Конференция направлена на обсуждение современных результатов в области построения предиктивных моделей машинного обучения с учетом физико-математических моделей процессов. Конференция AIRI проводится на площадке университета «Сириус» совместно с организаторами научной школы машинного обучения SMILES Евгением Бурнаевым и школы глубокого обучения и байесовских методов Deep Learning AND Bayesian Methods Дмитрием Ветровым.

В рамках конференции слушатели ознакомятся с передовыми результатами в области машинного обучения с учетом физико-математических моделей процессов. Планируется представить доклады как по современным инструментам машинного обучения – вероятностные модели машинного обучения, генеративное моделирование, оптимальный транспорт, геометрический/топологический анализ данных – которые необходимы при построении предиктивных моделей машинного обучения с учетом физико-математических моделей процессов, так и по подходам, которые позволяют непосредственно комбинировать физико-математические модели процессов и предиктивные модели машинного обучения. Помимо докладов на фундаментальные темы слушатели ознакомятся с релевантными индустриальными приложениями, в которых такого рода физически информированные методы играют важную роль.

Цель: ознакомление участников с современными и перспективными парадигмами машинного обучения с учетом физико-математических моделей процессов, включая вероятностное моделирование, а также изучение опыта применения машинного обучения в естественных науках.

Задачи:

•  обсуждение новых подходов к построению моделей с учетом физико-математических моделей процессов, включая вероятностное моделирование;
• демонстрация релевантных прикладных задач, для решения которых требуется использование машинного обучения с учетом физико-математических моделей процессов и вероятностных моделей;
• установление новых и укрепление состоявшихся связей среди участников конференции;
• обеспечение возможности обновления научных кадров за счет активного привлечения молодых ученых, аспирантов и магистрантов.

Язык преподавания: русский (основной).

Основные спикеры:

• Евгений Владимирович Бурнаев – доктор физико-математических наук, доцент, руководитель Центра Прикладного ИИ Сколтеха, ведущий научный сотрудник, руководитель группы Института искусственного интеллекта AIRI;
• Дмитрий Петрович Ветров – кандидат физико-математических наук, профессор НИУ ВШЭ, ведущий научный сотрудник, руководитель группы Института искусственного интеллекта AIRI;
• Александр Владимирович Бернштейн – доктор физико-математических наук, профессор, Центр Прикладного ИИ Сколтеха;
• Алексей Алексеевич Зайцев – кандидат физико-математических наук, руководитель лаборатории Сколтеха;
• Владимир Валерьевич Вановский – кандидат физико-математических наук, руководитель научной группы, Сколтех, доцент кафедры общей физики МФТИ;
• Илья Егорович Трофимов – кандидат физико-математических наук, старший научный сотрудник Центра Прикладного ИИ Сколтеха;
• Алексей Владимирович Окунев – кандидат физико-математических наук, старший научный сотрудник Центра Прикладного ИИ Сколтеха;
• Кирилл Евгеньевич Павленко – научный сотрудник Центра Прикладного ИИ Сколтеха.

К участию в конференции приглашаются магистры и аспиранты ведущих вузов России, активно вовлеченные в исследования в области машинного обучения и его применения для моделирования технических и физических систем.

Потенциальным участникам необходимо представить следующий комплект документов: 

• резюме;
• мотивационное письмо;
• краткая аннотация результатов по одному из своих исследований (не более 1 стр. в формате pdf без учета списка литературы, шрифт Times New Roman, 12-й/14-й кегль, 1/1,5 интервала).

Предпочтительно, чтобы тема исследований была в области машинного обучения и анализа данных или их приложений, но данное требование не является обязательным. Отобранные участники обязуются подготовить и представить на конференции постер о результатах, описанных в аннотации. Отметим, что тема постера может и не быть связана с машинным обучением и анализом данных. В таком случае автору должен также представить свои соображения о том, как машинное обучение и анализ данных могли бы позволить решить задачу более эффективно.

Критерии экспертной оценки резюме (от 0 до 75 баллов):

• наличие прослушанных курсов в области высшей математики, компьютерных наук и анализа данных, и результаты аттестации по ним (от 0 до 10 баллов);
• наличие опыта реализованных проектов в области инженерии программного обеспечения, численных методов, анализа данных, машинного обучения и других аналогичных областях (от 0 до 20 баллов);
• уровень научных конференций и школ (от 0 до 10 баллов);
• качество научных публикаций (включая уровень научных журналов) (от 0 до 20 баллов);
• опыт профессиональной деятельности в заявленной области (от 0 до 15 баллов).

Критерии экспертной оценки мотивационного письма (от 0 до 25 баллов):

• обоснованно ли желание посетить конференцию (0-12 баллов);
• указан ли прошлый релевантный опыт и будущие планы (0-12 баллов);
• соответствует ли мотивационное письмо требуемому формату (не более 1 стр. в формате pdf без учета списка литературы, шрифт Times New Roman, 12-й/14-й кегль, 1/1,5 интервала; общее количество грамматических и пунктуационных ошибок не должно превышать десяти) (1 балл).

Краткая аннотация результатов исследования оценивается экспертами в индивидуальном порядке. Максимальное количество возможных баллов – 100.

Планируемое количество участников: 50 студентов и аспирантов.

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

Плата за обучение на программе не взимается.