ПЛОСКИЕ ВИРТУАЛЬНЫЕ УЗЛЫ
И ПРЕДСТАВЛЕНИЯ ПЛОСКИХ
ВИРТУАЛЬНЫХ КОС
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Владение материалом стандартного курса высшей алгебры математического факультета любого университета (материал первого курса)

Знание английского языка на уровне чуть выше среднего (достаточно понимания английского из видео-анонса лекции, которая будет прочитана участникам проекта на первой неделе воркшопа)
ОПИСАНИЕ ПРОЕКТА

Каждый из нас так или иначе сталкивался с косами. Интуитивно коса – это набор из нескольких нитей, переплетенных между собой. Косы часто встречаются как декоративный элемент прически. Косы никогда не выходят из моды: это универсальная деталь, которая украсит любой образ.

Однако мало кто знает, что есть обширная математическая теория, которая изучает косы с математической точки зрения. Эта теория имеет массу применений в различных областях математики, информатики, биологических и медицинских исследованиях и математической физике. В ходе проекта планируется работа над задачами, связывающими математическую теорию кос и теорию матриц.



Веснин Андрей Юрьевич
наставник

д.ф.-м.н., член-корр РАН, НГУ, ТГУ, Институт математики
им. С. Л. Соболева СО РАН




Бардаков Валерий Георгиевич
наставник

д.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН

КОМАНДА ПРОЕКТА



Насыбуллов Тимур Ринатович
куратор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН

1.


Mahender Singh
лектор

Ph.D., Indian Institute of Science Education and Research, Mohali, India

ЗАДАЧА
О СУЩЕСТВОВАНИИ ВАКУУМА
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание дифференциального исчисления функций нескольких переменных

Знание базовых аспектов линейной алгебры и базовых понятий теории групп

Изобретательность и творческий подход в решении задач

Знание английского языка на уровне, достаточном для понимания технического текста
ОПИСАНИЕ ПРОЕКТА

Теоретическая физика элементарных частиц, изучая устройство микромира, нередко наталкивается на чисто математические вопросы, которые не всегда удается решить привычными для физиков методами. Это не значит, что задача нерешаема – порой математическая смекалка и изобретательность позволяют решить задачу, которую не удается пробить вычислением «в лоб».

В этом проекте предлагается попробовать свои силы в этом благородном деле и помочь физикам в исследовании теорий с несколькими бозонами Хиггса. Математическая суть задачи проста – получить необходимые и достаточные условия для того, чтобы некоторый вещественный полином был ограничен снизу.

Физическая подоплека этой задачи – выяснить, какие модели вообще допускают, ни много ни мало, существование стабильного вакуума. Решение этой задачи станет хорошим подспорьем физикам и, в частности, позволит им более эффективно исследовать модели Новой физики на Большом адронном коллайдере.



Иванов Игорь Пьерович
наставник

к.ф.-м.н., Instituto Superior Tecnico, Lisbon, Portugal

КОМАНДА ПРОЕКТА

2.


Чуркин Валерий Авдеевич
наставник

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН


Бускин Николай Владиславович
куратор

к.ф.-м.н., НГУ

РАЗРАБОТКА АЛГОРИТМОВ ДЛЯ ОПТИМИЗАЦИИ РАБОТЫ АВТОМАТИЗИРОВАННОГО СКЛАДА КОМПАНИИ HUAWEI
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание линейной алгебры

Владение материалами курса методов оптимизации (например, лекции
А. В. Плясунова
)

Владение материалами курса исследований операций

Знание дискретных задач теории принятия решений

С 1 по 10 июля пройдет конференция MOTOR 2020, на которой будут прочитаны онлайн-лекции, подходящие в качестве вводных для данного направления. Всем записавшимся на этот проект придет приглашение для участия в конференции, в рамках которой можно получить необходимые знания до начала воркшопа

ОПИСАНИЕ ПРОЕКТА

Основной склад готовой продукции Huawei – одной из крупнейших мировых компаний в сфере телекоммуникаций – имеет высокий уровень автоматизации. Однако постоянное увеличение спроса и, соответственно, загрузки требует развития эффективной системы планирования работы склада.

В рамках проекта предлагается решить задачу построения расписания сборки и упаковки заказов, поступающих на склад на обработку. Этот двухстадийный процесс организован на нескольких параллельных линиях, что позволяет исполнять несколько заказов одновременно.

Требуется разработать алгоритм, позволяющий обработать все размещенные заказы за минимально возможное время.



Кочетов Юрий Андреевич
наставник

д.ф.-.м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН


КОМАНДА ПРОЕКТА

3.


Давыдов Иван Александрович
куратор

к.ф.-.м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН




Кононова Полина Александровна
лектор

к.ф.-.м.н., Институт математики им. С. Л. Соболева СО РАН




Кононов Александр Вениаминович
лектор

д.ф.-.м.н., Институт математики им. С. Л. Соболева СО РАН


ПОВЕДЕНЧЕСКИЙ АНАЛИЗ НЕЖЕЛАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ С ИГРОВЫМИ ЭЛЕМЕНТАМИ ОБУЧЕНИЯ ДЛЯ ПОВЫШЕНИЯ ОСВЕДОМЛЕННОСТИ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Умение программировать на уровне <начальных | старших> курсов НГУ

Знание английского языка на уровне чуть выше среднего (понимание устной речи, умение переводить тексты с русского на английский и наоборот)

Ознакомление с материалами в этом разделе

Полезными будут знакомство с идеями игрофикациии и принципами повышения осведомленности

ОПИСАНИЕ ПРОЕКТА

В 2013 году корпорация MITRE анонсировала базу знаний ATT&CK как способ описания и категоризации поведения злоумышленников, основанный на анализе реальных атак.

ATT&CK может быть полезен в киберразведке, поскольку он позволяет стандартизированно описывать поведение злоумышленников. Злоумышленники («акторы») могут отслеживаться с помощью ассоциации наблюдаемых в сети событий с методами и тактиками в ATT&CK, которые используют те или иные группировки.

Специалистам по Информационной Безопасности (ИБ) это позволяет оценивать свой уровень защищенности, анализируя способности имеющихся средств защиты выявлять или блокировать те или иные методы и тактики, что дает представление о сильных и слабых сторонах против определенных злоумышленников.

