Інфопакет

Спеціальні методи програмування та моделювання у фізиці та астрофізиці високих енергій

ВБ 4.1

Вибіркова дисципліна для ОП

Другий

2021/2022

3 Семестр

6

Знати теорію і проблематику сучасних моделей машинного навчання Знати основні підходи до задач астрофізики високих енергій з використанням нейронних мереж Вміти застосовувати бібліотеки Python, Wolfram Mathematica для підготовки даних та задач метричної класифікації, регресії Вміти застосовувати теоретичні та практичні підходи до багатовимірних задач класифікації Демонструвати здатність до вільної комунікації мовою навчання Використовувати знання іноземних мов для читання технічної літератури з програмування в підготовці до семінарських занять Брати участь у фахових дискусіях в процесі аудиторної роботи

Очна форма

1. Знати основи математичного аналізу, теорії ймовірностей, статистичної фізики і термодинаміки. 2. Вміти застосовувати набуті раніше знання з курсів математичного аналізу, теорії ймовірностей, статистичної фізики і термодинаміки для розв’язку практичних задач. 3. Володіти елементарними навичками обчислень з курсу теорії диференціальних рівнянь.

Частина 1. Основні методи 1 Основні поняття нейронних мереж 2 Стохастичний градієнтний спуск, роль седлових точок у ландшафті втрат, автоматичне диференціювання та зворотне поширення 3 Основні властивості ентропії, диференціальна ентропія, Байєс: мотивація, формула Байєса, фізичні приклади для оновлення Байєса, умовна ентропія 4 Генеративні змагальні мережі, рекурентні нейронні мережі 5 природний градієнт, дивергенція Кульбака-Лейблера та її властивості, інформація Фішера, взаємна інформація Частина 2 Нейронні мережі 6 Взаємна інформація, перенормована взаємна інформація, інвертовані нейронні мережі 7 Варіаційний автокодер, генеративні змагальні мережі 8 Неявні шари: рішення рівнянь і нейронних диференціальних рівнянь. Гамільтонова та лагранжева нейронні мережі. Навчання з підкріпленням 9 Big Data архітектури, проектування сховищ даних

1. Pattern Recognition and Machine Learning, Bishop, Christopher (2006). 2. Linked: The New Science Of Networks Science Of Networks, Perseus Books Group (2002). 3. Deep Learning (by Goodfellow, Bengio, Courville) https://www.deeplearningbook.org/ 4. An Introduction to Statistical Learning, Gareth Games, Daniela Witten, Travor Hastie, Robert Tibshirani, Springer (2013). 5. Neural Networks A Systematic Introduction, R Rojas, Springer (1996).

Лекції Практичні Самостійна робота

Усне опитування Проекти Доповідь Екзаменаційна робота

Українська