Ссылки на ресурсы
LAMBDA публикации
MLHEP2021 лекции приглашенных спикеров
Репозиторий лаборатории
.png)
gitlab
Курсы на платформе Coursera
Addressing Large Hadron Collider Challenges by Machine Learning
Большой адронный коллайдер (LHC) на данный момент является крупнейшей машиной для генерации данных. Только один из четырех экспериментов генерирует тысячи гигабайт в секунду. Интенсивность потока данных со временем будет только увеличиваться. Таким образом, методы обработки данных должны быть достаточно сложными и уникальными.
В этом курсе мы познакомим студентов с основными концепциями физики, лежащими в основе этих потоков данных, чтобы основные загадки, на которые физики Вселенной ищут ответы, были намного более прозрачными. Конечно, мы внимательно рассмотрим основные этапы конвейеров обработки данных и сосредоточимся на роли методов машинного обучения для таких задач, как распознавание образов треков, идентификация частиц, онлайн-обработка в реальном времени (триггеры) и поиск очень редких распадов.
Задания курса дадут вам возможность применить свои навыки в поисках новой физики с использованием передовых методов анализа данных. По окончании курса вы гораздо лучше поймете принципы экспериментальной физики и машинного обучения.
Материалы Летней школы MLHEP 2020
Материалы mlhep 2020
В физике высоких энергий есть множество важных задач, которые можно решить с помощью методов машинного обучения. Они варьируются от фильтрации и реконструкции данных в режиме онлайн до анализа данных в автономном режиме. Однако решение этих проблем требует глубокого понимания методов и инструментов машинного обучения, которые были разработаны на данный момент.
Шесть основных разделов материалов школы :
О лаборатории и наших исследователях
Абдалазиз Аль-Маини о Международной олимпиаде по анализу данных IDAO 2021 и о своем исследовании — youtube
MLHEP2021 лекции приглашенных спикеров
- Machine Learning for scientific discovery
- Simulation-based inference and the places it takes us
- The Frontier of Simulation-based inference
- Machine learning for quantum science and technology
- Machine Learning for Simulation - Focus on the LHCb experiment
Репозиторий лаборатории
gitlabКурсы на платформе Coursera
Addressing Large Hadron Collider Challenges by Machine Learning
Большой адронный коллайдер (LHC) на данный момент является крупнейшей машиной для генерации данных. Только один из четырех экспериментов генерирует тысячи гигабайт в секунду. Интенсивность потока данных со временем будет только увеличиваться. Таким образом, методы обработки данных должны быть достаточно сложными и уникальными.
В этом курсе мы познакомим студентов с основными концепциями физики, лежащими в основе этих потоков данных, чтобы основные загадки, на которые физики Вселенной ищут ответы, были намного более прозрачными. Конечно, мы внимательно рассмотрим основные этапы конвейеров обработки данных и сосредоточимся на роли методов машинного обучения для таких задач, как распознавание образов треков, идентификация частиц, онлайн-обработка в реальном времени (триггеры) и поиск очень редких распадов.
Задания курса дадут вам возможность применить свои навыки в поисках новой физики с использованием передовых методов анализа данных. По окончании курса вы гораздо лучше поймете принципы экспериментальной физики и машинного обучения.
Материалы Летней школы MLHEP 2020
Материалы mlhep 2020
В физике высоких энергий есть множество важных задач, которые можно решить с помощью методов машинного обучения. Они варьируются от фильтрации и реконструкции данных в режиме онлайн до анализа данных в автономном режиме. Однако решение этих проблем требует глубокого понимания методов и инструментов машинного обучения, которые были разработаны на данный момент.
Шесть основных разделов материалов школы :
- Введение в машинное обучение
- Введение в глубокое обучение
- Байесовское глубокое обучение
- Генеративные модели
- Методы оптимизации
- Продвинутые темы
О лаборатории и наших исследователях
Абдалазиз Аль-Маини о Международной олимпиаде по анализу данных IDAO 2021 и о своем исследовании — youtube