イノポリス大学のアルゴリズム理論に関するウェビナー

読者の皆さん、こんにちは！



先週、一連のウェビナーが赤道を無事に通過しました。本日は、今後のウェビナーを発表するとともに、リスナーからの質問の記録と講師に対する回答の記録を公開したいと考えています。



そのため、3月11日18:00（モスクワ時間）に、マヌエルマッサラ教授が計算理論に関するウェビナーを開催します。 リンクでウェビナーに登録することを急いでください 。







私たちは、学部課程プログラムのアプリケーションのコレクションが継続していることを思い出させます。



人工知能ウェビナー、講師-サミール・ベルハウアリ

質問1：

教授、人間の脳のシミュレーションモデルを作成することが目標であるHuman Brainプロジェクトについて聞いたことがありますか？

回答：はい。HBPプロジェクトは、以前に勤務していた大学、ローザンヌ工科大学（EPFL-スイス）によって実施されています。 このプロジェクトは欧州連合によって資金提供されています。 彼らは実際の脳のコンピューターモデルを構築し、それによってそのすべての秘密を学ぼうとします。



質問2：

AIプログラミングで現在使用されている言語は何ですか？

回答：AIの特定の産業（コンピュータービジョン、機械学習、検索、計画、ロボット工学、自然言語処理など）に依存します。 MATLABなど、特定の要素のプロトタイプを簡単に作成できる言語を選択する必要があると思います。 ただし、システムを構築する場合は、CまたはC ++が最適です。



質問3：

AIが石油およびガス産業でどのように使用できるかの例を挙げていただけますか？

回答：人工知能技術は、今日の石油産業で広く使用されています。これには、油田およびガス田のシミュレーション、掘削と生産の最適化、掘削の自動化およびプロセス制御全般が含まれます。



質問4：

このテーマのトレーニングを成功させるには、どのような基礎知識が必要ですか？

回答：基本的なプログラミングの知識、確率論、線形代数が必要になります。



質問5：

マルコフ連鎖は動的プログラミングに関連していますか？

回答：はい、できます。 マルコフ連鎖は、動的最適化の問題の解決によく使用されます。



質問6：

この業界でAIメカニズムを開発するために、経済をどれだけ理解する必要があるか教えてください。

回答：効果的なモデルを開発するためには、経済学者があなたのモデルに何を望んでいるかを正確に知る必要があります。 知識に関しては、基本的な経済用語と一般的な概念を知っているだけでよいと思います。



質問7：

先験的な情報のないアプリケーションのコンピュータービジョンの分野にはどのようなアプローチが存在します。 動き検出の分野にはどのようなアイデアがありますか？

回答：1）事前情報がない場合、クラスタリングアルゴリズムが使用されます。 2）動き検出は、フレームの微分方法に基づいて機能します。この方法では、ピクセルの強度がフレームごとにその位置を変更する方法を比較します。 動き検出には2つのオプションがあります。a）最初の方法では、パターン全体の変化を考慮します。 b）2番目の方法は、平均化された配列の動きを考慮します



質問8：

R言語について何と言えますか？ 彼は機械学習の分野で非常に人気があると聞きました。 コース自体にプログラミング言語に関するワークショップはありますか？

回答：R言語はWeb上で無料で簡単にアクセスできるため、よく使用されます。 私はMATLABを使用することを好みます（もしあれば、R言語でいくつかのタスクを追加できます）。 人工知能のコースには5つのタスクがあり、その間に学生はコーディングにMATLABまたはC ++を使用できます。



質問9：

IEEEまたはACMのうち、コンピューターサイエンスの分野でより多くの権限を持つ組織はどれですか？

回答：これらの組織はどちらも非常に権威があります。



完全なウェビナーエントリ：





ウェビナー人工認知システム、講師-デビッドバーノン

質問1：Renat Shaikhutdinov

複雑な動作をどのようにテストしますか？ たとえば、単純な関数は単体テストを使用してテストできますが、この場合はどうすればよいでしょうか？

回答：主な問題は、認知システムが開発段階で完全に詳細化できない状況に対処することです。つまり、認知システムは変化し、予測不可能で、整合性情報が不足していると想定されます。 これらのタイプのシステムのテストは非常に困難です。 もちろん、個々のコンポーネントを単体テストにかけることができますが、システムテストははるかに困難です。 ほとんどの人は、システムを実際の条件でテストし、考えられるシナリオを列挙する際に、生きているオブジェクトと生きていないオブジェクトとの相互作用を観察することでこの問題を解決します。 実験室でこれを行うには、自然環境（キッチンなど）をシミュレートするか、自然環境で試してタスクを設定し、特定のタスクを実行しようとしたときの動作を観察します。



