Машинне навчання для обробки сигналів та аналізу часових рядів

Опис курсу

Цей курс присвячений машинному навчанню в контексті сигналів та часових рядів. По-перше, ми розглянемо ефект ресемплінга, лінійну фільтрацію, перетворення Фур’є тощо. Далі ми дослідимо згорткові (конволюційні) нейронні мережі та глибоке навчання для задач розпізнання сигналів. Ми також займемося прогнозуванням часових рядів, ідентифікацією нелінійних систем та управлінням з допомогою рекурентних нейронних мереж В якості прикладної задачі буде розглянута проблема “розшифровки” (disagregation) споживачів в електричних мережах приватних осель.

Теми курсу

Signal processing, time series analysis, prediction, system identification, recurrent and temporal neural networks.

Інструментарій

Python, Theano, Keras, Tensor flow, Matlab/Octave

Вимоги до попередніх знань

Основи лінійної алгебри

Викладач

Др. Дмитро Новіцький
Computational neuroscientist — експерт зі штучного інтелекту та нейронних мереж

Організація: Інститут Кібернетики НАНУ / Univ of Massachusetts CS dept.

Computational neuroscientist — експерт зі штучного інтелекту та нейронних мереж. PhD (Université de Toulouse, 2004), MSc з прикладної математики, Московський Інститут Фізики та Технологій (2000). Працював у Франції (Toulouse, Grenoble), США (Univ. of Massachusetts, Harvard University). Науковий співробітник в Інституті Кібернетики НАНУ.

Галузі професійних інтересів: computational neuroscience, bioinformatics, recurrent networks and associative memory, optimization etc

Контакти

[email protected]
www.facebook.com/dimitri.nowicki