Базовая кафедра «Математические методы системного анализа» ИСА РАН на факультете компьютерных наук НИУ ВШЭ. - презентация

1 Базовая кафедра «Математические методы системного анализа» ИСА РАН на факультете компьютерных наук НИУ ВШЭ

2 Преподаватели и сотрудники Попков Ю. С. - зав. кафедрой, член-корр. РАН, профессор, д. ф-м.н., директор ИСА РАН Осипов Г. С. - зам. зав. кафедрой, профессор, д.ф-м. наук, зам. директора ИСА РАН по научной работе Дмитриев М.Г. - профессор, д.т.н, сотрудник ИСА РАН Дорофеюк А.А. - профессор, д.т.н, зав. лаб. ИПУ РАН Дарховский Б.С. – доктор ф-м.н, г.н.с, сотрудник ИСА РАН Булычев А.В. - к.т.н., ст. преподаватель кафедры, сотрудник ИСА РАН Яковлев К.С. – к.ф-м.н., ст. преподаватель кафедры, сотрудник ИСА РАН Алескерова И.И. – менеджер кафедры, сотрудник НИУ ВШЭ

3 Дисциплины в бакалавриате 1 связка: «Прикладные задачи системного анализа» 3 курс Основы теории макросистем и ее приложения «Foundations for macro systems theory and its applications»- Попков Ю.С.-зав. кафедрой, профессор, доктор ф-м.н, директор института ИСА РАН

4 Аннотация курса Изучение многоэлементных динамических систем с дуальными свойствами – детерминированными и стохастическими, которые названы макросистемами. Макросистемная модель оказывается адекватной для исследования реальных объектов в различных научных дисциплинах: экономики, технике, информационных технологиях, демографии и др. Основу теории макросистем составляют обобщенный вариационный принцип и принцип локальных равновесий. Курс состоит из двух частей: 1- равновесные модели макросистем. Рассматриваются методы исследования параметрических свойств моделей и вычислительные алгоритмы для их численной реализации. 2- развиваются методы построения и исследования неравновесных моделей, как динамических систем с энтропийным оператором. Рассмотрены приложения теории макросистем для математического моделирования и исследования процессов в демо-экономических, транспортных и информационных системах, компьютерной томографии и анализе данных

5 Бакалавриат – 1 связка 4 курс Технологии многомерной оценки эффективности макросистем; «Technologies of Evaluation for Macrosystems Effectiveneses»- Булычев А.В. - к.т.н., ст. преподаватель кафедры, сотрудник ИСА РАН

6 Аннотация курса Рассматриваются механизмы выбора данных и анализа традиционных и современных алгоритмов извлечения знаний из данных, описывающих типы макросистем различной природы (производственно-экономические, демографические, природно-экологические, информационные и др.), дальнейшего построения гипотез о моделях динамики и методов оценки их эффективности. В курсе рассматриваются следующие подходы анализа макросистем: математическое, информационное, вероятностное (стохастическое), системно интегральное моделирование. Динамическое программирование. Элементы теории игр, минимакс. Макетирование (прототипирование). Матричные модели, метод редукции размерностей. Байесовский метод: дискретный случаи. Композиционные алгоритмы.

7 бакалавриат 2 связка «Методы искусственного интеллекта»- 3 курс «Введение в методы искусственного интеллекта» -«Introduction to Artificial Intelligence»- Осипов Г. С. - зам. зав. кафедрой, профессор, д.ф-м. наук, зам. директора ИСА РАН по научной работе; - Яковлев К.С. – к. т.н., ст. преподаватель кафедры, сотрудник ИСА РАН

8 Аннотация курса Овладение студентами основными методами теории интеллектуальных систем. Приобретение навыков по концептуальному проектированию интеллектуальных систем. Изучение основных методов представления знаний и моделирования рассуждений.

9 Дисциплины в магистратуре 1 курс Математические модели макросистем- «Mathematical models of macrosystems» - -Попков Ю. С. - зав. кафедрой, член-корр. РАН, профессор, д. ф-м.н., директор ИСА РАН

10 Аннотация курса В основе многих современных методов принятия решений в условиях неопределенности лежат математические модели макросистем. Макросистема представляет собой систему с дуальным поведением – стохастическим на микроуровне и детерминированным – на макроуровне. Математические модели такого класса систем основаны на сочетании принципа локальных равновесий и максимизации энтропии. Курс состоит из четырех блоков: 1- рассматриваются общие вопросы феноменологии распределительных процессов, лежащих в основе функционирования макросистем, показаны связи с процедурами принятия решений в условиях стохастической неопределенности. 2-посвящен математическим моделям равновесных состояний, максимизирующих энтропию в качестве синтетического критерия при принятия решений. 3- посвящен методам исследования динамики макросистем. 4- рассматриваются приложения теории макросистем в принятии решений в социально-экономической сфере.

11 магистратура 1 курс Структурные методы классификации и прогнозирования в слабо-формализованных системах – Structural classification and prediction methods in weakly formalized systems- Дорофеюк А.А. - профессор, д.т.н, зав. лаб. ИПУ

12 Аннотация курса Основа методологии структурно-классификационного анализа данных была заложена в гг. в Институте проблем управления им. В.А.Трапезникова РАН группой сотрудников, руководимой проф. М.А.Айзерманом. Сейчас это стремительно развивающееся направление, идеологически близкое к распознаванию образов, называют «интеллектуальный анализ данных», «структурно-классификационный анализ», «разведочный анализ», на Западе оно известно, в основном, под называнием «DATA MINING».

