УНИВЕРСИТЕТ
ИСКУССТВЕННОГО
ИНТЕЛЛЕКТА
МАРТ 2021
НОВОСТИ & СОБЫТИЯ
1
ПО ТРАДИЦИИ ПОЗДРАВЛЯЕМ УЧАСТНИКОВ, ЗАЩИТИВШИХ ДИПЛОМНЫЙ ПРОЕКТ
Дмитрий Полищук
защитил дипломный проект на тему «Временные ряды: нейронная сеть для предсказания курса доллара на 1 день»
Юрий Сазонтов
защитил дипломный проект на тему «Тематическое моделирование отзывов российских банков на основе тегирования»
Максим Терлеев
защитил дипломный проект на тему «Пикировка первых вступлений данных МОГТ»
Полина Назарова
защитила дипломный проект на тему «Манипулятор на производстве (Нейронная сеть для сортировки дерева и металла)»
Евгений Сотников
защитил дипломный проект на тему «Корректировка правильности выполнения сметы на строительно-монтажные работы с предсказанием финансового результата»
Екатерина Пославская
защитила дипломный проект на тему «Приятно поговорить с умным человеком: построение чат-бота, который общается на языке известного писателя»
Игорь Аристов
защитил дипломный проект на тему «Обучение с подкреплением, игра в аркаду»
Александр Кирнасов
защитил дипломный проект на тему «Deep Learning for High Frequency Trading»
Степан Радаман
защитил дипломный проект на тему «Распознавание урбанизированных территорий»
Григорий Курушин
защитил дипломный проект на тему «Разработка агента для решения игры Сапер»
Михаил Лукоянов
защитил дипломный проект на тему «Улучшение качества изображений с помощью нейронных сетей»
Александр Данилян
защитил дипломный проект на тему «Определение новых объектов на снимке РЛС»
Артур Казарян
защитил дипломный проект на тему «Градостроительное проектирование с помощью генеративно-состязательных нейронных сетей»
Игорь Старостин
защитил дипломный проект на тему «Нейронная сеть, предсказывающая поведение пользовательской физической системы. Обучение на датасете, полученном из моделирования физических процессов в ней»
Евгений Григорусь
защитил дипломный проект на тему «Распознавание косвенных признаков состояния опьянения человека (алкогольного, токсического, наркотического) по особенностям речи с применением нейронных сетей»
Дмитрий Серпуховитин
защитил дипломный проект на тему «Выявление наиболее важных показателей государственной поддержки и прогнозирование значения Global Innovation Index»
Абсолютно все в компании убеждали меня, что это нормально в 21 веке по 1,5 месяца выполнять глупую рутинную задачу, а я не хотел в это верить.
— Максим Терлеев, выпускник потока PRO июль.
Максим Терлеев – первый студент июльского потока PRO, который в начале марта на открытой защите представил свой дипломный проект на тему «Пикировка первых вступлений данных МОГТ»
К нам в УИИ Максим пришёл с реальной задачей, которую он смог решить. Его нейронная сеть поможет сократить время выполнения задачи на 20%.
Узнать более подробно о задаче и ее решении можно ниже.
С 7 лет Полина Назарова занималась робототехникой, а уже сегодня в 13-летнем возрасте она защитила свой дипломный проект на тему «Манипулятор на производстве (Нейронная сеть для сортировки дерева и металла)»
О том, почему Полина заинтересовалась нейронными сетями, об учебе в УИИ и дипломном проекте, о планах на будущее, можно узнать, если перейти по ссылке ниже.
2
О НАШИХ СТАЖИРОВКАХ
Сергей Кузин о фреймворке: TERRA_AI
Разработка фреймворка «terra_ai» приближается к важной отметке: первый официальный релиз, который запланирован на начало апреля. За прошедшее время был проделан огромный объем работы, начиная от планирования структуры и каркаса фреймворка, заканчивая проработкой пользовательского интерфейса. Вся команда в предвкушении выпуска нашей первой версии. Сейчас у нас готовы все составляющие блоки и нам, по сути, осталось все это объединить в один механизм. Мы планируем продемонстрировать результат уже на ближайших интенсивах, а затем и внедрить фреймворк в процесс обучения. Осталось совсем чуть-чуть... :)
Юрий Сергеев о направлении «Демопанель»
Работа над направление «Демопанель» идет полным ходом. В данный момент у нас 20 стажёров. Кто-то занимается исследовательскими задачами, а кто-то работает над созданием модулей. В среднем на разработку одной темы уходит от 40 до 100 часов работы.
Более подробно со всеми работами можно ознакомиться здесь:

https://demo.neural-university.ru/index.html
Нейронные сети, на которые стоит обратить внимание:
- Текстовое описание по картинке;
- Определение жестов рук;
- Определение позы человека;
- Разделить музыку на инструменты;
- Трекинг.
3
ИНТЕРЕСНЫЕ СТАТЬИ ИЗ МИРА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
4
КЛУБ ВЕЛИКИХ НЕЙРОНЩИКОВ
«Клуб Великих Нейронщиков: Генетические алгоритмы | Часть 1»
«Клуб Великих Нейронщиков: Генетические алгоритмы | Часть 2»
Мы благодарим Михаила Пузицкого за увлекательные лекции и каждого, кто присутствовал на встрече КВН! Если у Вас есть интересные идеи и наработки – обращайтесь в учебную часть, устроим еще одну встречу Клуба Великих Нейронщиков.

Если у Вас остались вопросы к Михаилу, то можно задать их на почте: gretawolf@mail.ru
5
НОВЫЙ КОНКУРС!
«БЫСТРЕЕ ВСЕХ, ВЫШЕ ТОЧНОСТЬ, СИЛЬНЕЕ ДУХ»
Весна - время творить!
Мы решили провести конкурс, который кому-то поможет в написании дипломного проекта, а кому-то даст возможность взглянуть на процесс создания нейросетевой модели по-другому. В любом случае вас ждут классные призы и интересный опыт! Подробнее об условиях - в положении по кнопочке ниже.

Суть конкурсного задания - создать рабочий вариант нейронных сетей, решающий конкретную утвержденную задачу. Будьте внимательны - на момент подачи заявки должны быть готовы тема и база. Айда участвовать!
6
КНИГИ: СОВЕТЫ НЕЙРОНЩИКОВ
Тарик Рашид
Создаём нейронную сеть
Эта книга представляет собой введение в теорию и практику создания нейронных сетей. Она предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области. Автор простым и понятным языком объясняет теоретические аспекты, знание которых необходимо для понимания принципов функционирования нейронных сетей и написания соответствующих программных инструкций. Изложение материала сопровождается подробным описанием процедуры поэтапного создания полностью функционального кода, который реализует нейронную сеть на языке Python и способен выполняться даже на таком миниатюрном компьютере, как Raspberry Pi Zero.
Франсуа Шолле
Глубокое обучение на Python
Глубокое обучение – Deep learning – это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras – самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике.
Обучение – это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.
Christopher Bishop
Neural Networks for Pattern Recognition
This is the first comprehensive treatment of feed-forward neural networks from the perspective of statistical pattern recognition. After introducing the basic concepts, the book examines techniques for modeling probability density functions and the properties and merits of the multi-layer perceptron and radial basis function network models. Also covered are various forms of error functions, principal algorithms for error function minimalization, learning and generalization in neural networks, and Bayesian techniques and their applications. Designed as a text, with over 100 exercises, this fully up-to-date work will benefit anyone involved in the fields of neural computation and pattern recognition.

Maxim Lapan
Deep Reinforcement Learning Hands-On
Deep Reinforcement Learning Hands-On is a comprehensive guide to the very latest DL tools and their limitations. You will evaluate methods including Cross-entropy and policy gradients, before applying them to real-world environments. Take on both the Atari set of virtual games and family favorites such as Connect4.
The book provides an introduction to the basics of RL, giving you the know-how to code intelligent learning agents to take on a formidable array of practical tasks. Discover how to implement Q-learning on 'grid world' environments, teach your agent to buy and trade stocks, and find out how natural language models are driving the boom in chatbots.
Christoph Molnar
Interpretable Machine Learning
This book is about making machine learning models and their decisions interpretable. After exploring the concepts of interpretability, you will learn about simple, interpretable models such as decision trees, decision rules and linear regression. Later chapters focus on general model-agnostic methods for interpreting black box models like feature importance and accumulated local effects and explaining individual predictions with Shapley values and LIME. All interpretation methods are explained in depth and discussed critically. How do they work under the hood? What are their strengths and weaknesses? How can their outputs be interpreted? This book will enable you to select and correctly apply the interpretation method that is most suitable for your machine learning project.
7
КОНКУРС ОРАТОРСКОГО ИСКУССТВА
С 14 марта у нас в Университете проходил конкурс ораторского искусства

