Магистратура

Проектирование и анализ алгоритмов

Основная цель курса - научить студентов эффективно решать алгоритмические задачи. Студенты познакомятся с классическими структурами данных и методами теории алгоритмов. Будут подробно изучены алгоритмы хэширования (FKS, метод кукушки), алгоритмы поиска кратчаших путей и минимальных остовных деревьев в графах, бинарные деревья поиска, строковые алгоритмы (КМП, Z-функция, суффиксные массивы). Значительное время будет уделено решению различных алгоритмических задач.
Преподаватель Бабин Михаил Александрович.

Разработка и управление требованиями к ПО

Курс посвящен различным аспектам разработки и управления требованиями к ПО. Основной акцент сделан на освещении процессов, принятых в компании ABBYY. Кроме этого, частично затрагиваются методики, принятые в других компаниях, и мировой индустрии ПО в целом.
Преподаватель Олюнина Ольга Викторовна.

Интеллектуальные системы

Задача курса – ознакомить студентов с проектированием интеллектуальных систем. Такая система должна воспринимать изменения в окружающей ее среде, действовать рационально с целью выполнения поставленных перед ней задач, взаимодействовать с другими системами и с человеком. В программу курса входит изучение средств для решения задач, которые сложно или нерационально решать с помощью других, «более классических» методов. Эти задачи включают в себя эвристический поиск и алгоритмы планирования, формализмы для представления знаний и рассуждения, проблемы распознавания речи и понимания естественного языка и другие. Студенты познакомятся с основными задачами искусственного интеллекта и способами их решения. По завершении курса учащийся должен быть в состоянии определить, в каких случаях методы искусственного интеллекта применимы для решения той или иной задачи, выбрать подходящий метод и реализовать его.
Преподаватель Анисимович Константин Владимирович.

Распознавание и обработка изображений

Курс направлен на подготовку специалистов в сфере наукоёмких технологий и инноваций.
Задача распознавания образов определяется как задача отнесения исходных данных к определенному классу с помощью выделения существенных признаков или свойств, характеризующих эти данные, из общей массы несущественных деталей.
Задача распознавания изображений состоит в распознавании отдельных областей изображения, которые представляют собой объекты или образы. Под образом понимается некоторая упорядоченная совокупность признаков (дескрипторов). Под классом образов понимается некоторая категория, определяющаяся рядом свойств, общих для всех ее элементов (образов). Задача обработки изображений (с целью последующего распознавания) – извлечь важные признаки из изображений, по которым производится распознавание.
Первая часть курса посвящена рассмотрению задач и методов обработки изображений. Вторая часть курса посвящена рассмотрению основных методов и алгоритмов выделение признаков на изображении. Третья часть курса посвящена различным методам и алгоритмам распознавания объектов.
Преподаватель Масалович Антон Андреевич.

Методы машинного обучения

Машинное обучение является одной из математических основ систем искусственного интеллекта. В курсе рассматриваются наиболее существенные идеи, связанные с машинным обучением, применительно к задачам распознавания текста и компьютерной лингвистики. Подробно изучаются основные алгоритмы (машины опорных векторов, нейронные сети, деревья решений, нелинейные обобщения классификаторов, бустинг и т.д.). Выполняются практические работы, в том числе и на реальном материале компании ABBYY.
Преподаватель Гриненко Михаил Михайлович.

Разработка архитектуры ПО

Курс «Разработка архитектуры ПО» знакомит с современными подходами к проектированию программного обеспечения. Курс охватывает, как проектирование «в большом» — подходы к построению архитектуры продукта, так и микропроектирование — функциональная декомпозиция, проектирование небольших систем классов. Особое внимание уделено шаблонам проектирования, как основному инструментарию для проектирования отдельных программных компонентов.
Преподаватель Инденбом Евгений Михайлович.

Моделирование поведения, восприятия и мышления

В данном курсе рассматриваются модели целенаправленного поведения, восприятия
«с пониманием» и активных нейронных механизмов мозга, а также качественные модели репродуктивного и творческого мышления. В основе этих моделей лежат «принцип устойчивого неравновесия», принцип maxT и системные принципы целостности, целенаправленности и активности. В этом плане рассматривается организация практических систем FineReader и FineReader-рукопись.
Рассматривается также широкий круг общих вопросов, связанных с проблемой моделирования поведения, восприятия и мышления.
Преподаватель Шамис Александр Львович.

Клиент-серверные приложения

Диалектика развития информационных технологий требует непрерывного поиска компромисса между стоимостью, производительностью, надёжностью, безопасностью и доступностью, централизацией и децентрализацией, гомогенностью и гетерогенностью, и т.п. Создание и использование распределённых информационных систем (РИС) – попытка получения преимуществ, вытекающих из децентрализации информационных и алгоритмических ресурсов: повышение доступности, масштабируемости, надёжности, а главное – решение задач, которые просто невозможно решить без распределения, например, создание глобальной информационной инфраструктуры.
Курс можно разделить на пять частей.
1. Причины и цели создания РИС. Основные характеристики РИС. Проблемы, возникающие при создании РИС, подходы к их решению. Обзор методологий, архитектур, языков запросов, типичных вариантов реализации и т.п.
2. Сетевые технологии. Локальные и глобальные сети. Протоколы. Понятие открытых систем.
3. Физические и логические архитектуры РИС. Архитектура «клиент-сервер» и многозвенные (многоуровневые) архитектуры информационных систем. Инфраструктура РИС. Объекты «среднего слоя». Технологии Microsoft COM, .NET, CORBA и другие.
4. Отдельные аспекты создания РИС: синхронизация, именование и локализация объектов, обеспечение надёжности (отказоустойчивости) и безопасности РИС, целостности и непротиворечивости данных, повышение эффективности работы и масштабирование, организация распределённых транзакций и репликация (тиражирование) данных.
5. Гетерогенные информационные системы и базы данных. Web-сервисы. GRID-технологии. Мобильные РИС.
Преподаватель Незнанов Алексей Андреевич.

<< Назад к странице Программа

<< Назад