Аспирантский семинар: Зимние встречи лауреатов стипендии имени Ильи Сегаловича 2016 года

Чем больше я узнаю мир вокруг, тем больше хочется исследовать и открывать его для себя дальше. Я все время нахожусь в поиске: хочется успеть столько всего, но при этом не потерять себя, сохранить внутреннюю гармонию и радоваться каждому дню. За год прошедший год я побывала в 7 странах и примерно 30 городах, увидела китов, касаток и вулканы, активно занималась спортом, а параллельно с этим увлеклась теоретической информатикой, взяла себе факультатив и начала работать ассистентом в Вышке. Все это вдохновляет на новые и новые совершения, но тем не менее иногда энергия кончается и цели на горизонте меркнут. Мой рассказ будет о том, что делать, чтобы такого не случилось, и как бороться, если это все же произошло.

В своем выступлении я расскажу о том, как продолжать поддерживать актуальность знаний после завершения университета, о своем опыте применения и разработки платформы открытых онлайн курсов Stepik, которая для этого предназначена, а также о летних школах.

В своем выступлении я расскажу о вопросах, возникающих у демографов, и о способах их решения с помощью методов машинного обучения и майнинга данных.

За последний год я выступал с докладом в среднем каждые 12 дней и ни разу не рассказывал одну и ту же историю дважды. В этот раз поговорим о том, как успевать заниматься и промышленной разработкой мобильных приложений, и научными исследованиями по реконструкции ДНК, и писать диплом на стыке науки и практических технологий.

В своем докладе я расскажу о том, как классические методы статистической физики применяются для изучения естественных систем, которые самоструктурируются в пространстве: например, популяций растений и животных, очагов инфекций во время эпидемий или самых обычных мегаполисов; и как такие методы затрагивают многие области прикладной математики – от клеточных автоматов и статистического анализа до алгоритмических сложностей и функционального анализа.

В докладе планируется рассмотреть задачу нахождения базиса импликаций в некоторой предметной области при помощи запросов определенного вида к оракулу (эксперту). Будет рассказано про некоторые существующие результаты в этой области, а также про полиномиальный вероятностный (в смысле probably approximately correct learning) алгоритм, который позволяет приближенно решать данную задачу.

В своем докладе я расскажу про то, что такое вариационный автокодировщик, зачем он нужен, почему он считается прорывом в области нейронных сетей и байесовских методов. Также расскажу про главные нерешенные задачи, связанные с авкодировщиком, над которыми сейчас работают ведущие ученые в этой области.

В докладе будет рассмотрена задача минимизации суммы большого числа гладких функций. Подобная задача регулярно возникает в машинном обучении при настройке алгоритма по данным путем минимизации эмпирического риска. Поскольку число слагаемых в сумме велико, то классические методы оптимизации в этом случае являются неэффективными. В докладе будет описан специальный метод типа Ньютона, учитывающий специфику рассматриваемой задачи. Основное достоинство нового метода -- его быстрая (сверхлинейная) скорость сходимости. Доклад основан на статье автора с конференции ICML-2016.

Доклад будет посвящен статье по компьютерному зрению, которую мы с соавторами презентовали на конференции British Machine Vision Conference (BMVC) осенью 2016 года. Аннотация статьи: The Shape Boltzmann Machine (SBM) and its multilabel version MSBM have been recently introduced as deep generative models that capture the variations of an object shape. While being more flexible MSBM requires datasets with labeled parts of the objects for training. In the paper we present an algorithm for training MSBM using binary masks of objects and the seeds which approximately correspond to the locations of objects parts. The latter can be obtained from part-based detectors in an unsupervised manner. We derive a latent variable model and an EM-like training procedure for adjusting the weights of MSBM using a deep learning framework. We show that the model trained by our method outperforms SBM in the tasks related to binary shapes and is very close to the original MSBM in terms of quality of multilabel shapes.

Задача о максимальной клике в простом неориентированном графе является классической NP-трудной задачей теории графов. В докладе будет представлен обзор современных эффективных точных алгоритмов, разработанных для решения этой задачи. В частности, будут подробно рассмотрены алгоритмы, реализующие метод ветвей и границ и использующие для нахождения верхней границы вершинную раскраску.