• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Аспирантский семинар: нечеткая кластеризация, адаптация контента MOOC, гибридная система поддержки принятия решений

Мероприятие завершено

Место: Факультет компьютерных наук, Кочновский проезд, д. 3, ауд. 205
Время: 18 мая, 18:30 – 20:00 

Доклады состоятся в рамках научно-исследовательского семинара аспирантской школы по компьютерным наукам.

Первый доклад

Тема: Выявление нечетких кластеров с помощью таксономий: алгоритмы, экспериментальная верификация и приложения
Докладчик:  Дмитрий Фролов, аспирант третьего года обучения, департамент анализа данных и искусственного интеллекта факультета компьютерных наук

Таксономии, древообразные структуры классификации определенных наборов объектов, играют важную роль в понимании предметных областей и в их анализе. В докладе будут представлены методы для исследования данных на основе таксономий, в частности, алгоритм построения приближенных описаний для интерпретации множеств и новый метод нечеткой кластеризации для совместного с ним применения. Вычислительные эксперименты показывают, что такая двухэтапная техника оказывается эффективной для решения целого ряда исследовательских задач, таких как классификация объектов с помощью "обширных" категорий, имеющих многотематические описания, "укрупнение" более мелких, низкоуровневых групп и других. Разработанные алгоритмы имеют разнообразные сферы практического применения. Метод построения приближенных описаний, например, с успехом может быть использован для анализа исследовательской активности научных институтов на основе текстов публикаций, а также облегчит сегментное таргетирование в моделях алгоритмических закупок интернет-рекламы (например, programmatic).

 

Второй доклад

Тема: Моделирование процесса адаптации контента массовых открытых онлайн-курсов
Докладчик:  Дмитрий Алдунин, аспирант второго года обучения, кафедра инноваций и бизнеса в сфере информационных технологий школы бизнес-информатики факультета бизнеса и менеджмента

В докладе представлены модели ключевых элементов и подпроцессов процесса адаптации контента массовых открытых онлайн-курсов к индивидуальным особенностям обучающегося с учётом отличий этого процесса от классического оффлайнового обучения. Описываемое решение основывается на построении индивидуальной образовательной траектории и подборе контента (образовательных материалов и проверочных заданий) в соответствии с предпочтениями обучающегося, стилем обучения, имеющимися у него компетенциями и компетенциями, которые он или она желает приобрести, а также с учётом исторических данных о результатах обучающихся со схожими индивидуальными характеристиками. Таким образом, реализуется клиентоориентированный подход в сфере электронного образования.

Созданные модели вместе с анализом открытых данных платформ массовых открытых онлайн-курсов позволят провести стохастическое динамическое моделирование процесса обучения значительного числа обучающихся для последующей разработки программной системы поддержки образовательного процесса.

В докладе также обозначены задачи для дальнейшей работы.

Третий доклад

Тема: Разработка гибридной системы поддержки принятия решений, основанной на нейросетевом и эволюционном подходе
Докладчик:  Олег Бухаров, аспирант четвертого года обучения, департамент прикладной математики МИЭМ

Лицам, принимающим решения в сложных многопараметрических системах, сложно справиться со своей задачей, не прибегая к помощи вспомогательных систем. В докладе будет рассмотрена разработанная система, призванная помочь  экспертам в принятии решений в условиях больших размерностей, нечетких или неточных данных и сложных зависимостей. Будут рассмотрены применяемые системой алгоритмы и результаты использования системы для решения практических задач.