13 магистратура 2 курс Современные проблемы оценки эффективности макросистем«Modern methods of Evaluation for Macrosystems Effectiveness»- Булычев А.В. - к.т.н., ст. преподаватель кафедры, сотрудник ИСА РАН

14 Аннотация курса В курсе производится анализ эффективности макросистем, для которых характерно циклическое поведение с использованием как традиционных (обыкновенные дифференциальные уравнения и уравнения в частных производных, матричные и стохастические модели, уравнения нелинейных процессов и др.), так и современных методов. В ряду современных методов рассматриваются: технология интеллектуального анализа данных, байесовские методы апостериорной оценки и идентификации моделей (непрерывный случай), композиционные алгоритмы, методы операторных уравнений моделирования стохастических процессов, бутстрап, методы классификации распределений. Рассматривается технология многомерной оценки эффективности макросистем - АСФ (анализ среды функционирования) и построение границы множества производственных возможностей (эмпирической производственной функции

15 магистратура 2 курс Введение в теорию стохастических моделей риска Introduction to the theory of stochastic risk models- Дарховский Б.С. – доктор ф-м.н, г.н.с, сотрудник ИСА РАН

16 Аннотация курса Ознакомление с основными математическими моделями и методами принятия решений в условиях стохастической неопределенности Основными задачами курса являются: дать сведения об основных математических моделях принятия решений в условиях стохастической неопределенности; ознакомить с понятием риска при принятии решений в условиях стохастической неопределенности и способами его измерения; ознакомить с основными математическими моделями и принципами принятия рациональных решений при формировании эффективных инвестиционных портфелей и расчетах страховых рисков; дать представление о математических методах обнаружения моментов изменения механизма генерации временных рядов произвольной природы.

17 Научный семинар ММИИСА (секция кафедры ИСА РАН) «Макросистемное моделирование. Искусственный интеллект. Системный анализ» Для бакалавров Для магистров Для аспирантов

18 Макросистемное моделирование Бакалавры Динамические модели макросистем. Параллельные вычислительные процедуры для решения задач математического программирования с энтропийными целевыми функциями. Макросистемные модели динамики населения. Односекторная демо экономическая модель Технологии системного анализа

19 Макросистемное моделирование Магистры Энтропийно-робастное оценивание характеристик рандомизированных динамических моделей. Основы рандомизированного прогнозирования. Аспиранты Разработка методов и алгоритмов энтропийноййго восстановления изображений по проекциям (применения в компьютерной томографии) Разработка параллельных методов и алгоритмов Монте Карло для решения задач функционального энтропийнойй-линейного программирования (применения для энтропийнойй- робастного оценивания при малых данных)

20 Искусственный интеллект БАКАЛАВРЫ Методы представления знаний Методы аргументации Планирование поведения на основе ограничений. Методы приобретения знаний интеллектуальными системами МАГИСТРЫ Типы данных в дескриптивной логике. Логики аргументации. Квазиаксиоматические теории и немонотонные рассуждения. Интеллектуальный поиск и анализ текстов. АСПИРАНТЫ Построение и исследование знаковой картины мира интеллектуального агента. Распределение ролей в коалициях интеллектуальных агентов. Исследование и реализация функций рефлексии, интроспекции и целеполагания интеллектуального агента.

21 Системный анализ БАКАЛАВРЫ Современные методы системного анализа – обзор основных направлений и подходов. Структуризация многомерных объектов, детерминированный подход. Основные идеи конструирования эвристических алгоритмов. Методы экспертизы, основные направления, специфика алгоритмической базы. Процедуры извлечения экспертных знаний, использование методологии экспертных систем.

22 Системный анализ МАГИСТРЫ Размытая постановка задач интеллектуального анализа данных, основные методические особенности её решения. Специфика задачи структуризации (группировки) параметров, определяющая методы её решения. Методы анализа экспертных оценок. Задачи структурного прогнозирования, методы её решения, базирующиеся на алгоритмической базе интеллектуального анализа данных.

23 Системный анализ АСПИРАНТЫ Методы структуризации траекторий (динамических объектов, описываемых многомерными временными рядами). Специфика различных схем использования исходной информации (куба данных). Методы решения задач структурной идентификации (кусочной аппроксимации сложных, нелинейных моделей). Методы экспертизы и анализа экспертных оценок в прикладных задачах поддержки принятия решений. Специфика их использования для крупномасштабных, слабо формализованных систем управления. Анализ эффективности методов и алгоритмов системного анализа сложно организованных данных при решении «трудных» прикладных задач (прежде всего в области исследования социально-экономических и организационных систем управления).

24 Темы исследований Многоуровневые системы управления Приложения теории макросистем к моделировании социально- экономических объектов Макросистемные модели пространственной экономики Прогнозирование в слабо формализованных системах Методы автоматического синтеза планов целенаправленного поведения сложных технических систем в непрогнозируемой динамической среде Когнитивное моделирование: модели рефлексии, интроспекции и целеполагания Методы семантического поиска в локальных и глобальных телекоммуникационных сетях