В ходе проекта планируется работа над задачей симуляции поведения за атакующую и\или защищающуюся стороны, в сторону создания модели, позволяющей повышение осведомленности (например, игры, тесты, зачетки по ATT&CK и основам безопасности) с элементами игрофикации (карты, достижения, рейтинги).






Боронин Валерий Андреевич
наставник

Cloud Security Team Lead, Новосибирский RC Huawei

КОМАНДА ПРОЕКТА

+ сотрудники компании Huawei
4.
BIGDATA – OPEN SOURCE PROJECT APACHE FLINK
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Базовые знания одного из языков программирования

Знания алгоритмов и структур данных

Интерес к области машинного обучения

Желательно иметь базовые знания про оценку метрик, кластеризацию, эмбеддинги, основы графов

Темы для ознакомления


ОПИСАНИЕ ПРОЕКТА

Во время работы секции предполагается исследование задач для одного из компонентов технологий BigData – open source project Apache Flink.
Список задач приведён в подробном описании, во время воркшопа предполагается сосредоточиться на одной из них.

Все задачи направлены на улучшение и оптимизацию фреймворка для потоковых вычислений, для этого будет использоваться базовая теория алгоритмов и структуры данных.

Кроме того, планируется активно использовать методы машинного обучения, знакомство с которыми также будет в рамках данной секции.



Солодов Игорь Александрович
наставник

Senior Expert, Team Lead, BigData Research Team, Novosibirsk RC Huawei

КОМАНДА ПРОЕКТА

5.


Паульс Алексей Евгеньевич
куратор

BigData Research Team,
Novosibirsk RC Huawei



Анисютин Леонид Борисович
куратор

BigData Research Team,
Novosibirsk RC Huawei

ОПТИМИЗАЦИЯ И ТЕСТИРОВАНИЕ ЭЛЕМЕНТАРНЫХ МАТЕМАТИЧЕСКИХ ФУНКЦИЙ ДЛЯ ВЫСОКО-ПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛЕНИЙ НА БАЗЕ ПРОЦЕССОРОВ КОМПАНИИ HUAWEI
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Желание и умение учиться

Успешная сдача курсов высшей алгебры и
математического анализа любого университета

Базовые навыки программирования на каком-нибудь простом языке
программирования



Кашеварова Тамара Петровна
наставник

к.ф.-м.н., ведущий инженер, Технологический центр математических библиотек компании Huawei в Новосибирске

КОМАНДА ПРОЕКТА

6.
6.1
Разработка библиотеки элементарных функций с использованием многочленов Чебышева
ОПИСАНИЕ ПРОЕКТА

В свете последних событий компания Хуавей всерьёз занялась разработкой высокопроизводительных библиотек, в том числе и математических, для своих архитектур, созданных на основе архитектуры ARM. В рамках проекта вам предлагается под руководством специалиста из Новосибирского технологического центра компании Хуавей и грамотного специалиста от Новосибирского госуниверситета разработать какую-нибудь элементарную математическую функцию и ускорить её выполнение на конкретном сервере. Можно будет подобрать функцию, соответствующую уровню любой студенческой команды, начиная от элементарных математических функций типа синуса, логарифма или экспоненты и заканчивая продвинутыми алгоритмами вычислительной линейной алгебры типа умножения двух матриц, метода Гаусса или вычисления собственных чисел и векторов. В рамках проекта вам представиться возможность поработать на облачных серверах компании Хуавей, получить навыки разработки профессионального программного обеспечения на языке Си (а может и ассемблера) под управление ОС Линукс.
6.2
Разработка высокопроизводительной реализации умножения двух матриц
6.3
Разработка высокопроизводительной реализации метода Гаусса


Панасенко Александр Сергеевич
куратор подпроекта 6.1

НГУ, Институт математики
им. С. Л. Соболева СО РАН



Старолетов Алексей Михайлович
куратор подпроекта 6.2

к.ф.-м.н., Институт математики
им. С. Л. Соболева СО РАН



Дудкин Федор Анатольевич
куратор подпроекта 6.3

к.ф.-м.н., НГУ, Институт математики
им. С. Л. Соболева СО РАН



Гололобов Сергей Владимирович
наставник

к.ф.-м.н., доцент ММФ НГУ, ведущий инженер, Технологический центр математических библиотек компании Huawei в Новосибирске

АНАЛИЗ ГЕНОМОВ МЕТОДАМИ БИОИНФОРМАТИКИ И СИСТЕМНОЙ БИОЛОГИИ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Владение материалом стандартного курса дифференциальных уравнений естественнонаучных и физико-математических факультетов любых университетов, а также стандартными фактами о матричных вычислениях и системах линейных уравнений

Знание основ биологии

Владение базовыми навыками программирования на одном из языков: Python, С++, Java
ОПИСАНИЕ ПРОЕКТА

Биоинформатика – динамично развивающаяся междисциплинарная область, решение задач которой требует тесного взаимодействия специалистов разных сфер деятельности: генетиков, биологов, ИТ-специалистов и, конечно же, математиков. В последние 10-20 лет, благодаря выдающемуся росту мощностей экспериментального оборудования, который обеспечил накопление сверхмассивных объемов биологической информации, а также благодаря достижениям в прикладной математике и в анализе данных, развитию математических алгоритмов и подходов к программированию, сопровождавшихся значительным ростом производительности компьютеров, произошел всплеск интереса к биоинформатике и прогресс в её развитии.

Войти в эту интереснейшую область можно посредством участия в работе одной из двух групп – «Моделирование биологических систем» и «Машинное обучение и распознавание изображений». В рамках работы группы пройдут обучение, а также попробуют свои силы в решении задач по теме анализа генома и системной компьютерной биологии (от задачи сборки генома до построения математических моделей биологических процессов).