В первом этапе конкурса приняли участие 43 студента, во второй этап конкурса прошли 6 человек: Елена Мосина, Аркадий Романов, Петр Федосеев, Азинат Макуашева, Ирина Сокова, Михаил Рогожин

Мы готовы объявить победителя конкурса ораторского искусства!
ПОБЕДИТЕЛИ КОНКУРСА ОРАТОРСКОГО ИСКУССТВА
Золото
Михаил Рогожин
Серебро
Азинат Макуашева
Бронза
Елена Мосина
Поздравляем!
В ближайшее время мы свяжемся с победителями.
Хотим поблагодарить всех участников конкурса за хорошие работы, надеемся, что вы так же, как и мы, получили удовольствие от участия.
Желаем дальнейших успехов и развития.
8
СЕМИНАРЫ В ФОРМАТЕ ВОПРОС-ОТВЕТ
В этом месяце состоялось два семинара в формате вопрос-ответ.
Первый - «Функции и модули. Генераторы» (ведущий Иван Хабаров) и второй - «Методика подбора архитектуры нейронных сетей» (ведущий Вячеслав Черепанов).
«Функции и модули. Генераторы»
«Методика подбора архитектуры нейронных сетей»
9
О ТРУДОУСТРОЙСТВЕ НАШИХ СТУДЕНТОВ И ВЫПУСКНИКОВ
В марте мы трудоустроили наших студентов и выпускников на разнообразные аутсорс-проекты.
Курмангожин Тимур
начал разработку системы по распознаванию государственных номеров автомобилей и номеров на железнодорожных составах. Бюджет на разработчика составил 100 тыс. рублей, а занятость на проекте составила 1-2 месяца.
Макаренко Юрий
был выбран на 2 проекта: определение характера информационного фона вокруг компании с бюджетом 300 тыс. рублей на проект и сроком разработки 3 недели и на проект по распознаванию данных из отсканированных копий паспортов иностранцев и их автоматического подставления в регистрационный бланк. Заработная плата на этот проект у разработчика - 109 тыс. рублей. Срок - 3 недели.
Новиков Алексей
был выбран на бесплатный пилотный проект по автоматической инвентаризации остатков непродовольственных товаров на складе или в магазине. Бюджет проекта ещё не оценён.
Пименов Денис
приступит к разработке бесплатного пилотного проекта по определению гельминтов в филе рыбы на основе умных камер.
10
ЛИТЕРАТУРНЫЙ КОНКУРС
ПОБЕДИТЕЛИ ЛИТЕРАТУРНОГО КОНКУРСА
Золото
Ольга Покровская и ее рассказ «Неявный человек»
Серебро
Артём Хлебников и его рассказ «Задача на понимание»
Бронза
Максим Лыков и его рассказ «Горизонтальные связи»
Литературный конкурс стартовал во второй раз!
В этот раз темами конкурсных работ стали: «Инженер души» и «AI против айтишника».
Участие могут принять все желающие.
Желаем успехов!
11
LabStory
Приглашаем присоединиться к проекту LabStory!
LabStory - это инструмент для сохранения данных об экспериментах с нейронными сетями. При помощи сервиса вы сможете анализировать ваши эксперименты и исследовать достижения после обучения нейронных сетей. LabStory поможет выйти на новый уровень разработки нейронных сетей и анализа различных параметров.
12
1 апреля: правда или ложь?
Перед вами 5 новостей.
Как вы думаете, какая из них ложная?
Искусственный интеллект изобрел идеальный рецепт блинов
NASA создает космическую GPS-навигацию на базе искусственного интеллекта
Нейросеть научилась по фотографии определять основные черты характера из так называемой Большой пятерки — психологической модели, описывающей личность по пяти признакам: экстраверсии, доброжелательности, добросовестности, эмоциональной устойчивости и открытости новому опыту.
Искусственный интеллект будет выбирать первых путешественников на Марс через Instagram.
Разработчики начали использовать для продаж «роботов-психологов»