НИЯУ МИФИ ПИ ИИиМКП

Мы записали отдельное интервью про программу «Искусственный интеллект и моделирование когнитивных процессов в проектировании и разработке информационных систем» на кафедре 22 «Кибернетика» в ИИКС НИЯУ МИФИ. В этом разговоре я подробно разбираю, что скрывается за аббревиатурой ИИиМКП: от того, как программа встроена в инициативу Топ‑ИИ Минцифры, до роли, которую её выпускники играют в экономике — архитектура систем искусственного интеллекта, работа с агентными и многоагентными платформами, построение реальных интеллектуальных сервисов для страны, муниципалитетов и индустрии. Мы проходим по учебной программе: фундаментальная математика и теория автоматов, курсы по ИИ, когнитивным архитектурам, многоагентным системам, практическим проектам и тем задачам, с которыми студенты сталкиваются в живых проектах. Отдельно говорим о том, какие роли открываются выпускникам и чем эта траектория отличается от других ИИ‑ и ML‑программ. Если вы — абитуриент, родитель или просто человек, которому важно понимать, как в России выращивают архитекторов интеллектуальных систем, — посмотрите интервью и задайте свои вопросы. Видео на Рутуб: https://rutube.ru/video/0bcba4e05a2a9fbabccdf7eaa1b1b917/

Преподаватель нашего направления Тихомирова Катерина Григорьевна выступила на площадке клуба «Валдай» с докладом по этике искусственного интеллекта. Валдай — международный дискуссионный клуб, созданный в 2004 году. Одна из авторитетных площадок, на которой эксперты, политики и учёные со всего мира обсуждают ключевые вопросы международной политики. В центре обсуждения — подмена этических понятий в дискурсе об ИИ и скрытые эстетические категории в моделях. Эти результаты лягут в основу материалов, которые наши студенты будут проходить на занятиях. Подробности — на лекциях и семинарах. Текст новости #Образовательная_программа

Спасибо всем посетившим наше сегодняшнее мероприятие! Надеемся, что вам понравилось) P. S.: Поступаешь не в этом году? — Эти пустые листочки справа ждут именно тебя ❤️ #БудниИИшника

Продолжаем серию постов о наших преподавателях. Сегодня — Ольга Юрьевна Агарева. Ольга Юрьевна Агарева — кандидат физико-математических наук, доцент, выпускница механико-математического факультета МГУ. Её научные интересы лежат в области механики и математического моделирования, общий стаж работы в преподавании и науке составляет более 30 лет. Ольга Юрьевна преподаёт сразу несколько математических дисциплин, о которых мы уже рассказывали в предыдущих постах. Это «Теория случайных процессов», «Теория вероятностей», «Ряды в искусственном интеллекте» и «Дифференциальные уравнения в искусственном интеллекте». Все эти курсы — часть математического фундамента, на котором строится любое серьёзное образование в области ИИ. Ольга Юрьевна ведёт занятия по этим дисциплинам, помогая студентам разобраться в сложных математических понятиях и увидеть их прямую связь с задачами, которые возникают при разработке интеллектуальных систем. #Образовательная_программа