Афонников Дмитрий Аркадьевич
куратор

к.б.н., Институт цитологии и генетики СО РАН



Лашин Сергей Александрович
куратор

к.б.н., Институт цитологии и генетики СО РАН

КОМАНДА ПРОЕКТА



Кочетов Алексей Владимирович
наставник

д.б.н., чл.-корр. РАН, директор Института цитологии и генетики СО РАН




Колчанов Николай Александрович
наставник

д.б.н., академик РАН, научный руководитель Института цитологии и генетики СО РАН



7.
Заинтересованных студентов приглашаем на магистерскую программу ММФ НГУ по биоинформатике:
МОДЕЛЬ ДИНАМИКИ МНЕНИЙ В СЛОЖНЫХ СИСТЕМАХ С ОДНИМ ЦЕНТРАЛИЗОВАННЫМ КАНАЛОМ СВЯЗИ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Английский язык (уровень, достаточный для свободного чтения статей и прослушивания технических лекций)

Умение программировать на Python (иметь представление о среде Jupyter Notebooks, о пакетах numpy, scipy, matplotlib, networkx)

Знание основ линейной алгебры (матрицы, системы линейных уравнений, смысл собственных чисел)

Знание основ теории вероятностей (умение считать вероятности событий, знание основных распределений, свойства показательного распределения, процесс Пуассона)

Владение основами дифференциальных уравнений (системы линейных дифференциальных уравнений, знание способов и видов решения) см., например, Филлипов – Сборник задач по дифференциальным уравнений, глава 14

Общий вводный экскурс по моделям динамики мнений

ОПИСАНИЕ ПРОЕКТА

Люди общаются. Делятся мнениями. Мнения меняются. Такой феномен издавна лежит в основе коллективного социального поведения и сравнительно недавно начал активно изучаться социальными науками. С появлением больших данных из социальных сетей появилась возможность и потребность в моделировании процесса эволюции мнений. Большое количество литературы посвящено моделям эволюции мнений в сетях (по сути графах), где взаимодействие ограничивается лишь попарным общением с узким кругом друзей. Однако моделей, где взаимодействие происходило бы через общую ленту новостей, пока рассмотрено не было. В рамках данного проекта мы предлагаем попробовать закрыть этот пробел в науке и изучить, как можно управлять мнением людей в сообществах Reddit.


Alexey Medvedev
куратор

Ph.D., Catholic University of Louvain, Belgium

КОМАНДА ПРОЕКТА



Andreagiovanni Reina
лектор, наставник

Ph.D., University of Sheffield, UK



Mengbin Ye
лектор, наставник

Ph.D., Curtin University, Australia

8.


Chico Camargo
лектор, наставник

Ph.D., University of Oxford, UK

СОВЕРШЕННЫЕ СТРУКТУРЫ
И ДИЗАЙНЫ

ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знания математики на уровне средней школы. Почти все необходимое для работы над задачами будет освоено во время интенсива

Знание основ комбинаторики и дискретной математики: дискретная вероятность, комбинаторные числа, основные понятия теории графов (необязательно)

Владение стандартным курсом линейной алгебры и теории групп (необязательно)

ОПИСАНИЕ ПРОЕКТА

Совершенные структуры возникают, когда точное выполнение локальных ограничений для некоторой дискретной оптимизационной задачи неожиданно кристаллизуется в объект, обладающий дополнительными свойствами глобальной равномерности и регулярности. Так появились совершенные коды, системы Штейнера, матрицы Адамара, бент-функции и другие понятия. Например, совершенной называется раскраска вершин графа, у которой любые одинаково окрашенные вершины имеют одинаковый цветовой состав окружения. Планируется провести исследование ряда внешне непохожих задач и возникающих в результате их решения совершенных структур, а также рассмотреть взаимосвязи этих структур с многообразием комбинаторных дизайнов.



Августинович Сергей Владимирович
наставник, лектор

к.ф.-м.н., Институт математики
им. С. Л. Соболева СО РАН


КОМАНДА ПРОЕКТА



Потапов Владимир Николаевич
наставник, лектор

к.ф.-м.н., Институт математики
им. С. Л. Соболева СО РАН




Тараненко Анна Александровна
куратор, лектор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН

9.
ПРЕДСКАЗАНИЕ СРОКОВ ДОСТАВКИ ПОСЫЛОК С ПОМОЩЬЮ ТЕОРИИ СЛУЧАЙНЫХ ГРАФОВ НА ПРИМЕРЕ Г. НАЙРОБИ, РЕСПУБЛИКА КЕНИЯ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Начальные навыки программирования на языке Python

Знание базового курса теории вероятностей

Примерное представление об уровне владения обеими дисциплинами дают первые две недели курса по ссылке

ОПИСАНИЕ ПРОЕКТА

Время, в которое мы живём, по праву называют «эпохой больших данных». Стремительный рост объёма создаваемой людьми информации потребовал новые способы её обработки – и на помощь пришли методы машинного обучения.

Представьте, что вам в руки попала таблица некоторой компании с данными о доставках посылок за несколько прошлых лет. Можно ли по имеющимся данным предсказать время, которое потребуется курьеру для выполнения очередного заказа? "Конечно!" – радостно воскликнет специалист по машинному обучению и бежит строить деревья решений. Но, как и в большинстве задач, машинное обучение предлагает "чёрный ящик" – алгоритм, который не объясняет причинно-следственные связи, зато показывает замечательные результаты на конкретном наборе данных. Мы же предлагаем решить задачу с другой стороны – привести вероятностную модель, позволяющую моделировать, предсказывать и, самое главное, объяснять природу явлений.



Прокопенко Евгений Игоревич
наставник

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН, ESSEC Business School, Математический центр в Академгородке


КОМАНДА ПРОЕКТА




Прасолов Тимофей Вячеславович
куратор, лектор

Ph.D., Математический центр в Академгородке, НГУ




Савинкина Екатерина Николаевна
куратор, лектор

аспирант, Институт математики
им. С. Л. Соболева СО РАН, Математический центр в Академгородке


10.


