V.matiukhin: /* 4. Методические и оценочные материалы */

2024-04-19T19:52:23Z

4. Методические и оценочные материалы

Show changes

V.matiukhin: /* 3. Структура и содержание дисциплины */

2024-04-18T10:05:37Z

3. Структура и содержание дисциплины

Show changes

V.matiukhin: /* Современные численные методы оптимизации в обучении */

2024-04-18T10:03:10Z

Современные численные методы оптимизации в обучении

← Older revision		Revision as of 10:03, 18 April 2024
Line 80:		Line 80:
	\|- style="vertical-align:middle; background-color:#F8F9FA; color:#202122;"		\|- style="vertical-align:middle; background-color:#F8F9FA; color:#202122;"
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
−	\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия \|\| - примеры задач оптимизации в машинном обучении	+	\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия \|\| - примеры задач оптимизации в машинном обучении <br>

−	- основы построения теории сходимости	+	- основы построения теории сходимости<br>

−	- элементы линейной алгебры	+	- элементы линейной алгебры<br>

−	- выпуклость, Липшицевость и гладкость	+	- выпуклость, Липшицевость и гладкость<br>
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
	\| style="text-align:center;" \| 2. \|\| Матрично-векторное дифференцирование \|\| - теория матрично-векторного дифференцирования		\| style="text-align:center;" \| 2. \|\| Матрично-векторное дифференцирование \|\| - теория матрично-векторного дифференцирования

V.matiukhin: /* 3. Структура и содержание дисциплины */

2024-04-18T10:01:12Z

3. Структура и содержание дисциплины

← Older revision		Revision as of 10:01, 18 April 2024
Line 81:		Line 81:
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
	\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия \|\| - примеры задач оптимизации в машинном обучении		\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия \|\| - примеры задач оптимизации в машинном обучении
		+
	- основы построения теории сходимости		- основы построения теории сходимости
		+
	- элементы линейной алгебры		- элементы линейной алгебры
		+
	- выпуклость, Липшицевость и гладкость		- выпуклость, Липшицевость и гладкость
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"

V.matiukhin: /* Современные численные методы оптимизации в обучении */

2024-04-15T17:18:01Z

Современные численные методы оптимизации в обучении

← Older revision		Revision as of 17:18, 15 April 2024
Line 37:		Line 37:

	- постановки задач оптимизации, возникающие в приложениях, в том числе связанных с машинным обучением;		- постановки задач оптимизации, возникающие в приложениях, в том числе связанных с машинным обучением;
		+
	- классические современные методы оптимизации, их теоретические и практические особенности работы;		- классические современные методы оптимизации, их теоретические и практические особенности работы;
		+
	- способы модификации классических методов оптимизации под конкретные задачи;		- способы модификации классических методов оптимизации под конкретные задачи;

Line 44:		Line 46:

	- дифференцирование функций (теоретическое и практическое), зависящих от многих переменных;		- дифференцирование функций (теоретическое и практическое), зависящих от многих переменных;
		+
	- реализация на языке программирования Python классических методов оптимизации;		- реализация на языке программирования Python классических методов оптимизации;
		+
	- настройка параметров методов оптимизации под конкретные задачи;		- настройка параметров методов оптимизации под конкретные задачи;
		+
	- выбор методов оптимизации в зависимости от задачи.		- выбор методов оптимизации в зависимости от задачи.

Line 52:		Line 57:

	- аналитическое дифференцирование функции многих переменных;		- аналитическое дифференцирование функции многих переменных;
		+
	- дифференцирование функции многих переменных с помощью специализированных библиотек;		- дифференцирование функции многих переменных с помощью специализированных библиотек;
		+
	- реализация классических методов оптимизации на языке программирования Python с помощью библиотек дифференцирования;		- реализация классических методов оптимизации на языке программирования Python с помощью библиотек дифференцирования;
		+
	- сравнение качества работы методов оптимизации между собой;		- сравнение качества работы методов оптимизации между собой;
		+
	- оперирование оптимизационными постановками и методами их решения;		- оперирование оптимизационными постановками и методами их решения;
		+
	- самостоятельное совершенствование оптимизационных постановок в зависимости от требований на получаемое решение задачи;		- самостоятельное совершенствование оптимизационных постановок в зависимости от требований на получаемое решение задачи;
		+
	- реализация специальных модификаций и дополнительных техник для усовершенствования методов оптимизации;		- реализация специальных модификаций и дополнительных техник для усовершенствования методов оптимизации;

