Arcadia AI — магистратура
Программа  /  Семестр 3 — Specialization & Research
Курс

AI Research: Bayesian ML, Causal ML, RL, Graph ML

Фронтир AI: байесовский ML, причинный вывод, обучение с подкреплением и графовые нейросети

Преподаватель уточняется

О курсе

Курс знакомит с четырьмя исследовательскими направлениями, активно развивающимися в современном AI: Bayesian ML, Causal ML, Reinforcement Learning и Graph ML. Каждое направление рассматривается с точки зрения теоретических основ, актуальных открытых вопросов и связи с реальными задачами. Курс является основой для выбора темы магистерской диссертации.

Чему научитесь

✓Выводить ELBO и реализовывать вариационный автоэнкодер (VAE) для задачи генерации
✓Строить причинный граф и применять do-calculus для оценки интервенционных эффектов
✓Обучать RL-агента методом PPO на контрольной задаче и анализировать сходимость
✓Реализовывать GNN с message passing и оценивать её выразительную мощность

Ключевые темы

•Bayesian ML: вариационный вывод (VI), MCMC, глубокие байесовские модели (BNN, VAE)
•Causal ML: графы причинности (DAG), do-calculus, counterfactual reasoning
•Causal inference из наблюдательных данных: propensity score, instrumental variables
•Reinforcement Learning: MDP, policy gradient (REINFORCE, PPO), Q-learning (DQN)
•RL в LLM: RLHF, GRPO, reward hacking
•Graph Neural Networks: GCN, GAT, message passing, expressive power (WL test)
•Геометрическое глубокое обучение: инвариантность и эквивариантность
•Связи между направлениями: байесовские RL, causal representation learning
Описание сгенерировано автоматически и ещё не проверено преподавателем — это черновик для обсуждения.