Авраченков Константин Евгеньевич
эксперт

PhD, Habilitation Degree, INRIA, Paris


ИССЛЕДОВАНИЕ СИСТЕМ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ, МОДЕЛИРУЮЩИХ ДИНАМИКУ БИОЛОГИЧЕСКИХ ПРОЦЕССОВ. ИЗУЧЕНИЕ ВОЗМОЖНОСТЕЙ ПОНИЖЕНИЯ ИХ РАЗМЕРНОСТЕЙ С ЦЕЛЬЮ УПРОЩЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание курса дифференциальных уравнений

Приветствуются любознательные будущие второкурсники, а также студенты других факультетов
ОПИСАНИЕ ПРОЕКТА

Качественное, то есть не ограниченное лишь вычислительными экспериментами описание поведения траекторий систем обыкновенных дифференциальных уравнений (ОДУ) позволяет предсказывать основные характеристические свойства моделей широкого круга физических, химических и многих других процессов. Например, при моделировании ряда явлений молекулярной биологии возникает вопрос о существовании и свойствах периодических решений соответствующих систем ОДУ, что связано с периодичностью функционирования многих биологических систем – от клеточных до популяционных, в том числе и при моделировании динамики инфекционных заболеваний.

В то же самое время подобные задачи о существовании, единственности и устойчивости таких периодических траекторий возникают и в «чистой математике», например, в 16-ой Проблеме Гильберта или в проблеме «центр-фокус» Пуанкаре.

Мы будем изучать поведение траекторий систем ОДУ, моделирующих биологические процессы, в частности будем заниматься поиском циклов у этих систем.



Кириллова Наталья Евгеньевна
куратор

аспирант, Институт математики
им. С. Л. Соболева СО РАН




Ефимов Вадим Михайлович
эксперт, лектор

д.б.н., профессор, Иститут цитологии и генетики
СО РАН


КОМАНДА ПРОЕКТА



Голубятников Владимир Петрович
эксперт, лектор

д.ф.-м.н., профессор НГУ, Институт математики им. С. Л. Соболева СО РАН



11.
РАЗРАБОТКА АЛГОРИТМОВ РЕШЕНИЯ ЗАДАЧИ О ПОДГОТОВКЕ И ТРАНСПОРТИРОВКЕ ГАЗА ("ГАЗПРОМНЕФТЬ НТЦ")
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание курсов методов оптимизации или исследований операций (теория принятия решений)

Базовые навыки программирования на одном из популярных языков программирования (C, C#, C++, Java, Python)

Персональный Компьютер - Потребуется реализовать и протестировать разработанный алгоритм решения

С 1 по 10 июля пройдет конференция MOTOR 2020, на которой будут прочитаны онлайн-лекции, подходящие в качестве вводных для данного направления. Всем записавшимся на этот проект придет приглашение для участия в конференции, в рамках которой можно получить необходимые знания до начала воркшопа

ОПИСАНИЕ ПРОЕКТА

Достаточно известная газодобывающая компания "Газпром" мечтает об эффективном алгоритме решения задачи минимизации затрат на обработку газа и его транспортировку от месторождений до магистральных трубопроводов или пунктов сдачи. Вам предлагается попробовать осуществить эту мечту и разработать искомый алгоритм решения. Для достижения успеха в кратчайшие сроки можно воспользоваться известными и успешно применяемыми при решении прикладных задач эвристическими методами и подходами. Как говорят классики: Мечты сбываются!



Плясунов Александр Владимирович
наставник, лектор

к.ф.-м.н., Институт математики им. С. Л. Соболева СО РАН, НГУ



Плотников Роман Викторович
лектор

к.ф.-м.н., Институт математики им. С. Л. Соболева СО РАН


КОМАНДА ПРОЕКТА



Панин Артем Александрович
куратор, лектор

к.ф.-м.н., Институт математики им. С. Л. Соболева СО РАН, НГУ



12.


Ерзин Адиль Ильясович
лектор

д.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева





Кочетов Юрий Андреевич
лектор

д.ф.-.м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН





Давыдов Иван Александрович
лектор

к.ф.-м.н., Институт математики им. С. Л. Соболева



АЛГЕБРАИЧЕСКАЯ КОМБИНАТОРИКА. ИЗУЧЕНИЕ КОМБИНАТОРНЫХ МЕТОДОВ ПРОВЕРКИ ИЗОМОРФИЗМА ГРАФОВ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Базовые знания теории графов, всех операций над матрицами, понятий "группа" и "алгебра"

Навыки программирования на Python (желательно)

ОПИСАНИЕ ПРОЕКТА

В органической химии недавно появился новый раздел "компьютерная химия", в котором к химическим задачам применяются методы дискретной математики. В этих задачах вещества моделируются молекулярными графами. Одним из направлений в этой области является задача распознавания химических структур при обращении к химическим и физико-химическим базам данных. Для решения этой задачи необходимо уметь проверять изоморфизм графов, то есть понимать, существует ли между двумя графами соответствие, сохраняющее структуру. В рамках проекта мы планируем заниматься изучением проблемы изоморфизма графов.



Шалагинов Леонид Викторович
наставник

к.ф.-м.н., Челябинский государственный университет, Институт математики и механики им. Н. Н. Красовского УрО РАН, Математический центр в Академгородке

КОМАНДА ПРОЕКТА

13.


Пономаренко Илья Николаевич
лектор

д.ф.-м.н., Санкт-Петербургское отделение Математического института им. В. А. Стеклова РАН, Математический центр в Академгородке


Кабанов Владислав Владимирович
лектор

д.ф.-м.н., Институт математики и механики им. Н. Н. Красовского УрО РАН, Математический центр в Академгородке



Константинова Елена Валентиновна
лектор

к.т.н., НГУ, Институт математики
им. С. Л. Соболева СО РАН, Математический центр в Академгородке




Рябов Григорий Константинович
лектор

к.ф.-м.н., НГУ, Институт математики
им. С. Л. Соболева СО РАН, Математический центр в Академгородке




Панасенко Дмитрий Игоревич
куратор

Челябинский государственный университет, Математический центр в Академгородке

ОНЛАЙН-РАЗМЕРНОСТЬ АЛГЕБРАИЧЕСКИХ СТРУКТУР
ОПИСАНИЕ ПРОЕКТА

В теории вычислимости изучаются следующие вопросы. В каких случаях математический объект обладает алгоритмическим представлением? Как сравнивать сложность различных алгоритмических представлений?

Простым примером алгоритмического представления являются коды рациональных чисел: в памяти компьютера рациональные числа хранятся в виде бинарных строк. Операция сложения рациональных чисел реализуется как алгоритм, вычисляющий по бинарным кодам чисел a и b бинарный код их суммы a+b.

