Как обещали в первом посте, возвращаемся с подробным анонсом осенних курсов. В этом семестре мы организуем большие и малые курсы, охватывающие несколько тем в компьютерных науках, искусственном интеллекте и математике.
Все наши курсы открыты всем желающим для посещения по предварительной регистрации и для просмотра на YouTube.
Семестровые курсы
Программа рассчитана на весь семестр, в конце курса для зарегистрированных слушателей есть возможность сдать экзамен либо зачёт по пройденному материалу.
«Вычисления на видеокартах» (Н. Полярный, Agisof) — на курсе будет разбираться, когда GPU-ускорение оправдано и как извлечь из него максимум производительности. Помимо разбора архитектуры и синтаксиса GPU-кода (CUDA, OpenCL, Vulkan), курс нацелен на формирование мышления в парадигме массового параллелизма. Будет рассказано, как перенести на GPU даже такие, казалось бы, линейные алгоритмы, как merge-sort, и добиться ускорения вплоть до ×100. Этот курс продолжает и расширяет открытую лекцию весеннего семестра «Видеокарты: что они могут?».
Лекция 1 | Архитектура CPU, история GPU и GPGPU, введение в OpenCL API
«Линейная оптимизация» (Ф. Писниченко, UFABC, Chebyshev Research Center) — теория и методы решения задач линейного программирования. Изучаются математические основы: выпуклые множества и многогранники, теорема об экстремальных точках, двойственность и условия оптимальности. Обсуждаются алгоритмы: симплекс-метод с модификациями (инициализация искусственными переменными, двухфазная схема, двойственный симплекс, анализ вырождения и правило Блэнда для предотвращения циклов), методы внутренней точки. Рассматриваются результаты о полиномиальной разрешимости (метод эллипсоидов Хачияна, метод Кармаркара) и их реализация для разреженных данных.
Лекция 1 | Введение, формулировка задачи линейного программирования, двойственность
Важное дополнение для студентов: все большие курсы можно перезачесть в вашем вузе — разумеется, при согласовании с учебным отделом.
Малые курсы
Состоят из 4–7 лекций, обычно читаются за несколько выходных. Рассчитаны на изучение практических навыков или обзор существующих результатов.
«Введение в Гауссовские процессы на Python» (М. Николаев, МКН СПбГУ, ПОМИ РАН, ШАД). Цель этого курса — в простых терминах объяснить основные принципы, возникающие при изучении случайных процессов, и как их использовать на практике в задачах анализа данных.
«Нейрология LLM» (А. Першин, Chebyshev Research Center) — заглянем под капот больших языковых моделей: как они устроены, как обучаются и почему работают именно так.
Малые курсы также можно зачесть в ВУЗе, мы рекомендуем учитывать нагрузку такого курса как половину семестрового.
Другие мероприятия
Помимо курсов, мы планируем провести:
Соревнования и турниры.
-
Турнир по ИИ для школьников — лучшая тренировка перед новым ВсОШ по искусственному интеллекту.
-
Математический турнир — для студентов и всех увлекающихся сложными и красивыми задачами.
-
Контест по программированию — традиционные алгоритмические задачи.
-
Новогоднее соревнование — адвент-календарь с задачами и загадками.
Митапы и нетворкинг.
-
«Карьерные возможности в CS/AI для студентов» — расскажем как стартовать в науке и индустрии, а также обсудим реальные задачи.
-
«Продуктовая аналитика и статистика» — разберем на реальных примерах, как данные и матстатистика помогают принимать решения в продуктах.
Открытые лекции.
Также приглашаем всех на наши открытые лекции, анонсы которых мы публикуем на наших информационных ресурсах:
-
Сайт проекта: csspace.io
-
Telegram-канал: @csspace
Уже в пятницу, 26 сентября, Викентий Михеев расскажет о задаче укладки графов и об используемых для неё метриках качества. Лекция состоится очно в Петербурге в ПОМИ РАН, а видеоматериалы мы разместим на нашем YouTube-канале: youtube.com/@ComputerScienceSpace.
Автор: aaignatev
