Планы CS Space на осенний семестр

Как обещали в первом посте ^[1], возвращаемся с подробным анонсом осенних курсов. В этом семестре мы организуем большие и малые курсы, охватывающие несколько тем в компьютерных науках, искусственном интеллекте ^[2] и математике ^[3].

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» ^[4] (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 ^[5] 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?» ^[6].

Лекция 1 | Архитектура CPU, история GPU и GPGPU, введение в OpenCL API ^[7]

«Линейная оптимизация» ^[8] (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 ^[9]

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» ^[10] (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.

1. Турнир по ИИ для школьников — лучшая тренировка перед новым ВсОШ по искусственному интеллекту.

2. Математический турнир — для студентов и всех увлекающихся сложными и красивыми задачами.

3. Контест по программированию — традиционные алгоритмические задачи.

4. Новогоднее соревнование — адвент-календарь с задачами и загадками.

Митапы и нетворкинг.

5. «Карьерные возможности в CS/AI для студентов» — расскажем как стартовать в науке ^[11] и индустрии, а также обсудим реальные задачи.

6. «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 ^[12]

• Telegram-канал: @csspace ^[13]

Уже в пятницу, 26 сентября, Викентий Михеев расскажет о задаче укладки графов ^[14] 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 ^[15].