Машинное обучение: что делать, когда ничего не помогает, а хочется получить результат?

Машинное обучение – набор методов работы с данными, основывающийся на поиске закономерностей в них. Наука, предложенная в середине прошлого века, сейчас активно развивается и находит всё более и более широкое применение: модели ранжируют выдачу в поисковых запросах, генерируют картинки по описанию, переводят тексты, но можно ли задействовать машинное обучение в физике? В данной лекции мы попробуем посмотреть на различные алгоритмы машинного обучения и найти их применение в нашей науке. Ведь можно искать не только котиков на картинках…

Вы узнаете:

• как сделать данные большой размерности понятнее?
• как научить компьютер находить капли на картинке?
• как применить машинное обучение к поиску источников нейтрино?
• какие методы используются для проектирования новых лекарственных молекул?
• какую архитектуру использует нашумевший Alpha Fold?
• зачем применять нейросети к данным из экспериментов по рентгеновскому рассеянию?

Лекцию читает Половинкин Михаил Сергеевич, инженер кафедры статистической физики физического факультета СПбГУ