Продолжаем серию постов о наших преподавателях. Сегодня — Евгений Николаевич Лагунцов. Евгений Николаевич Лагунцов имеет практический опыт работы в крупных технологических компаниях, включая российское представительство Hewlett-Packard, где он занимался обработкой данных и цифровыми технологиями. Евгений Николаевич читает курс «Теория информации и протоколы безопасного обмена данными». Это дисциплина про то, как информация измеряется, кодируется, передается и защищается. В рамках курса рассматриваются фундаментальные основы теории информации: понятие энтропии, избыточности, пропускной способности каналов связи. А затем все это переходит в прикладную область — криптографию и сетевые протоколы. Студенты знакомятся с современными алгоритмами шифрования, методами аутентификации, цифровыми подписями и тем, как устроены протоколы безопасной передачи данных в интернете. В ходе курса предусмотрено большое домашнее задание. Оно состоит из ряда практических задач, в которых нужно реализовать алгоритмы шифрования, механизмы передачи данных или какие-либо другие компоненты из пройденного материала. Это позволяет не просто прочитать про то, как работает криптография, а собрать это своими руками и увидеть процесс наглядно. Именно так приходит настоящее понимание — когда теория проверяется кодом. Занятия проходят в формате одной лекции в неделю. Дисциплина является экзаменационной и изучается на 4 семестре. Также Евгений Николаевич будет вести курс «Многоагентные системы» на 5 семестре. Это дисциплина про то, как множество автономных агентов взаимодействуют друг с другом для достижения общей или индивидуальной цели. В рамках курса рассматриваются архитектуры агентов, протоколы коммуникации, механизмы координации и распределенного принятия решений. Занятия строятся по плану: одна лекция и один семинар в неделю. Дисциплина является экзаменационной. Этот курс важен для изучения искусственного интеллекта, потому что любой ИИ-агент, работающий в реальном мире, так или иначе обменивается данными с внешней средой. Будь то взаимодействие с пользователем, обмен информацией между распределенными системами или передача данных с устройств интернета вещей — везде нужна защита. Без понимания теории информации и основ криптографии невозможно строить надежные и безопасные системы. К тому же, многие методы сжатия данных, которые используются в ИИ для работы с большими объемами информации, напрямую вырастают из теории информации. Это тот фундамент, на котором строится безопасная и эффективная коммуникация в цифровом мире. #Образовательная_программа

Серия постов продолжается. Далее — Илья Леонидович Драников. Илья Леонидович — известный специалист в области компьютерной лингвистики и системного анализа. Многие годы он проработал в Яндексе, где участвовал в создании ключевых лингвистических инструментов компании. Среди его разработок — алгоритм снятия омонимии (выбора правильного значения слова в контексте), который до сих пор входит в состав основного лингвистического модуля Яндекса, работающего с 17 языками. Также он разработал алгоритм практической транскрипции для перевода имён собственных с иностранных языков на русский и обратно. Кроме того, он занимался автоматическим анализом поэтических текстов — расстановкой ударений и определением размера стиха, а также решал задачу поиска нечётких дубликатов в веб-документах. Его подходы отличались оригинальностью и высокой точностью, что подтверждается их внедрением в реальные продукты. Илья Леонидович читает для нас две дисциплины. «Кибернетика и теория систем» — это курс про то, как устроены и функционируют сложные системы: от технических до социальных. Кибернетика, если говорить просто, это наука об управлении, связи и переработке информации в любых системах. В рамках курса изучаются принципы обратной связи, саморегуляции и управления в больших структурах. Это не просто теория, а взгляд на системы как на единое целое с их внутренними взаимосвязями. Понимание этих принципов критически важно для построения сложных ИИ-систем, которые должны адаптироваться к изменяющимся условиям и принимать решения в условиях неопределенности. «Математическая лингвистика» — про этот курс мы уже упоминали в посте: https://t.me/MEPHI_PI_II/64, когда говорили о теории автоматов. Напомним, что это дисциплина, которая разрабатывает формальный аппарат для описания строения естественных и искусственных языков. В ней используются идеи и методы алгебры, теории алгоритмов и теории автоматов. Это теоретическая основа, без которой невозможно построение систем обработки естественного языка, машинного перевода и многих других приложений, связанных с текстом. Занятия по обеим дисциплинам проходят в одном формате: две пары в неделю — одна лекция и один семинар, обе дисциплины являются экзаменационными. Эти курсы важны для изучения искусственного интеллекта, потому что они дают системное понимание того, как устроены сложные интеллектуальные системы. Кибернетика и теория систем — это про то, как управлять и координировать работу множества компонентов, что напрямую применимо к архитектуре ИИ-агентов. Математическая лингвистика — про то, как формализовать язык, чтобы машина могла его понимать и обрабатывать. Вместе эти дисциплины формируют фундамент для создания систем, которые не просто считают, а понимают и взаимодействуют с окружающим миром. #Образовательная_программа

