Искусственный интеллект и машинное обучение
1.2.1. На русском языке
Уровень обучения Аспирантура
Форма обучения Очная
Продолжительность обучения 3 года
Группа научных специальностей Компьютерные науки и информатика
В рамках научной специальности обучающийся может выбрать одну из двух программ:
Искусственный интеллект и машинное обучение (математика и механика)
Комплексная и высококачественная подготовка научных и научно-педагогических кадров в области естественно-научных основ и методов искусственного интеллекта; оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения; методов и алгоритмов моделирования мыслительных процессов; рассуждений, аргументации, распознавания и классификации, формирования понятий, обработки и анализа текстов на естественном языке, для изображений, речи, биомедицины и других специальных видов данных; совместного применения методов машинного обучения и классического математического моделирования, методов и средств использования экспертных знаний; формализации и постановки задач управления и (поддержки) принятия решений на основе систем искусственного интеллекта и машинного обучения; методов и средств взаимодействия систем искусственного интеллекта с другими системами и человеком-оператором; создания многоагентных систем и распределенного ИИ; методов параллельных и квантовых вычислений; этических проблем, связанных с созданием и внедрением ИИ-систем, «сильного ИИ»; создания проблемно-ориентированных коллекций данных для важных прикладных областей; методов и средств формирования массивов условно-реальных данных и прецедентов. Математические исследования в области различных областей математики, ориентированные на решение задач искусственного интеллекта и машинного обучения, включая специальные методы оптимизации, проблем сложности и элиминации перебора, снижения размерности. Исследования в области многослойных алгоритмических конструкций.
Искусственный интеллект и машинное обучение (прикладная математика, процессы управления)
Комплексная подготовка научных и научно-педагогических кадров в области искусственного интеллекта и его приложений в различных естественно-научных и технических областях. Разработка алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения, включая бортовые системы реального времени сложных технических объектов, разработка процедурных компонент для систем поддержки принятия решений в условиях неполной, нечеткой и недостоверной информации. Разработка специализированного математического, алгоритмического и программного обеспечения систем искусственного интеллекта и машинного обучения. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе — эмпирических, в системах искусственного интеллекта. Исследования в области совместного применения методов машинного обучения и классического математического моделирования. Методы и средства использования экспертных знаний. Разработка систем распознавания, классификации, кластеризации сценариев, ситуаций, а также изображений, речи, и других биометрических компонент. Методы и алгоритмы моделирования мыслительных процессов: рассуждений, аргументации, формирования понятий. Исследования в области нейроморфных методов анализа данных, имитационное моделирование строения и функций мозга. Нейроинформатика и методы моделирования биологических нервных систем. Исследования в области «сильного ИИ». Методы и средства взаимодействия систем искусственного интеллекта с другими системами и человеком-оператором. Построение высокопроизводительных вычислительных систем на базе результатов особенностей функционирования человеческого мозга. Методы и средства использования для решения задач искусственного интеллекта и машинного обучения высокопроизводительных вычислений, включая параллельные, гибридные, распределенные и иные перспективные подходы. Многоагентные системы и распределенный ИИ, распределенные реестры, интеллектуальные технологии в грид и облачных вычислениях. Интеллектуальный анализ данных, «большие данные», методы и средства формирования массивов данных и прецедентов. Проблемно-ориентированные коллекции данных для важных прикладных областей. Математические исследования, ориентированные на решение задач искусственного интеллекта и машинного обучения.
- Компьютерные науки и информатика — письменный экзамен (для граждан РФ и соотечественников)
- Иностранный язык — письменный экзамен (для граждан РФ и соотечественников)
Физико-математические науки
- Абрамов Максим Викторович, доцент Кафедры информатики — Байесовские сети и родственные модели знаний с неопределенностью в моделировании социально-значимого поведения
- Граничин Олег Николаевич, профессор Кафедры системного программирования — Теория автоматического управления и оценивания неизвестных параметров динамических систем
- Косовская Татьяна Матвеевна, профессор Кафедры информатики — Математические основы искусственного интеллекта, математическая логика и теория алгоритмов
- Кузнецов Николай Владимирович, профессор Кафедры прикладной кибернетики — Теория управления, нелинейная динамика, фазовая синхронизация, технологии искусственного интеллекта
- Макаров Антон Александрович, профессор Кафедры параллельных алгоритмов — Фундаментальные основы построения интеллектуальных систем, базирующиеся на принципах математического моделирования и методов вычислений
- Михайлова Елена Георгиевна, старший научный сотрудник Кафедры информационно-аналитических систем — Машинное обучение. Компьютерное зрение. NLP
- Мокаев Тимур Назирович, профессор Кафедры прикладной кибернетики — Динамические системы
- Терехов Андрей Николаевич, профессор Кафедры системного программирования — Компьютерная графика
- Юлдашев Ренат Владимирович, профессор Кафедры прикладной кибернетики — Динамические системы
Реализуемые в рамках СПбГУ
- Искусственный интеллект и наука о данных: теория, технология, отраслевые и междисциплинарные исследования и приложения
- Рандомизированные алгоритмы многоагентной оптимизации, распознавания образов и оценивания в условиях существенных неопределенностей
- Сплайн-всплесковая обработка потоков структурированной информации
- Модели и методы тропической оптимизации в прикладных задачах экономики и управления
- Границы глобальной устойчивости и анализ скрытых колебаний: теория и приложения
- Детерминированная и хаотическая динамика систем синхронизации и управления
- Современные аналитико-численные методы и искусственный интеллект для анализа регулярной и хаотической динамики
- Частотные методы редукции бесконечномерных динамических систем на системы малых размерностей
- Мультиустойчивость и скрытые аттракторы в динамических системах
- Разработка интеллектуальных инструментов оптимизации мультимодальных систем распределения потоков в загруженных многопродуктовых сетях
- Искусственный интеллект и наука о данных: теория, технология, отраслевые и междисциплинарные исследования и приложения
Реализуемые с партнерами
- Разработка программного обеспечения для диагностики и прогнозирования технического обслуживания подшипников качения (партнер — Sharif University of Technology)
- Анализ вычислительной сложности алгоритмов, использующих данные большого объёма, применяемых при решении задач, востребованных ООО «ОКТЕТ Лабз» (партнер — Общество с ограниченной ответственностью «ОКТЕТ Лабз»)