Прошла шестая международная летняя школа "Машинное обучение в физике высоких энергий"

Научно-учебная лаборатория методов анализа больших данных (LAMBDA) ФКН НИУ ВШЭ провела шестую летнюю школу MLHEP (машинное обучение в физике высоких энергий). Школа была организована совместно с ШАД Яндекса и лабораторией физики высоких энергий EPFL и проведена 16-30 июля 2020 года. В этом году школа MLHEP была включена в список официальный курсов EPFL: за участие в ней студенты могли получить 4 учебных кредита. 

Планировалось, что школа пройдет на кампусе EPFL в Лозанне в Швейцарии, однако из-за пандемии она впервые была перенесена в онлайн. Новый формат потребовал новых способов подачи материала и взаимодействия со слушателями. Команда использовала OBS studio, screencast-o-matic и встроенные инструменты iPad чтобы записывать лекции. Весь созданный контент загружался на платформу “Пеликан”, которая позволяет работать с материалами разных форматов и оценивать работу студентов. 

Главными темами школы были:

1. Введение в машинное обучение
2. Введение в глубинное обучение
3. Байесовские методы в глубинном обучении
4. Генеративные модели
5. Методы оптимизации
6. Продвинутые темы

Кроме того, были приглашены лекторы занимающиеся машинным обучением (DeepMind, Facebook, IBM Research, MIT, Oxford) и физикой высоких энергий (INFN, SLAC, Yale University).

Микела Паганини (Michela Paganini)
AI-исследователь в Facebook

"На школе был освещен широкий спектр тем: это помогло ученикам продвинуться от простого к сложному в теме машинного обучения. Сообщество ученых, специализирующихся на физике высоких энергий, децентрализовано и распределено по всему миру, и организаторы обеспечили нам возможность прочитать свои лекции без каких-либо сложностей, так как все происходило онлайн. Ура всем причастным!"

Из-за онлайн-формата школы студенты смотрели записи лекций и задавали интересующие их вопросы во время семинаров. Полноценное общение с более чем сотней участников стало серьезной задачей, для решения которой использовалась платформа CoCalc (Sagemath). Эта платформа обладает большими возможностями для использования GPU, а также для распределения и оценки учащихся. Несмотря на некоторые трудности в начале, организатором удалась успешно интегрировать и использовать все системы. 

Благодаря онлайн-формату школа смогла принять 114 участников из 23 стран и 73 университетов - вдвое больше, чем обычно.

Лара Мэйсон (Lara Mason)
PhD-студентка университетов Йоханнесбурга и Лиона

”Мне очень понравилось на школе. Я не супер сильна в программировании, и мне понадобилось некоторое время, чтобы привыкнуть к темпу. Все вокруг были очень дружелюбны и готовы помочь, особенно по вопросам использования платформы CoCalc - это очень ценно. Я вижу, сколько сил было вложено в проведение этой школы и я бы очень хотела поблагодарить организаторов!”

Сара Челани (Sara Celani)
Студентка второго курса аспирантуры EPFL

”Мне понравились лекции, но мне не хватило настоящего общения и возможности что-то обсудить с однокурсниками. Тем не менее, я уверена, что организовать такую школу в онлайн-формате было совсем нетривиальной задачей, и я очень благодарна команде за проделанную в такие сложные времена работу.”

Андрей Устюжанин
руководитель школы MLHEP и лаборатории LAMBDA

"Мы очень довольны результатами школы и планируем позже опубликовать некоторые материалы. Мы получили много обратной связи и видим множество возможностей для развития и роста, например, в будущем мы планируем улучшить способы общения слушателей таких онлайн-мероприятий между собой.”

Леся Щуцька (Lesya Shchutska)
EPFL

"Я считаю, что школа стала серьезным испытанием для лекторов и организаторов, так как им пришлось все полностью переформатировать, но, что еще важнее, для студентов, которым бы очень помогло полное офлайн-погружение в тему на период школы. Но, как говорится, то, что тебя не убивает - делает тебя сильнее. Надеюсь, что участники школы именно так опишут свой опыт!”

Мы благодарны нашим партнерам Яндексу и SIT, а также спонсорам EPFL и IBM Research Zurich за помощь в организации школы. На 2021 год у нас амбициозные планы: мы хотим провести MLHEP в EPFL и онлайн одновременно, пользуясь плюсами каждого формата.