Искусственный интеллект для школьников
Изучаем ИИ и готовимся к олимпиадам
11 июня — 31 августа 2024
Регистрация до 6 сентября
Прием заявок завершен
Подготовка к олимпиадам
Готовимся к ВсОШ по ИИ и ботаем машинное обучение
Бесплатно
Обучение полностью бесплатное. Для поступления необходимо пройти конкурсный отбор
Онлайн и очно
- Онлайн — из любого города
- Москва — онлайн и очно на базе ШАД
- Санкт-Петербург — только очно, в кружке CS Space на базе ПФМЛ № 239
2 занятия в неделю
Одно занятие по математике, второе — по ML
Регулярная практика
Домашние задания каждую неделю, соревнования и постоянная работа с контестами
Опытные преподаватели
Занятия ведут члены жюри олимпиад по ИИ, преподаватели ФКН НИУ ВШЭ, эксперты CS Space и практикующие ML‑специалисты
Программа
Математика
- Многомерные массивы и матрицы
- NumPy‑массивы
- exp, log + неравенства
- Вероятностное моделирование и основы статистики + формула полной вероятности
- Комбинаторика и дискретная теория вероятностей в ИИ + условная вероятность
- Перебор в Python
- Монте‑Карло + kNN
- Неравенства (оценки) + AM‑GM, транзитивное неравенство
- Матричные операции и умножение матриц + геометрическая интерпретация
- Линейная алгебра для ML
- Метрические пространства
- Тригонометрия
- Неравенства: выпуклость, неравенство Йенсена
- Введение в прикладную теорию вероятностей
- Интуиция интеграла
- Гладкость
- Основы математического анализа + пределы
- О(х)
- Непрерывная теория вероятностей и эмпирические распределения
- Непрерывное распределение (black box)
- Многомерное распределение
- ММП
- SVD
- PCA
- Свёртка
- Оптимизация + Производные (градиенты)
- Оптимизация функции одного переменного
- Регрессии + Градиентный спуск
- Градиентные методы оптимизации для функции одной переменной
- Оптимизация функции многих переменных
- Математическое обоснование классических ML‑моделей
- Нейросети как модель вычислений
- CE, KL (Cross‑Entropy, KL‑дивергенция)
- Теория информации
ML
- Виды задач в ML
- Анализ данных на Python: matplotlib, pandas и визуализации
- Линейные модели
- Классификация. Логистическая регрессия
- Машинное обучение на табличных данных
- Регрессия: практика на Python
- Временные ряды: авторегрессия и скользящее среднее
- Предобработка и работа с табличными данными
- Деревья принятия решений
- Фича инженеринг
- SVM (до уровня ядер)
- Наивный Байес: практика на Python
- Основы математического анализа: практика на Python
- Оптимизация под заданные метрики
- Дискретная теория вероятностей: практика на Python
- Ансамблирование моделей и оценка устойчивости
- Бустинги
- Снижение размерности и кластеризация
- Основы DL и PyTorch
- Задачи регрессии и классификации на полносвязных сетях
- Полносвязные сети
- Оптимизаторы, функции потерь
- Батчнорм, дропаут
- Генеративные модели
- Задачи генерации
- Автоэнкодеры и представления
- Интерпретация слоев
- Задачи компьютерного зрения
- Свёрточные сети
- CNN и компьютерное зрение
- Операция свёртки и свёрточные архитектуры для компьютерного зрения
- NLP в прикладных задачах
- Эмбеддинги и word2vec
- Трансформеры и BERT
Список тем — общий ориентир
В основной группе разбираем все темы подробно, с нуля. В продвинутой — берём из этого же списка ключевые темы, но идём в них глубже, в детали и с упором на практику
Команда
Артём Беляев
Преподаватель DL ФКН ПМИ НИУ ВШЭ, младший научный сотрудник МГУ, ex-Yandex
Артур Гиголаев
NLP-специалист X5
Роман Васильев
- Руководитель аналитики международного Поиска Яндекса
- Лектор курсов по Машинному обучению НИУ ВШЭ
Артур Игнатьев
Руководитель CS Space, член жюри ВсОШ по ИИ, научный сотрудник МКН СПбГУ и ИТМО
Максим Николаев
Старший преподаватель МКН СПбГУ, младший научный сотрудник ПОМИ РАН, руководитель программ «Науки о данных» и «AI360: Математика машинного обучения» МКН СПбГУ, преподаватель ШАД Яндекса
Тимофей Москаленко
Член жюри ВсОШ по ИИ, победитель международных олимпиад по математике, финалист ICPC
Иван Лопатин
ML разработчик, Член жюри ВсОШ по ИИ и профильных олимпиад, победитель хакатонов и олимпиад по ИИ
Максим Бидва
Член жюри ВсОШ по ИИ, магистр современной математики факультета математики и компьютерных наук СПбГУ
Алексей Власов
Член жюри ВсОШ по ИИ, инженер-исследователь лаборатории Маркова МКН СПбГУ, золотой медалист IMC
Юрий Зюзин
Руководитель службы коммерческой аналитики Яндекс Маркета, AI‑амбассадор Яндекс Маркета, преподаватель ML и аналитики
Александра Ковалёва
Преподаватель магистратуры «Искусственный интеллект» НИУ ВШЭ, младший научный сотрудник Научно-учебной лаборатории методов искусственного интеллекта для когнитивных наук НИУ ВШЭ, преподаватель студкемпов Яндекса × ВШЭ, сотрудник лаборатории Сколково
Сергей Фиронов
Ведущий разработчик ML R&D в Яндексе, Kaggle Competition Grandmaster, автор задач для Yandex Cup, соавтор статей в Nature, участник полуфинала ACM ICPC
Артём Вересников
Старший MLE ВБ Тех (Wildberries)
Леонид Шатунов
Тренер сборной Москвы по ИИ, жюри заключительного этапа ВсОШ по математике, педагог ОЦ Сириус
Дарья Алексеева
Преподаватель спецкурса по анализу данных в ШЦПМ,
Преподаватель олимпиадной математики на проектах Ассоциации победителей олимпиад (АПО), в ОШ МФТИ и на математических сменах в ОЦ «Сириус»
Алина Лукманова
Преподаватель математики НИУ ВШЭ, аналитик, автор учебных курсов на платформе Stepik
Как поступить
А ещё будет выпускной!
FAQ
Могу ли я поступить, если учусь в 6 классе?
Почему нужна математика на Кружке по ИИ?
Нужно ли уже знать машинное обучение?
В каком формате проходит отбор?
Как понять, на какой уровень я попаду?
Как проходит собеседование?
Если я не поступил, могу ли я смотреть материалы?
Могу ли я перейти на другой уровень?
Могу ли я учиться только онлайн?
По каким дням будут занятия?
Сколько стоит обучение?
Смогу ли я присоединиться в середине года?
Напишите, если остались вопросы:
olympiads@yandex-team.ru