• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Летняя практика

В ходе прохождения практики студенты смогут познакомиться с реальными научно-техническими задачами, требующими от студентов погружения в интересную предметную область и владение соответствующими навыками в областях анализа данных, машинного обучения и/или разработки программного обеспечения. Работа над проектами может проходить на взаимовыгодной основе. Подробности можно узнать по адресу ntalaikova@hse.ru


Проекты 2022:

 

Название проекта 
и контактное лицо

Описание проекта
Цель, задачи

Пререквизиты

Уровень студентов
(курс)

Количество мест

Решение обратной задачи магнитной спектроскопии Активных Областей Солнца методами глубокого обучения

Деркач Денис Александрович

dderkach@hse.ru

Восстановление параметров атмосферы Солнца по наблюдаемым спектро-поляриметрическим данным. В настоящее время в Крымской астрофизической обсерватории (КрАО) ведутся работы по созданию нового солнечного спектрополяриметра на базе спектрографа Башенного солнечного телескопа (БСТ-1), новый инструмент должен давать возможность проводить спектрополяриметрические наблюдения участков солнечной поверхности с пространственным разрешением порядка 1 угловой секунды и с перекрытием спектра в оптическом диапазоне в полосе 15-20 ангстрем. Такие данные позволят определять параметры солнечной атмосферы (в т.ч. внешнее магнитное поле и продольную доплеровскую скорость плазмы) на разных высотах, которые определяются выбранными для наблюдений спектральными линиями.

python, ML, DL

Бакалавриат (3+)

Магистратура

3

Использование методов анализа временных рядов для юстировки детекторов

Деркач Денис Александрович

dderkach@hse.ru

 

Детекторы Большого адронного коллайдера состоят из нескольких частей, служащих для измерения физических величин. Для получения идеального качества собираемых данных эти части должны быть точно выстроены друг относительно друга. С течением времени эти части начинают смещаться друг относительно друга, что требует дополнительной юстировки, происходящей онлайн во время сбора данных. В этом проекте будет предложено исследовать возможность автоматического поиска оптимальной конфигурации компонент детектора с помощью анализа временных рядов и поиска точек разладки.

python, ML, DL

Бакалавриат (3+)

Магистратура

3

Optimal parametrization choice for the weather forecast model

Устюжанин Андрей Евгеньевич

austyuzhanin@hse.ru

Optimizing expensive-to-evaluate black-box functions over combinatorial structures is a ubiquitous task in machine learning, engineering, and the natural sciences. We look at various approaches to solving this problem: a) Turning a discrete optimization problem into a continuous one with VAE; b) Bayesian Optimization with Random Forest and Tree-structured Parzen Estimator surrogates. The algorithm should successfully resolve the challenge of Optimal parametrization choice for the WRF model.

python, ML, DL

Бакалавриат (3+)

Магистратура

3

NL2ML Entity Extractor

Трофимова Екатерина Алексеевна

etrofimova@hse.ru

Реализация пайплайнов анализа данных с использованием различных моделей машинного обучения (ML) обычно сводится к построению комбинации повторяющихся типовых паттернов. Это несложно показать на наборе однообразных ноутбуков сервиса Kaggle.com. Тем не менее построение таких пайплайнов является ключевым навыком для специалистов различных предметных областей, не связанных напрямую с анализом данных, но опирающихся на такие компетенции в некоторых задачах. Примером могут быть биологи, химики, физики или представители гуманитарных наук. Проект NL2ML Entity Extractor нацелен на автоматический поиск необходимых для алгоритмов ML паттернов, таких как целевая переменная, в текстовом описании задачи. Получение информации о таких паттернах является одной ключевых задач перед дальнейшим синтезом ML пайплайнов.

python, ML, DL

Бакалавриат (3+)

Магистратура

3

Создание базы данных для обучения нейросети

Лазарев Михаил Владимирович

mvlazarev@hse.ru

1. Создать базу низкоразмерных наноструктур для решения прямой задачи о нахождении оптических свойств данной структуры;
2. Предложить способы решения и получить предварительные результаты, по предсказанию свойств наноструктуры
Знание программирование Matlab, Python, Pytorch и основные архитектуры нейросетей. Знание и понимание квантовой механики будет большим плюсом.

Бакалавриат (3+)

Магистратура

3

Прогнозирование вспышек на Солнце по данным радиотелескопа

Деркач Денис Александрович

dderkach@hse.ru

РАТАН-600 проводит регулярные многоволновые наблюдения Солнца на микроволнах в диапазоне 3-18 ГГц в интенсивности и поляризации. Запланировано добавление диапазона 1-3 ГГц. Данные доступны по крайней мере с марта 1997 г. по настоящее время, то есть включает в себя практически весь 23-й и 24-й циклы Солнечной активности. Активно ведутся наблюдения за текущим 25-м циклом Солнечной активности. В этом проекте предлагается использовать полученные данные для построения нейросетевой модели предсказания вспышек на Солнце.

python, ML, DL

Бакалавриат (3+)

Магистратура

 3


_______________________________________

По вопросам прохождения практики писать на ntalaikova@hse.ru

Проекты прошлых лет:

Проекты 2021

Проекты 2020

Проекты 2018


 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.