Специализация: машинное обучение
Каждый студент программы «Прикладная математика и информатика» может построить индивидуальную траекторию обучения — выбрать те предметы, которые будут наиболее полезны для будущей карьеры. Владислав Мосин, выпускник программы 2021 года, рассказывает, почему он выбрал для себя специализацию «Машинное обучение», какие курсы для него были самыми интересными и какие проекты он реализовал за время обучения.
Владислав Мосин, выпускник программы«Прикладная математика и информатика», магистрант 1 курса «Программирование и анализ данных», младший научный научный сотрудник Лаборатория естественного языка ВШЭ-Яндекс
На младших курсах мне больше нравились математические дисциплины. Изначально я не рассматривал направление «Машинное обучение» в качестве основного, но летняя стажировка в Яндексе по аналитике после второго курса и поверхностное самостоятельное изучение машинного обучения позволили сделать окончательный выбор, о котором я ни разу не пожалел.
Самыми интересными были курсы, на которых рассказывали про идейную часть машинного обучения. «Введение в машинное обучение» – обзорный курс про то, какие есть методы, где они применяются и их математическое обоснование. «Методы оптимизации» – курс со сложными, но интересными практиками, на которых нам дали по полной прочувствовать минимизацию функций. Глубокое обучение – классный обзорный курс о существующих архитектурах нейросетей с великолепными математически строгими обоснованиями корректности.
Проекты у нас начались на третьем курсе, у меня их было два и оба касались обучения с подкреплением. Во время первого проекта, который был связан с мета-обучением, я больше разбирался с темой, и какой-то содержательной работы не получилось. А вот второй проект проработан уже существенно лучше: нужно было применить подход, совмещающий нейросети и дифференциальные уравнения к обучению с подкреплением, параллельно немного соптимизировав его. Также у меня была стажировка в лаборатории JetBrains, на которой нужно было научить агента танцевать под музыку и полноценная работа Huawei, где я занимался распознаванием событий по аудио и идентификацией пользователей по голосу. На данный момент я работаю над различными научными NLP проектами в Лаборатории естественного языка ВШЭ-Яндекс, где в отличие от Huawei акцент сделан на науку, а целью является не продукт, а исследование, оформленное в статью.
Машинное обучение – одна из четырех специализаций, которые предлагаются студентам на выбор в конце второго курса обучения. В рамках специализации студенты изучают такие дисциплины, как теория оптимизации, статистика, введение в машинное обучение, веб-поиск и ранжирование, глубинное обучение, продвинутые техники машинного обучения, обработка естественного языка, распознавание и генерация речи, анализ изображений, обучение с подкреплением. Для всех дисциплин требуется сильная математическая подготовка, которую студенты получают на первых курсах бакалавриата. Следуя последним изменениям в индустрии, структура и содержание отдельных курсов обновляется каждый год примерно на 30%.