2018թ. մարտի 20-ին ԵՊՀ ԻՄ-ի նորաստեղծ Երիտասարդ ծրագրավորողների (IT) ակումբում կայացավ «Մեքենայական ուսուցումը» թեմայով սեմինար-քննարկումը, որը վարեց ակումբի գիտական ղեկավար, Բնական գիտությունների ֆակուլտետի ծրագրավորման և ինֆորմացիոն տեխնոլոգիաների ամբիոնի տեխ. գիտ. թեկնածու, դոցենտ Աննա Սմբատի Սիմոնյանը:

Քննարկման սկզբում «Վեբ կայքերի դերը ժամանակակից աշխարհում» թեմայով զեկուցում կարդաց «ԻԿՄ» մասնագիտության 1-ին կուրսի ուսանող Սարմեն Բեջանյանը՝ ներկայացնելով իր ստեղծած վեբ կայքը։

Սեմինար-քննարկման ընթացքում ներկայացվեցին Մեքենայական ուսուցման առանձնահատկությունները:

Կլոր սեղանի շուրջ իրականացվեց խաղային մեթոդով քննարկում՝ «Ի՞նչ է սովորող մեքենա կամ մեքենայով սովորելը» թեմայով:

Ա.Սիմոնյանը ուսանողներին ներկայացրեց «Գուշակիր հաջորդ թիվը» մաթեմատիկական հետևյալ խաղը.

«Գուշակեք հաջորդ թիվը.

1,1,2,3,5,8,13, ?

Եթե օգտագործենք Ֆիբոնաչիի հաջորդականությունը.

X_n+1 = X_n + X_n-1 ; -ը, ապա պատասխանը կլինի 21: Սակայն ինչու՞ ոչ այլ թիվ, օրինակ, ինչու՞  ոչ 2799։ Օրինաչափություն չկա՞։ Այն գուցե՞ 20  է։

1,1,2,3,5,8,13, 20

Եթե օգտագործենք.

X_n+1 = é ½ (X₁ +… + X_n +n-1) ù առնչությունը, ապա հաջորդ թիվը կստացվի 20»։

Նշվեց, որ այդ հաջորդականությունը 2017թ. հոկտեմբերին Երևանում կայացած «Մեքենայական ուսուցումը՝ գիտական հայտնագործությունների խթան» թեմայով միջազգային աշխատաժողովում Չիկագոյի համալսարանի դոկտոր Մեսրոբ Օհաննեսյանը անվանել է «Կեղծոնաչի»։

Ներկայացված խաղը նպատակ ուներ, որ սուբյեկտը, դիտարկելով անցյալի տվյալները, կարողանա գնահատել ապագա դիտարկումները։

Տրվեց մեքենայական ուսուցման (“Machine learning”) սահմանումը. այն համակարգչային գիտությունների արհեսատական իտելեկտի ենթաբաժին է, որն ուսումնասիրում է ինքնուրույն ուսուցանվող համակարգերի մոդելներն ու դրանց կառուցման և ուսուցման համար նախատեսված ալգորիթմները։ Այն հնարավորություն է տալիս մեքենային փորձնական տվյալների հիման վրա սովորել այն, ինչը բացահայտ ծրագրավորած չէ։ Մեքենայական ուսուցումը նաև սերտ կապված է վիճակագրության և օպտիմիզացիայի հետ։ Այն մաթեմատիկայի և համակարգչային գիտությունների խաչմերուկում գտնվող ուղղություն է, որն ուսումնասիրում է, թե ինչպես կարող են համակարգչային ծրագրերը սովորել կատարել ինչ-որ գործողություններ՝ մեծ թվով օրինակներ նայելով:

Ներկայացվեցին մեքենայական ուսուցման կիրառության ոլորտները.

• Որոնողական համակարգեր (Web search engine)
• Խոսքի ճանաչում (Speech recognition)
• Կենսաինֆորմատիկա (Bioinformatics)
• Ձեռագիր տեքստի ճանաչում (Handwriting recognition)
• Բնական լեզվի մշակում (Natural language processing)
• Համակարգչային տեսլական (Computer vision)
• Կերպարների ճանաչում (Pattern recognition)
• Տեքստի էմոցիաների վերլուծություն (Sentiment analysis):

Նշվեց, որ վերջին տարիներին աշխարհում այդ ուղղությունը զարգանում է մեծ տեմպերով, բոլոր խոշոր համալսարաններն ու տեխնոլոգիական ընկերություններն ունեն այդ թեմայով զբաղվող հետազոտական խմբեր։ Որպես օրինակ նշվեց, որ մեքենայական ուսուցման շնորհիվ “Google DeepMind”-ում մշակված “AlphaGo” ծրագիրը, որը չինական “Go” խաղում կարողանում է հաղթել մարդկանց, “Facebook” սոցիալական ցանցը կույր օգտատերերի համար կարողանում է բառերով նկարագրել լուսանկարները, “Google”-ը բարձրացնում է մեքենայական թարգմանության որակը, “Microsoft”-ը կարողանում է վերծանել ձայնագրություններում հնչող խոսքը և այլն:

Ծավալվեց բուռն քննարկում՝ ակումբի անդամների մասնակցությամբ:

Նշվեց, որ ակումբի հաջորդ քննարկումը նվիրված կլինի վիրտուալ իրականությանը (“Virtual Reality”) և 360 աստիճան տեխնոլոգիային:

Մատնանշելով, որ ակումբը կոչված է բարձրացնելու ուսանողների մասնագիտական հմտությունները, զարգացնելու նրանց  պրակտիկ գիտելիքներն ու կարողությունները՝ Ա.Սիմոնյանը ցանկություն հայտնեց, որ ակումբի քննարկումներին մասնակցեն, զեկուցումներով հանդես գան ոչ միայն ուսանողները, այլև դասախոսները կամ հրավիրյալ բանախոսները։

Sorry, this entry is only available in Armenian.

Sorry, this entry is only available in Armenian.