1.2.1. Искусственный интеллект и машинное обучение

Описание

Направления исследований:
1. Естественно-научные основы и методы искусственного интеллекта. 2. Исследования в области оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения. Методики сравнения и выбора алгоритмических и программных решений при многих критериях. 3. Методы и алгоритмы моделирования мыслительных процессов: рассуждений, аргументации, распознавания и классификации, формирования понятий. Исследования в области нейроморфных методов анализа данных, имитационное моделирование строения и функций мозга, в том числе – и с использованием методов машинного обучения. Нейроинформатика и методы моделирования биологических нервных систем. 4. Разработка методов, алгоритмов и создание систем искусственного интеллекта и машинного обучения для обработки и анализа текстов на естественном языке, для изображений, речи, биомедицины и других специальных видов данных. 5. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в системах искусственного интеллекта. Исследования в области совместного применения методов машинного обучения и классического математического моделирования. Методы и средства использования экспертных знаний. 6. Формализация и постановка задач управления и (поддержки) принятия решений на основе систем искусственного интеллекта и машинного обучения. Разработка систем управления с использованием систем искусственного интеллекта и методов машинного обучения в том числе – управления роботами, автомобилями, БПЛА и т.п. 7. Разработка специализированного математического, алгоритмического и программного обеспечения систем искусственного интеллекта и машинного обучения. Методы и средства взаимодействия систем искусственного интеллекта с другими системами и человеком-оператором. 8. Многоагентные системы и распределенный ИИ. 9. Методы и средства использования для решения задач искусственного интеллекта и машинного обучения параллельных, квантовых вычислений и т.д. 10. Исследования в области этических проблем, связанных с созданием и внедрением ИИ-систем, включая моделирование ожидаемых социальных и экономических последствий. 11. Исследования в области «сильного ИИ», включая формирование понятийной базы и элементов математического формализма, необходимых для построения алгоритмического аппарата. 12. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д. 13. Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемно-ориентированные коллекции данных для важных прикладных областей. 14. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и машинного обучения. 15. Математические исследования в области статистики, логики, алгебры, топологии, анализа функции и других областях, ориентированные на решение задач искусственного интеллекта и машинного обучения. 16. Исследования в области специальных методов оптимизации, проблем сложность и элиминации перебора, снижения размерности. 17. Исследования в области многослойных алгоритмических конструкций, в том числе – многослойных нейросетей.

Условия поступления

Прикрепление для подготовки диссертации (соискатель)
Прием заявлений на прикрепление ведется в течение всего года. Прием открыт только для лиц, сдавших все кандидатские экзамены, планирующих защиту по специальности, по которой в НИТУ МИСИС есть действующий диссертационный совет.

Прикрепление для сдачи кандидатских экзаменов
Прикрепление ведется по аккредитованным специальностям. В период прикрепления можно сдать кандидатские экзамены:

-история и философия науки
-иностранный язык
-специальная дисциплина

Возможно прикрепление для любого количества кандидатских экзаменов, но экзамен по специальности можно сдавать только после «истории и философии науки» и «иностранного языка». В случае получения оценки неудовлетворительно экзамен можно пересдать не более 2 раз.

Репутация

НИТУ МИСИС — один из лидеров в сфере высшего образования в России, а также крупный научный кластер, объединяющий классические кафедры с богатой историей, современные научные центры и оснащенные лучшим оборудованием лаборатории.

Аспиранты МИСИС погружаются в научную деятельность с самого первого курса, участвуя в исследованиях и работе над перспективными научными разработками. В ходе исследований работают как в лабораториях МИСИС, так и в партнёрских организациях — ведущих научных и медицинских центрах, публикуют собственные научные работы, а также работы в соавторстве в крупнейших научных изданиях, таких как Science, Nature и других, в зависимости от специализации.