Классический подход к алгоритмическим представлениям основан на машинах Тьюринга. В ходе проекта планируется работа над задачами, связанными с новым подходом, основанным на онлайн-алгоритмах. В отличие от классической «оффлайн» ситуации, в которой алгоритм «знает всё» о входных данных, онлайн-алгоритмы работают с входными данными, которые поступают шаг за шагом в виде небольших фрагментов.



Баженов Николай Алексеевич
наставник, лектор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН, Математический центр в Академгородке


КОМАНДА ПРОЕКТА

14.


Мельников Александр Геннадьевич
наставник, лектор

д.ф.-м.н., Massey University, Auckland, New Zealand




Гончаров Сергей Савостьянович
лектор

д.ф.-м.н., академик РАН, НГУ, директор Института математики им. С. Л. Соболева СО РАН




Мустафа Манат
наставник

Ph.D., Назарбаев университет, Казахстан




Калимуллин Искандер Шагитович
лектор

д.ф.-м.н., профессор РАН, Казанский федеральный университет



Ng Keng Meng
лектор

Ph.D., Nanyang Technological University, Singapore



Корнев Руслан Александрович
куратор

НГУ, Институт математики им. С. Л. Соболева СО РАН, Математический центр в Академгородке

СЕМАНТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание основ математической логики (логика высказываний, кванторы, предикаты, функции)

Понимание отличий декларативного и императивного программирования

Понимание принципов работы со списками в стиле языка программирования LISP

Знакомство с идеей автоматического доказательства теорем

ОПИСАНИЕ ПРОЕКТА

Как часто, решая очередную задачу «на существование», вы горестно восклицали «ох, как мне не хватает алгоритма, который бы все решил за меня!». И у нас есть решение! Это методы автоматического доказательства теорем и семантическое программирование*. Достаточно задать входные данные и условия на результат. При этом сам ход вычислений результата можно не определять – некоторый алгоритм (решатель) способен реализовать вычисление любой семантической программы за нас. Присоединяйтесь к интенсиву и всего за 6 дней и 23 часа** вы узнаете как писать программы не программируя, как устроены решатели, благодаря которым можно облегчить труд программистов, как применять подход семантического программирования в решении актуальных задач, например, для создания интеллектуальных чат-ботов.


Пономарев Денис Константинович
руководитель, лектор

к.ф.-м.н., Математический центр в Академгородке, НГУ, Институт систем информатики им. А.П. Ершова СО РАН

КОМАНДА ПРОЕКТА

15.


Оспичев Сергей Сергеевич
куратор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН, Математический центр в Академгородке




Луппов Дмитрий Антонович
куратор, наставник

НГУ, Директор компании «Диалоговые системы»




Власов Дмитрий Юрьевич
наставник, лектор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН, ведущий разработчик компании Ланит-Терком (Санкт-Петербург, Россия)




Гончаров Сергей Савостьянович
лектор

д.ф.-м.н., академик РАН, НГУ, Институт математики им. С. Л. Соболева СО РАН



Свириденко Дмитрий Иванович
лектор

д.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН




Витяев Евгений Евгеньевич
лектор

д.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН


*позволяет автоматизировать некоторые доказательства некоторых задач.

** второй интенсив и межмодульный период не включены в подсчет времени работы.

АЛГОРИТМЫ РЕДУКЦИИ ДАННЫХ С ГАРАНТИЯМИ РЕЗУЛЬТАТИВНОСТИ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Базовые знания анализа трудоёмкости алгоритмов и теории графов

С 1 по 10 июля пройдет конференция MOTOR 2020, на которой будут прочитаны онлайн-лекции, подходящие в качестве вводных для данного направления. Всем записавшимся на этот проект придет приглашение для участия в конференции, в рамках которой можно получить необходимые знания до начала воркшопа

ОПИСАНИЕ ПРОЕКТА

Популярным примером успешного применения редукции данных является следующая задача оптимизации общественного транспорта: требуется разместить минимальное число депо, чтобы было хотя бы по однму депо на каждом маршруте. Задача NP-трудна, поэтому трудоёмкость алгоритмов её решения в общем случае растёт экспоненциально с объёмом входных данных. Однако на практике задача легко решается с помощью алгоритмов редукции данных: такие алгоритмы за полиномиальное время пытаются уменьшить объём входных данных, сохраняя возможность нахождения оптимального решения задачи. Участники воркшопа будут работать над алгоритмами редукции данных для более общей задачи о вершинном покрытии гиперграфа, которая также применяется в биоинформатике, анализе данных, программной инженерии и искусственном интеллекте. Цель проекта – выявление свойств данных, которые можно использовать в алгоритмах редукции данных с гарантиями результативности. Участики воркшопа построят алгоритмы, которые доказуемо уменьшают объёмы данных до размеров, уже не зависящих от их исходных объёмов, а только от их структурных свойств.


ван Беверн Рене Андреасович
наставник, куратор

Dr. rer. nat., НГУ, Математический центр в Академгородке

КОМАНДА ПРОЕКТА

16.
НЕЙРОСЕТИ-АВТОЭНКОДЕРЫ ДЛЯ ОБРАБОТКИ СИГНАЛОВ АНТЕННЫХ РЕШЕТОК
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знания языка программирования Python (пакеты numpy и scipy а также Keras для работы с автоэнкодером)

Знание основ обработки сигналов и Фурье-анализа (можно почитать в Ж. Макс «Методы и техника обработки сигналов при физических измерениях»)

ОПИСАНИЕ ПРОЕКТА

В последние годы происходит бурное развитие глубинного обучения (Deep Learning): создаются и тестируются сложнейшие архитектуры нейросетей, разрабатываются программные пакеты для обучения и использования данных технологий.

В рамках проекта мы предлагаем поработать над оптимизацией нейросети-автоэнкодера, которая используется для обработки реальных данных астрофизического эксперимента.



Костюнин Дмитрий Геннадьевич
наставник

PhD, DESY Zeuthen


КОМАНДА ПРОЕКТА



Казарина Юлия Андреевна
руководитель проекта

к.ф.-м.н, НИИПФ ИГУ


17.