Line 302:		Line 313:
	\| style="width:50%" \| Материалы текущего контроля<br>		\| style="width:50%" \| Материалы текущего контроля<br>
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
−	\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия	+	\| style="text-align:center;" \| 1. \|\| Связь оптимизации и машинного обучения. Основные понятия Матрично-векторное дифференцирование Методы первого порядка Метод Ньютона \|\| Домашние задание; Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
−
−	Матрично-векторное дифференцирование
−
−	Методы первого порядка
−
−	Метод Ньютона \|\| Домашние задание;
⚫	Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
		⚫	\| style="text-align:center;" \| 2. \|\| Зеркальный спуск Седловые задачи Субградиентный методы и проксимальный оператор \|\| Домашние задание; Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
−	\| style="text-align:center;" \| 2. \|\| Зеркальный спуск
−
−	Седловые задачи
−
−	Субградиентный методы и проксимальный оператор \|\| Домашние задание;
−	Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
		+	\| style="text-align:center;" \| 3. \|\| Методы со шкалированием (адаптивные методы) Оптимизация и оптимальный транспорт Стохастический градиентный спуск Методы редукции дисперсии Оптимизация и обучение с подкреплением Координатные и безградиентные методы \|\| Домашние задание; Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
−	\| style="text-align:center;" \| 3. \|\| Методы со шкалированием (адаптивные методы)
−
−	Оптимизация и оптимальный транспорт
−
−	Стохастический градиентный спуск
−
−	Методы редукции дисперсии
−
−	Оптимизация и обучение с подкреплением
−
−	Координатные и безградиентные методы \|\| Домашние задание;
−	Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
−	\| style="text-align:center;" \| 4. \|\| Распределенное обучение. Локальные методы	+	\| style="text-align:center;" \| 4. \|\| Распределенное обучение. Локальные методы Распределенное обучение. Методы с сжатием Федеративное обучение \|\| Домашние задание; Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
−
−	Распределенное обучение. Методы с сжатием
−
−	Федеративное обучение \|\| Домашние задание;
−	Коллоквиум \|\| В домашнее задание включаются задачи, нерешенные во время семинарских занятий
	\|- style="background-color:#F8F9FA; color:#202122;"		\|- style="background-color:#F8F9FA; color:#202122;"
	\| style="text-align:center;" \| 5. \|\| Проектная деятельность \|\| Групповой проект \|\| В качестве тем для проектов предоставляются широко цитируемые и известные научные публикации в области численных методов оптимизации. Проект выполняется группой из двух студентов		\| style="text-align:center;" \| 5. \|\| Проектная деятельность \|\| Групповой проект \|\| В качестве тем для проектов предоставляются широко цитируемые и известные научные публикации в области численных методов оптимизации. Проект выполняется группой из двух студентов

V.matiukhin: /* Название дисциплины */

2024-04-15T17:13:30Z

Название дисциплины

Show changes

M.sokolovskii: Created page with "= Название дисциплины = : '''Квалификация выпускника''': бакалавр/ма..."

2024-02-04T22:45:18Z

Created page with "= <span style="color:red;">Название дисциплины</span> = : '''Квалификация выпускника''': <span style="color:red;">бакалавр/ма..."

Show changes

BSc: ModernMumericalMethodsForDistributedLearning - Revision history

V.matiukhin: /* 4. Методические и оценочные материалы */

V.matiukhin: /* 3. Структура и содержание дисциплины */

V.matiukhin: /* Современные численные методы оптимизации в обучении */

V.matiukhin: /* 3. Структура и содержание дисциплины */

V.matiukhin: /* Современные численные методы оптимизации в обучении */

V.matiukhin: /* Название дисциплины */

M.sokolovskii: Created page with "= Название дисциплины = : '''Квалификация выпускника''': бакалавр/ма..."