Продолжаем серию постов о наших преподавателях. Сегодня — Инна Михайловна Эйсымонт. Инна Михайловна окончила механико-математический факультет МГУ, кандидат физико-математических наук, доцент. Работала в Новосибирском государственном университете на кафедрах высшей математики и теории вероятностей, а с 2012 года преподаёт в Финансовом университете при Правительстве РФ в департаменте анализа данных, принятия решений и финансовых технологий. Она является членом Московского математического общества. Инна Михайловна — автор множества учебных пособий и сборников задач, в том числе по теории вероятностей и математической статистике, а также соавтор известного «Сборника задач и упражнений по теории вероятностей». Инна Михайловна читает три дисциплины. «Ряды в искусственном интеллекте» — курс про то, как работают бесконечные суммы и последовательности, которые лежат в основе многих вычислительных методов. В машинном обучении без рядов никуда: разложение функций в ряды используется при аппроксимации сложных зависимостей, а сходимость рядов напрямую связана с тем, сойдётся ли ваш алгоритм или будет расходиться. Это про то, как гарантировать, что модель обучается стабильно. Курс проходится половину 3 семетра в режиме одной лекции и двух семинаров в неделю. Дисциплина является зачетной. «Дифференциальные уравнения в искусственном интеллекте» — здесь речь про то, как описывать процессы, которые меняются во времени. Дифференциальные уравнения нужны для моделирования динамических систем: от физических процессов до распространения сигналов в нейросетях. Многие современные подходы, включая нейронные ОДУ (Neural ODE), используют этот математический аппарат для построения непрерывных моделей. Курс проходится половину 3 семетра в режиме одной лекции и двух семинаров в неделю. Дисциплина является зачетной. «Линейная алгебра и вычислительные модели» — про этот курс мы уже рассказывали в прошлых постах. Напоминаем: https://t.me/MEPHI_PI_II/64 Эти курсы важны для изучения искусственного интеллекта, потому что они формируют математический фундамент. ИИ — это прежде всего математика, и без понимания рядов, дифференциальных уравнений и линейной алгебры вы не сможете понять, как работают нейросети изнутри. Это не просто теория — это инструменты, которые вы будете использовать каждый день при разработке, настройке и отладке моделей. #Образовательная_программа

Сегодня будем говорить про Сергея Львовича Семакова. Сергей Львович Семаков — доктор физико-математических наук, профессор, специалист мирового уровня в области теории вероятностей и случайных процессов. За его плечами — многолетний опыт преподавания на механико-математическом факультете МГУ, где он читал курсы по теории вероятностей, случайным процессам и теории управления. Он автор собственных учебных пособий и книг, по которым уже не одно поколение студентов осваивало этот непростой материал. Его научные работы находили практическое применение, в том числе в авиации — при решении задач обеспечения безопасности полëтов. Сергей Львович преподает три дисциплины: «Математический анализ в искусственном интеллекте», «Теория вероятностей и математическая статистика» и «Теория случайных процессов». Математический анализ — база, которая объясняет, как работают алгоритмы оптимизации. Любая нейросеть обучается за счëт того, что ищет минимум функции потерь, а для этого нужно понимать градиенты, производные, пределы и сходимость. Без этого невозможно разобраться, почему модель учится и как её правильно настраивать. Занятия строятся по плану: одна лекция и один семинар в неделю. «Математический анализ в ИИ» читается в первом и втором семестрах и является экзаменационной дисциплиной. Теория вероятностей и математическая статистика — это язык неопределëнности. Системы искусственного интеллекта почти всегда работают с данными, которые содержат шум, ошибки, пропуски. Вероятностные модели позволяют не просто делать предсказания, а оценивать их достоверность, строить доверительные интервалы и работать с байесовским выводом. К тому же, многие современные генеративные модели, включая те, что генерируют текст и изображения, основаны на вероятностных принципах. Занятия строятся по плану: одна лекция и один семинар в неделю. Дисциплина читается на третьем семестре и является экзаменационной. Теория случайных процессов охватывает ещë больше. Она нужна для всего, что связано со временем: прогнозирование финансовых временных рядов, анализ траекторий движения, обработка сигналов, распознавание речи, моделирование поведения динамических систем, а особенно — в машинном обучении с подкреплением. Случайные процессы описывают то, как изменяются величины во времени с учëтом случайных факторов, и это критически важно для систем, которые принимают решения в режиме реального времени. Занятия строятся по плану: одна лекция и один семинар в неделю. Дисциплина читается на четвёртом семестре и является экзаменационной. Эти три курса вместе формируют ту математическую основу, без которой невозможно стать настоящим инженером в области ИИ. Это не абстрактная наука, а рабочий инструмент, который применяется ежедневно при разработке, обучении и отладке моделей. #Образовательная_программа