質問2：ビクタースミルノフ

ヴァーノン教授、プレゼンテーションでは、概念的に学習と開発を分離します。 認知科学および/またはロボット工学におけるこの分離はどのくらい一般的ですか？

回答：学習と開発の違いは、トレーニング中に外部の被験者が提供するモデルが適応（キャリブレーション）され、開発中に被験者が独自のモデルを作成することです。 したがって、トレーニングは別のエンティティによって提供されるモデルのパラメータの決定に基づいており、開発はモデルの自己作成に基づいています。 この部門はまだ科学界で広まっているわけではありませんが、両方の問題の根底にある技術的な方法とプロセスを説明するのに非常に役立ちました。 もちろん、学習と開発を分離する他の方法があります。 たとえば、通常、トレーニングは1つのスキルまたは知識に焦点を当てていますが、開発には多くのスキルと知識の習得とそれらの関係の理解が含まれます。 また、トレーニングには、多くの場合、状況に関するエージェントの視点を考慮せずに、世界がどのように機能するかを理解することが含まれます。 発達は常に、世界がどのように機能するかという文脈における被験者の能力の関係に関連しています。 心理学では、発達とは、対象が一連の可能な行動を拡大し、見込みを立てる能力（イベントを予測する能力と行動の必要性）の時間間隔を延長するプロセスです。



質問3：アナトリー・スヴィリデンコフ

知識のために特定のロジックを使用していますか？ ある場合、どのタイプですか？ 一次ロジック？

回答：SoarやACT-Rなどのほとんどの認知システムは、生産モデルを使用します。つまり、それらは条件と関連アクションを備えたルールベースのシステムです。 それらは形式的なロジックを使用しませんが、本質的には、1次述語計算、つまり1次ロジックのアプリケーションです。 創発的（英語の出現-発生、予期せずに現れる）認知システムは、記号によって知識を示さないため、知識を正当化または示すために形式的なロジックを使用しません。 代わりに、可換メソッドと連想手法を使用して、情報を提示および操作します。



質問4：ドミトリー・チェスナコフ

プレゼンテーションでは、MOOC（大規模な遠隔教育コース）について話しているのですか、それともイノポリス大学のコースについてですか？

回答：これはイノポリス大学のコースです。 ヴァーノン教授は2014-2015学年度の第2学期にコース「人工認知システム」を教えます



質問5：ビクタースミルノフ

現代の認知システムにおける驚異的な意識のモデリングの問題はどれほど重要ですか？

回答：意見は異なります。 一部の学者は、認知のプロセスを研究する際に意識の概念を使用する必要はないと考えています。 他の人は、これが認知の不可欠な部分であると確信しています。 まさに本当のことは、意識の計算モデルの研究は現在認識されている研究分野であり、認知プロセスの研究が重要な役割を果たしているということです。 私のコースでは、さまざまなタイプの記憶（手続き型および宣言型記憶）を学習する場合にのみ、意識のトピックにあまり触れません。



質問6：アナトリースヴィリデンコフ

認知システムでのディープラーニングについてどう思いますか？ 文字レベルとサブ文字レベルを組み合わせることはできますか？

回答：素晴らしい質問です！ 科学界の大部分は、これが重要であると考えています。 認知アーキテクチャについて話したとき、認知的で創発的なアプローチについて言及しました。 これら2つのアプローチの組み合わせは、ハイブリッド認知アーキテクチャと呼ばれます。 CLARIONやACT-Rなど、よく知られている多くのハイブリッド認知アーキテクチャがあります。 主なアイデアはまさにあなたが提案しているものです：知識のシンボリックおよびサブシンボリック形式、つまり明示的であり、シンボリックシステムによって表される知識と、暗黙的であり、人工ニューラルネットワークなどの可換技術を使用してしばしば提示される知識を組み合わせることです。



質問7：アナトリー・スヴィリデンコフ

脳のモデリング、機械学習、人工知能など、どの分野でブレークスルーが期待されますか？

回答：機械学習の分野では、3つの分野すべてが非常に重要だと思います。 たとえば、脳のモデリングの分野で多くの研究が行われています。 その結果は、すでにミラーニューラルシステムなどのいくつかのコンピューティングシステムに影響を与えています。 個人的には、自律システムの研究におけるいくつかの重要なブレークスルーを期待しています。



