Тематика курса относится к области обработки данных алгоритмами, содержание которых адаптивно по отношению к наборам обрабатываемых ими данных. В последнее десятилетие данное направление получило существенное развитие. Это связано с несколькими факторами. Во-первых, появились мощные и относительно недорогие системы многоядерных вычислений с использованием графических карт и, позднее, специализированные аппаратные решения для матричных операций (GPU, TPU). В связи с этим стало возможным осуществлять обучение сложных моделей за приемлемое время. Во-вторых, стали доступны большие массивы данных, на которых можно проводить тренировку. В результате удалось добиться серьезных успехов в задачах, связанных, прежде всего, с распознаванием изображений, что вызвало взрывной интерес к теме искусственного интеллекта, рост числа специалистов в этой области и попытки применения разработанных методов в самых разных областях науки и техники, где также был достигнут существенный прогресс. В настоящее время методы машинного обучения нашли свое применение в торговле, логистике, рекламе, недвижимости, экономике и финансах, бухучете, сельском хозяйстве, биотехнологиях, строительстве, образовании, здравоохранении и других областях.
Создание курса преследует следующие цели.
- Систематизировать в основном уже имеющиеся у слушателей знания в области линейной алгебры, теории вероятности, математической статистики и теории информации в их связи с задачами машинного обучения.
- Дать представление о разнообразных методах машинного обучения и степени их применимости для задач разного рода.
- Показать возможности практического применения предлагаемых методов в задачах научного (обработка звуковых сигналов, решение задач медицинской томографии) и прикладного (распознавание изображений и звука, машинный перевод) характера.
Студентам будет полезно иметь представление о рассматриваемых методах машинного обучения, как для их научной работы, так и при будущем трудоустройстве.