На очереди у нас Екатерина Григорьевна Тихомирова Екатерина Григорьевна Тихомирова — доктор философских наук, профессор кафедры философии, онтологии и теории познания, автор специальных курсов для студентов технических направлений. Ранее она разработала гуманитарный блок специально для нашей программы «Искусственный интеллект и моделирование когнитивных процессов», полностью пересмотрев подход к преподаванию философии для будущих разработчиков ИИ. Екатерина Григорьевна читает две дисциплины: «Философия искусственного интеллекта» и «Антропология искусственного интеллекта». Это не обычные философские курсы — они напрямую связаны с тем, чем занимаются разработчики ИИ. В рамках этих дисциплин рассматриваются философские и этические проблемы, которые возникают при создании и использовании искусственного интеллекта: вопросы ответственности, границ человеческого, культурных и моральных норм, влияния технологий на общество и личность. Студенты разбираются с тем, как ИИ трансформирует отношения человека с миром, с другими людьми и с самим собой. На курсе «Антропология искусственного интеллекта» студенты пишут собственную научную статью по тематике курса. Это дает возможность не просто изучить материал, но и получить первую публикацию.  Занятия строятся по плану: одна лекция и один семинар в неделю. «Философия искусственного интеллекта» изучается на 1 семестре и является зачетной, а «Антропология искусственного интеллекта» становится ее логическим продолжением во 2 семестре и является экзаменационной. Также Екатерина Григорьевна будет вести курс «Нейролингвистика» на 5 семестре. Это экзаменационная дисциплина, которая изучает мозговые механизмы, лежащие в основе языка и речи. В рамках курса рассматривается, как мозг обрабатывает звуки, слова, предложения и смысл, какие зоны коры отвечают за разные аспекты речи и что происходит, когда эти зоны повреждаются. Студенты знакомятся с классическими работами по афазиям, с современными методами исследования мозга и с тем, как устроен наш внутренний лексикон — то, как слова хранятся и извлекаются из памяти. Курс тесно связан с когнитивной наукой и показывает, как языковая способность человека связана с мышлением, восприятием и памятью. Эти дисциплины важны для изучения искусственного интеллекта, потому что ИИ — это не только математика и программирование. Разработчик, который создает системы, способные принимать решения и взаимодействовать с людьми, должен понимать этические границы и социальные последствия своей работы . Без философского осмысления технология остается просто инструментом, а с ним — становится осознанным и ответственным процессом. #Образовательная_программа