質問8：

プレゼンテーションでは、さまざまな種類の記憶に細心の注意を払います。 マシンに多くの種類のメモリがあるのはなぜですか？

回答：さまざまな種類の知識をエンコードするには、さまざまな種類のメモリが必要です。 たとえば、世界に関する事実（固体金属、沸騰水は非常に熱いなど）に関連する宣言的知識があります。 別の種類の知識は、スキルベースの知識、物事を行う能力です。 これは手続き型の知識です。 これらは別のタイプのメモリにエンコードされ、人工システムを作成するときに異なる表現が必要です。 これを手続き型メモリと呼びます。 短期および長期記憶もあります。短期記憶は、何らかのタスクを実行する必要がある場合にのみ知識を保存し、長期記憶には対象のすべての経験が含まれます。



完全なウェビナーエントリ：





コンポーネントベースのソフトウェアエンジニアリングウェビナー、講師-マヌエル・マッツァラ

質問1：

今日、企業と人々は膨大な量のデータを使用して業務を行っています。 同時に、企業は取引の全履歴、管理情報、その他のデータを蓄積します。 人々は大量のメディアデータを保存します。 しかし、実際には、すべての感覚情報を保存できる生物はいません。 この問題に対処するソフトウェア開発のパラダイムはありますか？

回答：私の知る限り、そのようなパラダイムは現在存在していません。 このエリアは現在非常に新しいです。 ビッグデータ、データマイニング、そしてある程度までディープウェブは、あなたが言及した問題に関連する分野です。



質問2：

テクノロジーがそのようなペースで発展すれば、コンピューターとマシンは将来私たちの能力を超えると思いますか？ 人類がこれを防止し、常に先を行く方法

回答：私の個人的な意見はノーです。 人だけができる特定のことがあります。 機械はそれらを作ることができません。 技術開発の速度と機械の速度はこれとは関係ありません。 マシンが持つことのできない単純な思考プロセスがあります。 たとえば、計算可能性とツーリング教会の仮説。 当然、これは私の意見です。 ただし、その反対の証拠はありません。 私の同僚の何人かは、50年以内に意識を持った機械を手に入れると確信しています。 これが起こるかどうかはわかりません。



質問3：

私が理解している限り、私たちは毎日コンポーネントベースのソフトウェアエンジニアリングを使用しています。 CBSEと従来のプログラミング手法に違いはありますか？

回答：ソフトウェアをより小さなコンポーネントに分解する必要性は、過去10年または15年だけでなく、はるかに長い間存在します。 コンピュータサイエンスの発展の最初の段階で、大きな問題が小さな部分に分割されていると、より効果的に解決されることが明らかになりました。 CBSEは確かにソフトウェアエンジニアリングの一部です。 CBSEは、構造化プログラミングやオブジェクト指向開発など、以前の概念の進化的開発です。



質問4：

最近、どのIT開発部門が最も重要であり、近い将来最も重要になりますか？

今日、クラウドコンピューティング、ビッグデータ、データマイニングが多く議論されています。 ソーシャルネットワークの出現により、これらの分野（Facebook、Twitterなど）に対する多大な商業的関心に気付きました。

回答：別の重要な側面は、電子医療の分野です。これは、人々、特に高齢者や障害のある人々の生活の質を改善するために使用される技術です。 現代のテクノロジーのおかげで、これらの人々を助けることができます。 たとえば、これはモバイルアプリケーションとデバイスを通じて実装されます。 個人的には、将来これらの分野に特別な注意を払う予定です。



質問5：

真に分散化されたシステムについてどう思いますか？ たとえば、すべてのリンクが交換可能なシステムですか？

回答：この質問は非常に興味深いものです。 そのようなシステムは存在しますが、コースではそれらについて説明しません。 この問題を課外で議論する準備ができています。



質問6：

知識は学習し分析する能力ほど重要ではないと思いますか？

回答：私は個人的に、最も重要なことは「学ぶ方法」を学ぶ能力だと信じています。 したがって、私にとって、知識は仕事で精神構造を使用する能力ほど重要ではありません。 インターネット、データベース、他の場所でいつでも知識を得ることができます。 ただし、情報を処理できる必要があります。 情報を扱う方法がわからない場合、多くのことを理解できません。 私にとって、教授法は単なる知識よりも重要です。



