Межфакультетский учебный курс (МФК) — это семестровый курс для студентов МГУ имени М.В. Ломоносова, желающих освоить области знаний, выходящие за рамки изучаемой ими специальности. Студент любого факультета может прослушать МФК по своему выбору. Межфакультетские курсы по искусственному интеллекту введены в 2021 году. Они рассказывают о развитии искусственного интеллекта и применении его технологий в различных профессиональных областях.
Курс посвящен введению в программирование и предназначен для тех, кто никогда не сталкивались с программированием, но очень заинтересован в изучении данной области.
Основная цель курса – это показать красоту программирования, познакомиться с основными задачами и направлениями IT-сферы, познакомиться с синтаксисом и основными конструкциями языка Python.
Видеотрансляции занятий доступны всем желающим. Студенты, записавшиеся на курс, могут выполнять домашние задания с автоматической проверкой и получать обратную связь от преподавателей в течение семестра.
Этот курс является составляющей частью серии курсов по искусственному интеллекту в МГУ имени М.В. Ломоносова. На курсе “Введение в программирование на основе языка Python” будут рассмотрены инструменты, необходимые для дальнейшего обучения. Продолжением данного курса являются курсы по анализу данных, машинному обучению, нейронным сетям, инженерным вычислениям. Цель этой серии курсов – предоставление студентам актуальных и современных знаний в области искусственного интеллекта и в различных областях науки о данных.
Продолжительность: 1 семестр (12 лекций).
Все материалы курса и ссылки на трансляции лекций доступны на сайте teach-in.ru.
Курс посвящен основам программирования на языке Python. Слушатели курса познакомятся с основными конструкциями языка Python и парадигмами программирования, а также с инструментами для анализа и визуализации данных.
Основная цель курса – это изучение основ работы с данными с помощью языка Python.
Темы курса:
Видеотрансляции занятий доступны всем желающим. Студенты, записавшиеся на курс, смогут выполнять домашние задания с автоматической проверкой и получать обратную связь от преподавателей в течение семестра.
Данный курс является составляющей частью серии курсов по искусственному интеллекту в МГУ имени М.В. Ломоносова. Рекомендован к прослушиванию параллельно с курсом по математике для анализа данных в онлайн-формате. Продолжением данного курса являются курсы по машинному обучению, нейронным сетям, инженерным вычислениям. Цель этой серии курсов – предоставление студентам актуальных и современных знаний в области искусственного интеллекта и в различных областях науки о данных.
На курсе “Основы программирования и анализа данных на Python” будут рассмотрены инструменты, необходимые для дальнейшего обучения на курсах по тематике искусственного интеллекта.
Продолжительность: 1 семестр (12 лекций).
Занятия проводятся каждую среду с 15.10 до 16.40 в осеннем и весеннем семестрах.
Все материалы курса и ссылки на трансляции доступны на сайте teach-in.ru.
Данный курс является составляющей частью серии курсов по искусственному интеллекту и дополнением к межфакультетскому курсу “Основы программирования и анализа данных на Python” в МГУ имени М.В. Ломоносова.
Формат занятий предусматривает практические семинары, которые помогают учащимся применить знания, полученные на лекциях, для решения прикладных задач, которыми они занимаются на своих базовых факультетах.
Данный курс является составляющей частью серии курсов по искусственному интеллекту и теоретическим дополнением к межфакультетскому курсу “Основы программирования и анализа данных на Python” в МГУ имени М.В. Ломоносова.
Первая часть курса посвящена численной линейной алгебре.
Вторая часть курса посвящена оптимизации.
Программа курса:
1. Число, вектор, матрица и операции с ними. Напоминание об оценке сложности вычислений. Нормы векторные и матричные и их свойства.
2. Унитарные матрицы, ранг матрицы, концепция малоранговой аппроксимация, SVD. Приложения: аппроксимация функции многих переменных, сжатие изображений, рекомендательные системы.
3. Системы линейных уравнений. Метод Гаусса, LU разложение и их свойства. Обратная матрица, число обусловленности.
4. Разреженные матрицы, способы их хранения. Графы, их свойства и типичные задачи. Приложения: потоки, разрезы, клики.
5. Введение в итерационные методы решения линейных систем большой размерности. Примеры методов (Ричардсон, Чебышев и CG) и идеи их получения.
6. Разложение по собственным векторам. QR разложение и QR алгоритм. Степенной метод. Задача кластеризации и кластеризация вершин графа.
7. Тензоры и их свойства. Классические тензорные разложения: разложение Таккера, каноническое разложение, TT-разложение. Приложения: сжатие данных, ускорение вычислений.
Все материалы курса и ссылки на трансляции лекций доступны на сайте teach-in.ru.
Курс посвящен одной из самых передовых областей науки на сегодняшний день – машинному обучению. Слушатели курса познакомятся с основными методами машинного обучения для решения прикладных задач.
Основная цель курса – это изучение основ машинного обучения и инструментов языка Python.
Видеотрансляции занятий доступны всем желающим. Студенты, записавшиеся на курс, смогут выполнять домашние задания с автоматической проверкой и получать обратную связь от преподавателей в течение семестра.