Сегодня говорим про Романа Викторовича Душкина — руководителя нашей программы и преподавателя нескольких дисциплин. Роман Викторович Душкин — генеральный директор ИТ-компании «А-Я эксперт», которая специализируется на разработке систем искусственного интеллекта. Помимо этого, он является профессором МНИИПУ, занимается научными исследованиями в области гибридных интеллектуальных систем и работает над созданием когнитивных архитектур для сильного ИИ. Его опыт — не просто управление бизнесом, а глубокая экспертиза в системном анализе и разработке ИИ-решений для разных отраслей: от транспортных систем до поддержки принятия решений в МЧС. Роман Викторович будет преподавать несколько дисциплин: Курсы «Функциональное программирование» и «Логическое программирование» знакомят с совершенно иными подходами к написанию кода, нежели привычные императивные языки. В первом случае студенты осваивают Haskell — язык, где важны чистые функции и отсутствие побочных эффектов. Во втором — Prolog, основанный на формальной логике и правилах вывода. Каждый из этих курсов включает пять лабораторных работ, которые позволяют последовательно отработать все ключевые конструкции языка и понять, как решать задачи, используя декларативный подход. Занятия строятся по плану: одна лекция и один семинар в неделю, дисциплины являются зачётными и изучаются на 4 семестре. Дисциплина «Теория автоматов»  относится к числу фундаментальных в компьютерных науках и изучает математические модели преобразователей дискретной информации, такие как конечные автоматы, формальные языки и машины Тьюринга. Занятия строятся по плану: одна лекция и один семинар в неделю, дисциплина является экзаменационной и изучается на 3 семестре, а после имеет продолжение в рамках курса Математическая лингвистика на 4 семестре. В рамках курса «Математическая лингвистика» студенты знакомятся с иерархией Хомского, регулярными выражениями и грамматиками, учатся проектировать цифровые автоматы и анализировать их поведение, а после переходят к статистическому и нейросетевому подходу для обработки естественного языка. Это теоретический аппарат, который лежит в основе многих практических задач — от разработки компиляторов до построения распознающих алгоритмов. Но про её преподавателя мы расскажем позже :) Курс «Эволюционное программирование и генетические алгоритмы» посвящён методам, которые имитируют процессы естественного отбора для решения сложных задач. Вместо того чтобы искать решение напрямую, эволюционные алгоритмы работают с популяцией возможных вариантов, скрещивают их, мутируют и отбирают лучших по заданному критерию. Такой подход особенно эффективен там, где классические методы оптимизации пасуют: задачи с большим пространством поиска, многоэкстремальные функции или задачи, для которых нет аналитического решения. В рамках курса студенты изучают генетические алгоритмы, эволюционные стратегии и генетическое программирование, учатся применять их для оптимизации нейронных сетей, настройки параметров моделей и решения задач автоматического проектирования. Занятия строятся по плану: одна лекция и один семинар в неделю, дисциплина является экзаменационной и изучается на 5 семестре. Эти курсы важны для изучения искусственного интеллекта, потому что они формируют мышление, необходимое для создания действительно интеллектуальных агентов. ИИ — это не только нейросети. Функциональное и логическое программирование лежат в основе систем, в рамках которых требуется формальный вывод и строгое доказательство свойств, что критично для экспертных систем и верификации алгоритмов. #Образовательная_программа

Продолжаем серию постов про наших преподавателей. Сегодня поговорим про Игоря Вячеславович Седых. Игорь Вячеславович Седых — окончил механико-математический факультет МГУ по специализации «IT, компьютерное и графическое моделирование» и имеет большой опыт работы с различными программными продуктами и языками программирования. По отзывам, он умеет понятно и интересно объяснять даже сложный материал, а его занятия всегда проходят в дружелюбной атмосфере. Он будет вести несколько дисциплин. Курс «Информатика-1 (C)» дает базовые навыки программирования на языке C. На нëм изучаются синтаксис языка, работа с памятью, основы написания эффективного кода — всё то, без чего невозможно профессиональное программирование. Дисциплина читается студентам первого семестра. Курс «Информатика-2 (полиморфные абстрактные типы данных)» посвящëн изучению структур данных и принципов объектно-ориентированного программирования. Студенты разбираются с тем, как создавать гибкие и переиспользуемые компоненты программ, используя механизмы полиморфизма и абстракции. Эта дисциплина — логичное продолжение курса «Информатика-1». Две другие дисциплины — «Аналитическая геометрия и компьютерная графика» и «Линейная алгебра и вычислительные модели». На первый взгляд это классические математические курсы, но у нас они тесно переплетены с программированием. Теория здесь не существует сама по себе: все векторы, матрицы, преобразования плоскостей и пространств сразу находят практическое применение. В ходе лабораторных работ студенты пишут собственный 3D-движок, погружаются в основы квантовых вычислений и программируют перцептрон. Обычные операции с векторами и матрицами, которые проходят на лекциях, тут же используются для построения трëхмерных сцен, обучения простых моделей и решения вычислительных задач. Математика перестаëт быть абстракцией и становится рабочим инструментом. По каждому из этих предметов занятия построены одинаково: одна лекция и один семинар в неделю. В конце семестра по всем дисциплинам предусмотрен экзамен. Эти курсы важны для изучения искусственного интеллекта, потому что они закладывают фундамент. Без понимания аналитической геометрии и линейной алгебры невозможно разобраться в том, как работают нейросети — все преобразования данных в них это операции с векторами и матрицами. Написание 3D-движка даëт понимание того, как компьютер работает с пространством, что критично для компьютерного зрения и робототехники. А перцептрон — это простейшая нейронная сеть, и его реализация с нуля позволяет увидеть, как математические абстракции превращаются в работающий код. Эти дисциплины — не просто теория, а прямой путь к пониманию того, как работает ИИ изнутри. #Образовательная_программа