質問7：

大小のソフトウェアエンジニアリングプロジェクトに違いはありますか？ それらに異なるアプローチを適用する必要がありますか？

回答：これらの質問には2つの回答があります。 もちろん、違いがあります。 大規模プロジェクトの管理が複雑であるため、オブジェクト指向開発の必要性が生じました。 小さなプロジェクトの場合、そのようなニーズはありません。 2番目の答え：授業中は大規模なプロジェクトを扱うことができず、上記の方法を小規模なプロジェクトに適用します。 もちろん、小さなプロジェクトはこの目標に必ずしも適しているとは限りません。 ただし、最終的な答えは、これらの手法を両方のケースに適用できるということです。



質問8：

過去10年間でコンピューターサイエンスの分野で最も重要な出来事は何だと思いますか？

回答：科学的な観点から、たとえばアルゴリズムの分野で多くの発見がありました。 しかし、それらは一般の人々にとってそれほど重要ではありません。 もちろん、最も目に見えて重要な部分は、ソーシャルネットワークの普及を検討することです。 それらとモバイル技術は、過去10年間で最も目に見える変化です。 20年前、人々がレストランに座って、食べることや生きている人々とコミュニケーションすることよりもモバイルデバイスに注意を払うことを想像することはできませんでした。



完全なウェビナーエントリ：





機械学習ウェビナー、講師-サミール・ベルハウアリ

質問1：

過去数年にわたって、機械学習の研究者向けに多くのソフトウェアライブラリと環境が作成されてきました。 ただし、ハードウェアの分野では、デジタルデータ処理と機械学習用の特別なプロセッサのほんの数例しかありません。 近年言及できる最も重要な進展は何ですか？

回答：私は、ガウス過程と機械学習のための正規分布の混合のモデルに基づくガスの認識と検出のためのセンサーとチップの使用に関するプロジェクトに取り組みました。 SVMアルゴリズムはハードウェアとして適用されています。



質問2：

皮膚がんについてどう思いますか？ この種の死亡率は、他の危険な種類の癌よりも低く、視覚的な症状があるため、機械認識に最適です。

回答：乳がんと肺がんは女性と男性の間で最も一般的であり、皮膚がんに関してはセグメンテーションと診断に関する多くの研究があります。



質問3：

機械学習を開始する前に勉強する必要があるいくつかの科目について言及しました。 並行して、または機械学習クラスの後に学習できる科目をアドバイスしてもらえますか？

回答：コースの開始前に、数学とアルゴリズムに関する学生の知識を「更新」し、コースの基本概念をよりよく理解するのに役立つ追加資料も提供します。



質問4：

トレーニング中に学生はどのプロジェクトを行いますか？

回答：学生はMLの基本とアルゴリズムを理解し、コードを書き直す（理解する）必要があります



質問5：

私が理解しているように、このコースの主な目標は、一般化プロセスを通じてプログラミングすることなく機械に学習させることです。

回答：アルゴリズムには動的なものとそうでないものがあるため、プログラムされる場合とされない場合があります。



質問6：

取得した情報を一般化するだけで、人工知能を作成できると思いますか？

回答：一部のアプリケーションではデータのない革新的なアルゴリズムを使用する必要があるため、これでは十分ではないと思います



質問7：

一部の大学は、一部の大学がロボットとコンピューターをプログラミングしてデータを要約することに成功していることに注目しています。 マシンに将来の結果を認識して、意思決定を行うことを教えることは可能ですか？

回答：もちろん、最良の決定と結論を下すようにコンピューターに教えることは可能ですが、このタスクを達成するためには、数学用語で問題をモデル化することが重要です。



質問8：

このトピックの初心者にはどの文献をお勧めしますか？ 機械学習の学習にとって数学のどの領域が重要ですか？

回答：次の分野を知る必要があります。

•基本的な確率、行列、および計算

•いくつかのプログラミング言語C / C ++およびMATLABに精通している

参照：

S.ラッセルとP.ノービグ。 人工知能：現代のアプローチ、第3版、Prentice Hall（2010）。

D.コラーとN.フリードマン。 確率的グラフィカルモデル、MIT Press（2009）

R.サットンとA.バート。 強化学習：はじめに、MIT Press（1998）

E.Tsang。 制約充足の基礎。 アカデミックプレス（1993）



完全なウェビナーエントリ：