Безъязыков Павел Александрович
куратор

аспирант НИИПФ ИГУ


ЦИФРОВАЯ УРБАНИСТИКА: АНАЛИЗ ГЕОДАННЫХ, МОДЕЛИРОВАНИЕ ГОРОДСКИХ ПРОЦЕССОВ И МАШИННОЕ ОБУЧЕНИЕ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Базовые знания по машинному обучению (подготовка данных, основные типы задач (задачи регрессии, классификации, кластеризации, уменьшения размерности и др.), основные виды и алгоритмы машинного обучения)

Приветствуется знание основ математического анализа, линейной алгебры (работа с векторным и матричным представлением данных), статистики (основные типы распределений, их показатели, параметрические и непараметрические оценки)

Знание Python или PHP. Приветствуются навыки работы с PostGIS, PostgreSQL, Django, а также с ОС семейства Linux, Docker, Keras (библиотекой высокоуровневых нейронных сетей) и TensorFlow (платформой для машинного обучения с открытым исходным кодом)

Установленные программы Python 3 и дистрибутив Anaconda, а также PHP, PostGIS, PostgreSQL, Django

ОПИСАНИЕ ПРОЕКТА

Каждый житель многоэтажного дома хотя бы раз задумывался, как можно изменить свой двор и к кому обращаться, чтобы задуманное можно было реализовать функционально и красиво. При этом, в России существует множество архитектурных бюро и проектных групп, способных помочь людям в благоустройстве придомовой территории. Студентам предстоит связать спрос и предложение - перед ними ставится задача автоматизации процесса сбора пожеланий городских жителей, определения функционального зонирования с учетом их мнения, анализа картографических данных и данных о территории.

В ходе работы над проектом планируется решение проблемы распознавания различного типа городских объектов, таких как дом, дорога, дворовая территория, парковая зона и прочих. Также необходимо будет построить информационную модель представления социально-статистических показателей - тепловую карту по геометкам. Будет произведена работа над задачами, связанными со статистической и интеллектуальной обработкой геоданных и данных пользователей, а также моделированием динамических изменений городских территорий.



Платонов Алексей Владимирович
руководитель, наставник

к.т.н., Университет ИТМО

КОМАНДА ПРОЕКТА

18.


Данилина Екатерина Юрьевна
куратор

студент, Курганский государственный университет


Авдюшина Анна Евгеньевна
куратор

студент, Университет ИТМО


Змызгова Татьяна Рудольфовна
руководитель

к.т.н., доцент, Курганский государственный университет, проректор по информатизации
DEVELOPMENT OF ALGEBRAIC ATTACKS ON LRX - AND ARX - CIPHERS
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Knowledge of discrete mathematics (logical operations, disjunctive/conjunctive/algebraic normal form)

Knowledge of foundations of linear algebra (vector spaces, matrices, polynomials, etc.)

Programming skills (to check the hypothesis)

Be ready to read articles and communicate in English

Having a motivation to create something modern and new (the most important)
ОПИСАНИЕ ПРОЕКТА

We use cryptography in our daily devices without even thinking, even though it has been around us since the early existence of mankind as a mean of secret messaging, that should be understood only by the right person.

The core of cryptography is its universe of ciphers, among which we emphasize symmetric ciphers, where the same secret key is used for encryption and decryption. An attack on them comes down to analysis of the operation of the cipher and finding the secret key. This analysis (cryptanalysis) comprises the solutions of different mathematical and programming tasks.

So, the goal of this project is to develop effective attacks on symmetric ciphers! The project can help to find weakness within a certain type of ciphers in order to improve them, thus making these ciphers more resilient to algebraic attacks.

This may seem a bit confusing, and it should be! Cryptography is not an easy subject, and this is for a good reason – if everyone knew everything about it, that would mean that our secrets are not safe enough!

So in this project you will at least understand more about the power of cryptography and even try to find its weaknesses!



Sergey Agievich
mentor

Ph.D., Head of IT Security Research Laboratory at Research Institute for Applied Problems of Mathematics and Informatics in Belarusian State University, the main developer of the several governmental standards in area of cryptography and information security


Aleksandr Kutsenko
tutor

PhD-student, NSU, Mathematical Center in Akademgorodok

КОМАНДА ПРОЕКТА



Natalia Tokareva
head

candidate of physics and mathematics, Institute of Mathematics SB RAS, NSU, Mathematical Center in Akademgorodok

19.
DIFFERENTIAL CHARACTERISTICS OF THE MODERN SYMMETRIC CIPHERS
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Having heard of the symmetric cryptography :)

Basic course of linear algebra

Ability to read papers and communicate with mentor in English

Optional: Familiarity with discrete mathematics

If you can't wait to get started, look through the tutorial on linear and differential cryptanalysis
ОПИСАНИЕ ПРОЕКТА

Only during this workshop! Immerse yourself in the mysterious world of cryptanalysis of symmetric ciphers! Our main focus are the ciphers of ARX architecture. Their primitives are just familiar operations – modulo 2n addition, cyclic shift of bits and bitwise XOR. By the way, some finalists of the AES and SHA-3 competitions are designed on these operations.

The solution to the problem that you will be working on is not yet known and is expected to have a significant impact on the understanding of widely deployed modern cryptographic ciphers. You will work together with Dr. Nicky Mouha, who is currently working for NIST while confined to the balcony of his home in Washington, D.C. due to the pandemic. He spent most of his career breaking ciphers, but has recently felt confident enough to dabble into cipher design. In the past few months his Chaskey cipher was internationally standardized in ISO/IEC 29192-6. It's also an ARX cipher and, moreover, one of the fastest ciphers in the entire world!

We will analyze the differences of the XOR operation relative to the modulo addition, since they affect the efficiency of differential cryptanalysis. What is differential cryptanalysis will be discussed in a lecture. If you know what a block cipher is, then this topic is for you!



