Научно-практический интенсив по воспроизведению state-of-the-art научных результатов включает лекции и практические занятия по компьютерному зрению, автоматической обработке текстов, оптимизации квантовых алгоритмов, защите информации в машинном обучении и системах хранения данных.
Дистанционный модуль интенсива проходил с 21 октября по 2 ноября, за это время студенты изучали материалы, которые помогут им решать задачи очного этапа, открывшегося в Сириусе в понедельник, 4 ноября. В течение двух недель участники будут погружены в процесс создания технологий. Под руководством наставников они попробуют воспроизвести результаты последних достижений в области компьютерных наук и научатся использовать их на практике. Руководитель программы – разработчик Школы анализа данных Яндекса Алексей Толстиков.
Работа над инновационными проектами требует глубокого погружения в мир исследований и научных достижений в определенной области. Специалисты постоянно работают над решением новых задач и анализом разработок коллег, опубликованных в научных статьях и результатах конференций. Важнейшей задачей работы с подобными материалами является анализ возможности использования подходов и методов для улучшения собственного сервиса.
Один из участников практикума студент Нижегородского государственного технического им. Р.Е. Алексеева университета Дмитрий Калинин – выпускник первой студенческой программы Яндекса и НИУ ВШЭ, которая проходила в Сириусе в феврале 2019 года.
«На первом практикуме я работал в проекте по предсказанию рака на основе данных генов. В моей команде были студенты из разных направлений – с биологического, математического факультетов и такое разнообразие позволило более успешно справиться с проектом. В этой программе я хочу научиться правильно работать с научными статьями, анализировать их воспроизводимость, адекватность», – рассказал Дмитрий Калинин.
Среди тем для работы на втором интенсиве, например, автоматическая генерация изображений – панорам городов с высоты птичьего полета для создания захватывающих пейзажей; удаление отражений из фотографий; простой поиск в массиве данных; приватное машинное обучение. В конце программы команды презентуют свои проекты.