Данный курс является составляющей частью серии курсов по искусственному интеллекту в МГУ имени М.В. Ломоносова. Цель этой серии курсов – предоставление студентам актуальных и современных знаний в области искусственного интеллекта и в различных областях науки о данных.
Продолжительность: 1 семестр (12 лекций).
Занятия проводятся каждую среду с 17.00 до 18.30 в осеннем и весеннем семестрах.
Все материалы курса и ссылки на трансляции лекций доступны на сайте teach-in.ru.
Данный курс рассматривает основы глубокого обучения и методы применения нейронных сетей в различных задачах. Курс позволит слушателям приобрести прикладные навыки работы с современными моделями и понять теоретические основы работы нейронных сетей. Практическая часть курса включает в себя работу с текстами, изображениями, вопросно-ответными системами и генеративными моделями.
Видеотрансляции занятий будут доступны всем желающим. Студенты, записавшиеся на курс, смогут выполнять домашние задания с автоматической проверкой и получать обратную связь от преподавателей в течение семестра.
Данный курс является составляющей частью серии курсов по искусственному интеллекту в МГУ имени М.В. Ломоносова. Рекомендован к прослушиванию после курсов по программированию на Python и основам машинного обучения. Цель этой серии курсов – предоставление студентам актуальных и современных знаний в области искусственного интеллекта и в различных областях науки о данных.
Продолжительность: 1 семестр (12 лекций).
Занятия проводятся каждую среду с 15.10 до 16.40 в осеннем и весеннем семестрах.
Все материалы курса и ссылки на трансляции лекций доступны на сайте teach-in.ru.
Академический состав
Хирьянов Тимофей Фёдорович
Преподаватель курса Основы программирования и анализа данных на Python
Программист, эксперт ЕГЭ по информатике, популяризатор Python. Работал программистом в компаниях мирового уровня — Parallels и Samsung Electronics. Разработчик системного программного обеспечения для операционной системы Tizen для мобильных платформ, ассоциативный член фонда свободного программного обеспечения.
Оселедец Иван Валерьевич
Преподаватель курса Математика для анализа данных
Доктор физико-математических наук, профессор РАН, генеральный директор AIRI, профессор Сколковского института науки и технологий, лауреат Премии президента РФ в области науки и инноваций для молодых ученых.
Катруца Александр Михайлович
Преподаватель курса Математика для анализа данных
Кандидат физико-математических наук, научный сотрудник Сколковского института науки и технологии, преподаватель курса "Методы оптимизации".
Команда направления
Ольга Мигачёва
Руководитель проекта, преподаватель, отвечает за развитие и запуск новых курсов
Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова
Сергей Артамонов
Преподаватель курсов Машинное обучение для решения прикладных задач и Введение в глубокое обучение, разработчик методических материалов и автор практических заданий
Образование: Механико-математический факультет МГУ имени М.В. Ломоносова
Олег Горохов
Преподаватель курса Введение в глубокое обучение, ответственный за помощь студентам в освоении теоретических материалов и при выполнении домашних заданий по курсам
Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова
Максим Иванов
Знаток Python, осуществляет техническую поддержку чат-бота курсов
Образование: Факультет вычислительной математики и кибернетики МГУ имени М.В. Ломоносова
Ольга Сущенко
Менеджер проекта
Образование: Социологический факультет МГУ имени М.В. Ломоносова
Юлия Дивид
Дизайнер, создает иллюстрации к методическим материалам курсов.
Набор проходит 2 раза в год: в начале осеннего и весеннего семестров. Запись на МФК для студентов МГУ имени М.В. Ломоносова проходит через Личный кабинет на сайте https://lk.msu.ru/. Записаться на МФК могут студенты всех факультетов МГУ независимо от профиля или специальности. Количество мест на каждом курсе ограничено.
Занятия проводятся в дистанционном формате по средам с 15.10 до 16.40 либо с 17.00 до 18.30, в зависимости от расписания конкретного курса (см. по ссылкам):
Основы программирования и анализа данных на Python
Машинное обучение для решения прикладных задач
Следующий старт курсов запланирован на сентябрь 2025 года.
ПО ПЯТНИЦАМ
09:00–10:30 1 пара
10:40–12:10 2 пара
12:10–13.00 Перерыв
13:00–14:30 3 пара
14:40–16:10 4 пара
Преподаватель: А. А. Ганичев
ПО ЧЕТВЕРГАМ
09:00–10:30 1 пара
10:40–12:10 2 пара
12:10–13.00 Перерыв
13:00–14:30 3 пара
14:40–16:10 4 пара
Преподаватель: А. П. Маракулин
ПО ПОНЕДЕЛЬНИКАМ
09:00–10:30 1 пара
10:40–12:10 2 пара
12:10–13.00 Перерыв
13:00–14:30 3 пара
14:40–16:10 4 пара
Преподаватель: Д. Д. Пензар
ПО СУББОТАМ
09:00–10:30 1 пара
10:40–12:10 2 пара
12:10–13.00 Перерыв
13:00–14:30 3 пара
14:40–16:10 4 пара
Преподаватель: И. А. Конюшок