Nicky Mouha
mentor

Ph.D., Researcher at the Computer Security Division of NIST (USA), a member of crypto standartization committees at NIST, ISO/IEC JTC1 SC27, and ASC X9F; a co-author of 3DES standard, which is one of only two block ciphers that are approved for use by the U.S. government


Nikolay Kolomeec
tutor

candidate of physics and mathematics, Institute of Mathematics SB RAS, NSU
КОМАНДА ПРОЕКТА



Natalia Tokareva
head

candidate of physics and mathematics, Institute of Mathematics SB RAS, NSU, Mathematical Center in Akademgorodok

20.
HOW TO DEVELOP OPEN SOURCE INTELLIGENCE FRAMEWORK FROM SCRATCH
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Basic knowledge of information security and computer networking

A good level of English (ability to read documentation and communicate)

Software engineering skills (Python/Golang, Git) and familiarity with machine learning techniques from a software engineering perspective

The absence of some knowledge or skills is not a big problem, if you are ready to work hard

This workshop is for you, if you satisfy one or several requirements that are as follows:

You have been programming in Python

You have mental models of how network protocols (e.g., TCP, HTTP, TLS) behave and are used

You have hacker's intuition and like to "hack" things (in a good sense)

You like to automate security checks.
It would be good (but not required) if you are familiar with:
Docker and docker-compose

Git (Github, Gitlab) version control system

Security scanners (e.g., Burp, Nmap, Shodan, Masscan)

REST API and how to work with one
References:
Grinder framework.Machine Learning Implementation Security in the Wild
ОПИСАНИЕ ПРОЕКТА

Some heroes don't wear capes, and if you wanted to get secret information from the best special agent in the world you would not need to become one — learning basic principles of open source intelligence will be enough. If the glory of Edward Snowden haunted you, and Mr. Robot is your hero, then this workshop is for you. We, like the super-top-secret-agents à-la "007", will shake all fields of computer security, computer science, and software engineering in the process of work to learn how to gather information on the Internet within well-established Open Source Intelligence (OSINT) approach.

This workshop for you, if you are interested in these topics:

  • How to find top-secret documents?

  • How to find the missing persons and try to assist Liza Alert team?

  • How to ask someone their pet's name and email address and not look suspicious?

  • How to get all the information about a person based only on a photo?

  • How to make an investigation better than the Bloomberg agency?

  • How to become ears and eyes of the world, from the coffee machines to the refrigerators?

  • How to find out who is this person who follows your couple on Instagram this whole year?

  • How to automate all these things and analyze the gathered information using machine learning algorithms?

  • How to provide anonymity and confidentiality for you and your team in this process?
Our task will be to answer all of these questions, and we will develop an analytical framework to search and analyze information from various sources. This framework will help us to find and link different events, people, places in one full image and will open for us new edges of modern Open Source Intelligence.

Besides all that, we will also learn new stuff related to the advanced methodology of intelligence and searching, together with taking a look at the security level of different modern appliances, like nuclear power plants, machine learning systems, different servers, and cloud platforms, fitness trackers, scales, refrigerators and many more things that you never think about in this perspective of view.

So, if you are interested in all of this, welcome on board!



Denis Kolegov
mentor

Ph.D., associate professor at the Department of Computer Security in Tomsk State University, principal security developer at Bi.Zone



Anton Nikolaev
tutor

security developer at Bi.Zone

КОМАНДА ПРОЕКТА



Natalia Tokareva
head

candidate of physics and mathematics, Institute of Mathematics SB RAS, NSU



21.
УСРЕДНЕНИЕ ТЕРМОУПРУГОГО КОМПОЗИТА МЕТОДОМ ДВУХМАСШТАБНОЙ СХОДИМОСТИ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Владение курсом математического анализа

Приветствуется владение курсом уравнений в частных производных

Приветствуется владение курсом функционального анализа

(На вводных лекциях необходимые сведения из функционального анализа и уравнений в частных производных будут изложены)

Желательно владение английским языком, преимущественно для чтения статей

ОПИСАНИЕ ПРОЕКТА

Прогресс в развитии многих современных отраслей, таких как машиностроение, аэрокосмическая техника, гражданское строительство, обусловлен применением в них композиционных материалов. Это связано с тем, что композитные материалы увеличивают прочностные свойства и несущие способности элементов конструкций, при этом снижая вес изделий. Композиты представляют собой неоднородную сплошную среду, состоящую из нескольких материалов и тел, свойства и поведение которых могут существенно отличаться друг от друга. Также отметим, что в настоящее время широко используются композитные материалы, содержащие углеродные нанотрубки, поскольку они обладают высокой прочностью и жесткостью. Поэтому адекватное математическое моделирование тел, изготовленных из композиционных материалов, является актуальной проблемой. Такое моделирование позволяет прогнозировать поведение композитных тел, точно описывать характеристики, учитывать воздействия окружающей среды, формулировать критерии возникновения и распространения трещин.


Саженков Сергей Александрович
наставник, лектор

д.ф.-м.н., НГУ, Институт гидродинамики им. М. А. Лаврентьева СО РАН
КОМАНДА ПРОЕКТА



Рудой Евгений Михайлович
наставник, лектор

д.ф.-м.н., НГУ, Институт гидродинамики им. М. А. Лаврентьева СО РАН, Математический центр в Академгородке
22.


Голушко Сергей Кузьмич
наставник

д.ф.-м.н., первый проректор НГУ


Фурцев Алексей Игоревич
куратор

Институт гидродинамики им. М. А. Лаврентьева СО РАН
МАТЕМАТИЧЕСКИЕ МОДЕЛИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание курса методов оптимизации

С 1 по 10 июля пройдет конференция MOTOR 2020, на которой будут прочитаны онлайн-лекции, подходящие в качестве вводных для данного направления. Всем записавшимся на этот проект придет приглашение для участия в конференции, в рамках которой можно получить необходимые знания до начала воркшопа

ОПИСАНИЕ ПРОЕКТА

Основой математического моделирования является граф, в вершинах которого находятся потребители и/или производители электрической или тепловой энергии. Рёбра графа – это линии электропередач или трубопроводы. Основная задача состоит в доставке электроэнергии или тепла от источников к потребителям так, чтобы, например, потери и стоимость доставки были минимальными. При этом необходимо учитывать структуру источников (например, типы электростанций), ограничения на производительность источников, топологию графа и пропускную способность линий. Должны выполняться первый и второй законы Кирхгофа, а также ряд других физических ограничений. Исследования подобного плана имеют исключительную теоретическую и прикладную ценность.


