поиск периодических решений. Проводится последовательное уточнение и усложнение моделей разнообразных динамических систем – линейные, квазилинейные, существенно нелинейные модели; от одной степени свободы к конечному и счетному числу степеней свободы; консервативные и диссипативные системы с линейной и нелинейной диссипацией и т.д.

В программе рассматриваются задачи регрессии, классификации, кластеризации, а также обучения с подкреплением, изучаются нейросетевые алгоритмы, в том числе особенности настройки многослойных нейронных сетей (глубокое обучение). Дается теоретический обзор основных алгоритмов, показывается демонстрация запуска основных алгоритмов на языке python. Основной акцент сделан на теоретических основах, лежащих в основе каждого метода.

Планируется дать молодым исследователям общее представление о текущем состоянии развития искусственного интеллекта, методов машинного обучения и анализа Больших данных, которые впоследствии могут им пригодиться в научной работе - прежде всего в аналитике данных, - но также и в компьютерных и естественных науках. Обучающимся будут предложены несколько проектов по машинному обучению, моделированию нелинейных динамических систем и анализу Больших данных, предполагающие использование различных программных пакетов.

В качестве слушателей приглашаются студенты старших курсов бакалавриата или специалитета, студенты магистратуры, обучающиеся по математическим направлениям подготовки, аспиранты математических специальностей.

К заявке необходимо приложить:

• резюме, содержащее информацию о ФИО, дате рождения, месте учебы, уровне владения английским языком (при наличии приложите сертификат), а также перечень научных публикаций, перечень научных конференций и школ, в которых принималось участие;
• справку с места обучения, полученную не ранее, чем за 3 месяца до начала программы. 

Лев Петров, РЭУ им. Г.В. Плеханова

Никита Моисеев, РЭУ им. Г.В. Плеханова

Виктор Китов, МГУ им. М.В. Ломоносова

Алексей Аверкин, РЭУ им. Г.В. Плеханова

Ирина Киселева, РЭУ им. Г.В. Плеханова

Ирина Китова, London Imperial College

Всем, кто прошел конкурсный отбор и был приглашен на программу, необходимо получить и отправить на почту smc@sochisirius.ru скан-копию одного из следующих документов:

• Сертификат о вакцинации или справка о прохождении первого этапа вакцинации. В случае противопоказаний к вакцинации необходимо иметь в наличии справку о медицинском отводе и отрицательный результат ПЦР-теста (полученный не ранее, чем за три календарных дня до заселения);
• Отрицательный результат ПЦР-теста (полученный не ранее, чем за три календарных дня до заселения) и обязательно - добровольное согласие на прохождение вакцинации в течение трех дней со дня заселения. Обратиться в прививочный пункт необходимо самостоятельно;
• Медицинский документ или сертификат о перенесенном заболевании из личного кабинета портала Госуслуг – для лиц, со дня выздоровления которых прошло не более 6 месяцев до заселения.

По приезде в университет участникам следует предоставить оригинал одного из указанных документов во время регистрации.

Научно-технологический университет «Сириус» обеспечивает для слушателей проезд по России, двухразовое питание и проживание.