Мы запускаем серию постов, рассказывающих про наших преподавателей и дисциплины, которые они преподают. Первый на очереди - Алексей Алексеевич Кузьмин. Алексей Алексеевич Кузьмин - наш преподаватель и генеральный директор компании «Экосистемные цифровые решения», которая занимается разработкой ИТ-продуктов и внедрением цифровых технологий в бизнес-процессы. В прошлом году его компания участвовала в нескольких крупных отраслевых мероприятиях, где представляла свои решения для автоматизации и работы с данными. Это человек, который ежедневно управляет командой разработчиков и отвечает за реальные проекты. Первый курс, который он преподает — «Теория игр». Это математический аппарат, который используется для описания ситуаций, где несколько участников принимают решения, влияющие друг на друга. Занятия строятся по плану: одна неделя — лекция, следующая — семинар, и так на протяжении всего курса. В рамках дисциплины необходимо выполнить большое домашнее задание, которое заключается в отработке методов решения различных типов игр: от матричных до позиционных. Это позволяет закрепить теорию на конкретных задачах и научиться применять математический аппарат на практике. Дисциплина преподается на втором курсе и является зачетной. Второй курс — «Генеративный искусственный интеллект». В рамках него рассматриваются все основные типы генеративных моделей: нейросети для создания изображений, текстовые модели с механизмом внимания, генераторы видео и технологии создания AI-аватаров.  Структура аналогичная: неделя лекций чередуется с неделей семинаров. Большое домашнее задание здесь устроено иначе — нужно с помощью промптинга разработать компьютерную игру. Работа ведется поэтапно: от пояснительной записки и постановки задачи до готового продукта и методички по его использованию. Дисциплина преподается на втором курсе и является экзаменационной. Третий курс — «Методы оптимизации». Этот курс рассказывает про то, как искать наилучшие решения среди множества возможных. В машинном обучении без этого никуда: обучение любой модели — это по сути оптимизационная задача, где нужно найти такие параметры, при которых ошибка минимальна. В рамках курса рассматриваются градиентные методы, метод Ньютона и их модификации, методы решения задач условной и безусловной оптимизации. Студенты учатся не просто применять готовые алгоритмы, а понимать, почему один метод работает быстрее другого и в каких случаях какой подход выбирать. Структура курса: одна лекция и один семинар в неделю. Дисциплина является экзаменационной и преподается на 5 и 6 семестре. Эти дисциплины важны для изучения искусственного интеллекта, потому что они закрывают две ключевые области. Теория игр нужна для понимания того, как ИИ-агенты взаимодействуют между собой и с окружающей средой, особенно когда их интересы не совпадают. Генеративный ИИ, в свою очередь, — это та технология, которая прямо сейчас определяет развитие всей сферы: от творческих задач до индустриальных применений. А методы оптимизации — это то, на чем держится обучение любых моделей, без них не работает ни один современный алгоритм. Вместе они дают представление о том, как строятся адаптивные и интеллектуальные системы. #Образовательная_программа

Студенты нашего направления вышли в региональный финал международного конкурса GCD4F Поздравляем: - Ванин Дмитрий Михайлович; @wildcardimitry; Б24-527 - Тулюсин Вячеслав Владимирович; @Sl_Syrnik; Б24-517 - Плотников Андрей Дмитриевич; @corginer; Б25-507 Команда рассказала подробности #Поток2024 #Поток2025