Хамисов Олег Валерьевич
наставник

д.ф.-м.н., Институт систем энергетики им. Л. А. Мелентьева
СО РАН


КОМАНДА ПРОЕКТА

23.


Колосницын Антон Васильевич
наставник, куратор

Институт систем энергетики
им. Л. А. Мелентьева СО РАН




Минарченко Илья Михайлович
наставник, куратор

Институт систем энергетики
им. Л. А. Мелентьева СО РАН


ВЕЙВЛЕТ-АНАЛИЗ И ЕГО ИСПОЛЬЗОВАНИЕ В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знакомство с базовыми понятиями математического анализа и высшей алгебры (интегралы, ряды, базис)

Навыки работы в МATLAB / Scilab / Octave

Для предварительного ознакомления с тематикой предлагается пройти четвертую неделю курса Advanced Machine Learning and Signal Processing, а также просмотреть литературу по ссылке

ОПИСАНИЕ ПРОЕКТА

Знаете ли вы, что, имея всего 5-10% исходной информации, с помощью вейвлетов можно восстановить изображение с хорошей точностью? Вейвлет (wavelet) – это функция специального вида, напоминающая «маленькую волну». Вейвлет-анализ возник около 40 лет назад в качестве альтернативы анализу Фурье и обладает перед ним некоторыми преимуществами. В настоящее время вейвлет-анализ имеет массу применений в задачах аппроксимации, численных методов, инженерии, обработки сигналов и изображений. В ходе работы над проектом мы научимся проводить анализ сигналов с помощью вейвлетов и прогнозировать некоторые события по полученной информации.


Мищенко Евгения Васильевна
наставник, лектор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН


КОМАНДА ПРОЕКТА

24.


Вождаева Дарья Александровна
куратор

НГУ


ТАЙНОЕ СТАНОВИТСЯ ЯВНЫМ: КАК МАТЕМАТИКА ПОМОГАЕТ ОБНАРУЖИТЬ СКРЫТЫЙ СМЫСЛ В ОПРЕДЕЛЕНИЯХ ТЕРМИНОВ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание логики высказываний

Знакомство с принципами машинных рассуждений

Знакомство с видами терминологических систем

Владение базовыми сведениями о графах, понимание алгоритмов обхода графов
ОПИСАНИЕ ПРОЕКТА

Сталкивались ли вы с ситуацией, когда написано одно, а подразумевается другое? Или когда вещи называются сложно, но в действительности имеют более понятное название? Задумывались ли вы, насколько длиннее станет математическое доказательство, если в нем не использовать вспомогательные термины?

Мы рассмотрим эти вопросы с точки зрения математики и увидим, что множество скрытых и явных насущных задач, связанных с определениями терминов, поддаются красивому и естественному решению. Мы изучим, как формулировать определения терминов (например, словари, тезаурусы, таксономии) с помощью компьютерных языков, как искать скрытые определения и насколько длинными/короткими они могут быть. Вместе поработаем над созданием алгоритмов вычисления скрытых определений с помощью методов машинных рассуждений, которые широко используются в области искусственного интеллекта.

Пономарев Денис Константинович
руководитель

к.ф.-м.н., Математический центр в Академгородке, НГУ, Институт систем информатики им. А.П. Ершова СО РАН
Одинцов Сергей Павлович
лектор, наставник

д.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН

КОМАНДА ПРОЕКТА

Яковенко Степан Николаевич
лектор, наставник

главный разработчик компании АО Visitele (Братислава, Словакия)
Власов Дмитрий Юрьевич
лектор, куратор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН, ведущий разработчик компании Ланит-Терком (Санкт-Петербург, Россия)
Дробышевич Сергей Андреевич
куратор

к.ф.-м.н., НГУ, Институт математики им. С. Л. Соболева СО РАН

25.
МАТЕМАТИЧЕСКОЕ СОПРОВОЖДЕНИЕ ЛИНГВИСТИЧЕСКОЙ ЭКСПЕРТИЗЫ
ТРЕБОВАНИЯ К УЧАСТНИКАМ

Знание Python (плюсом будет опыт работы с pandas и библиотеками обработки естественного языка)

Знакомство с математической теорией связи

В ходе интенсива участники познакомятся с теорией речевых актов, основами психологии поведения личности, инструментами извлечения текстовой и речевой информации из интернет-источников и её анализа в объёме, необходимом для решения задачи

Можно предварительно ознакомиться с курсами:

1. «Задачи и техника лингвистической экспертизы»
2. «Основы информационной культуры»
3. «Правовое регулирование отношений в Интернете. Российская перспектива»
4. «Первичная обработка и хранение данных»
5. «Why we post: антропология социальных медиа»
ОПИСАНИЕ ПРОЕКТА

Оскорбления в сети – феномен нашего времени. За примерами далеко ходить не надо: достаточно открыть Луркоморье, комментарии к случайной статье на Хабре или Твиттер Дональда Трампа. Оскорбление – это правонарушение, которое непросто доказать, так как законы об оскорблениях допускают субъективные суждения, а итоговое решение зависит от конкретного эксперта. Возникает неоднозначность: одно и то же оскорбительное сообщение в чате может «порочить честь», «оскорблять» или даже «унижать человеческое достоинство». В рамках этого проекта мы займёмся разработкой модели, которая бы могла выделить оскорбление среди других речевых жанров и убрать неоднозначность в правовом поле. Для этого мы воспользуемся методами матлингвистики и машинного обучения. Точное выявление агрессии не только объективирует выявление вины, но и, самое главное, – позволит лучше защитить конституционные права человека.


Комалова Лилия Ряшитовна
руководитель, лектор

д.филол.н., заведующий отделом развития ресурсного потенциала ИНИОН РАН



Голощапова Татьяна Ивановна
наставник

к.филол.н., магистр права по специальности «Судебно-экспертная деятельность в правоприменении»

КОМАНДА ПРОЕКТА



Майорова Екатерина Владимировна
наставник

м.н.с. отдела языкознания ИНИОН РАН
26.


Мотовских Леонид Витальевич
наставник

программист, аспирант кафедры прикладной и экспериментальной лингвистики МГЛУ


Морозов Дмитрий Алексеевич
куратор

м.н.с. ИППИ РАН