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