Состоялась летняя школа по машинному обучению в физике высоких энергий

Canva

15-30 июля прошла седьмая международная школа по машинному обучению в физике высоких энергий (MLHEP), организованная научно-учебной лабораторией методов анализа больших данных (LAMBDA) факультета компьютерных наук, Школой анализа данных Яндекса и Федеральной политехнической школой Лозанны (Швейцария).

В этом году школа собрала 121 участника, среди которых представители 70 университетов и исследовательских центров России (Институт астрономии РАН, ОИЯИ, МФТИ), Европы (CERN, Оксфордский и Кембриджский университеты) и США (Колумбийский и Принстонский университеты). Второй год подряд школа проходит онлайн.

Как обычно, основные темы школы включали машинное обучение, нейронные сети, глубинное и распределенное обучение, генеративные модели и методы,  байесовские методы и оптимизация. В этом году приглашенные спикеры из дополнили программу такими темами как:

• Алексей Федоров (Российский Квантовый Центр), «Квантовые вычисления и машинное обучение»;

• Майк Вильямс (MIT), «Оценка устойчивости классификаторов»;

• Якоб Маке (Тюбингенский университет), «Введение в методы вывода основанных на симуляции»;

• Джиль Луп (Льежский университет), «Применение вывода, основанного на симуляции в физических науках»;

• Екатерина Артемова (НИУ ВШЭ), «Архитектуры глубинных трансформеров для работы с последовательностями»;

• Лучио Андрелини (Болонский университет), «Использование генеративных моделей для ускорения симуляции физических экспериментов».

Организаторы и участники поделились своими впечатлениями о школе:

Трофимова Екатерина Алексеевна
Научно-учебная лаборатория методов анализа больших данных: Стажер-исследователь, организатор школы

Как и в прошлом году, летняя школа MLHEP2021 прошла онлайн. За две недели насыщенная программа лекций и семинаров позволила осуществить довольно глубокое  погружение в мир машинного обучения. Хочется отметить энтузиазм студентов и стремление к личному общению, которое они с радостью удовлетворили во время социальных активностей, таких как игры и кофе-брэйки в формате speed-dating.

Лазарев Михаил Владимирович
Научно-учебная лаборатория методов анализа больших данных: Научный сотрудник, участник школы

Конечно, за две недели невозможно покрыть все в полном объеме, но, несмотря на это, летняя школа охватывала большую часть тем, связанных с машинным обучением в физике. Каждая тема сопровождалась не только лекцией, но и семинарной работой с применением алгоритмов из лекций, это особенно важно для начинающих в этой области. 

С точки зрения новичка, летняя школа дает в сжатые сроки большой объём качественной информации, и это плюс. Немаловажно также отметить высокий уровень преподавателей и возможность пообщаться с ними — они с радостью отвечали на любые вопросы.

Для опытных исследователей школа была интересна приглашенными лекторами. Формат школы также очень удобен — если ты и так знаешь образовательную часть, то можешь послушать лекцию и пообщаться с лектором. Неудобное время? Будет доступна запись лекции.

Что касается меня, я многое освежил в памяти и познакомился с некоторыми новыми алгоритмами, с которыми пока не встречался на практике, но с большой вероятностью встречусь в ближайшее время. Плюс приятно было их применять на данных с Большого адронного коллайдера :)

Вичаянун Вачирапуситананда
Участник школы

Я изучаю машинное обучение и его приложения уже несколько лет, но мои знания до сих пор были разрозненными. За время обучения в школе MLHEP 2021 я познакомился с разными методами машинного обучения, от базовых до самых сложных. Я увидел связь между этими методами и понял, как из простых понятий возникают сложные концепции. Также, я познакомился с последними достижениями в области нейросетей, в основе которых лежат новые разработки. Я хочу поскорее применить полученные в школе знания в своей работе.

Устюжанин Андрей Евгеньевич
Научно-учебная лаборатория методов анализа больших данных: Заведующий лабораторией, организатор школы

Мы рады, что в программе школы гармонично сочетаются выступления экспертов из сообщества машинного обучения, которые рассказывают об актуальных подходах и методах анализа данных, с выступлениями ведущих ученых о современных вызовах и проблемах различных областей физических наук.