YerevaNN-ը փնտրում է հետազոտողների 5 գիտական նախագծերի համար

YerevaNN-ը փնտրում է հետազոտողների, որոնք կմիանան գործող գիտական նախագծերին, ինչպես նաեւ կսկսեն նոր նախագծեր՝ աշխատելով փորձառու ղեկավարների հետ աշխարհի լավագույն գիտական կենտրոններից:

Գիտական նախագծերին միանալու համար մեքենայական ուսուցման գիտելիքների եւ որոշակի փորձի առկայությունը պարտադիր է: Բոլոր նախագծերի շրջանակում նախատեսվում է առավելագույնը մեկ տարվա ընթացքում հասնել որեւէ գիտական հրապարակման: Կարող են դիմել նաեւ ուսանողները։

Ներկայացնում ենք նախագծերը․

•    Imitation learning / Reinforcement learning for planning and decision making
Սա ամրապնդմամբ ուսուցման (reinforcement learning) ոլորտում հետազոտական աշխատանք անելու հնարավորություն է: Առավելությունը կտրվի հենց այս ճյուղում գիտելիքներ ունեցողներին: Աշխատանքները ղեկավարելու է Սթենֆորդի համալսարանի ասպիրանտ Արեգ Ժամկոչյանը, ով զբաղվում է ինքնավար մեքենաների երթուղու պլանավորման խնդիրներով․ https://arecj.com/
•    Adversarial transferability in self-supervised learning
Պատկերների ճանաչման ոլորտում ինքնավերահսկվող ուսուցման մոդելները մեծ տարածում են ստանում՝ չնայած ունեն խոցելիություններ adversarial օրինակների նկատմամբ: Այդ խոցելիությունները եւ դրանց փոխանցելիությունը մոդելից մոդել բավարար ուսումնասիրված չեն:
•    Multimodal (image + text) models
Վերջին տարիներին շատ մեծ լեզվական մոդելների եւ տեքստ-պատկեր մուլտիմոդալ մոդելների ուղղություններով հսկայական աճ գրանցվեց: Այս նախագծի շրջանակում ուսումնասիրվում է այդպիսի մոդելների եւ retrieval-based մոդելների հնարավոր կապերը, եւ խնդիր է դրվում ոչ-շատ-մեծ նեյրոնային ցանցերով լուծել այնպիսի խնդիրներ, որոնք մինչ այժմ ուսումնասիրվել են միայն միլիարդավոր պարամետրերով հսկայական մոդելներով: Նախագիծը ղեկավարում են ԵրեւանԷնից Կարեն Համբարձումյանը եւ Ֆեյսբուք ընկերությունից Արմեն Աղաջանյանը։
•    Self-supervised learning for few-shot (zero-shot?) object detection
Ինքնավերահսկվող ուսուցման ալգորիթմները գերազանց արդյունքներ են արձանագրում պատկերների դասակարգման խնդիրներում: Որքանո՞վ են դրանք արդյունավետ օբյեկտների ճանաչման ու տեղորոշման (detection and localication) համար: Ինչպե՞ս դրանք դարձնել ավելի արդյունավետ, օրինակ, արբանյակային լուսանկարներում օբյեկտների հայտնաբերման համար շատ քիչ օրինակներ ունենալու (կամ նույնիսկ ոչ մի օրինակ չունենալու) դեպքում: Այս նախագիծը իրականացվելու է CSIE հիմնադրամի հետ համատեղ: Ղեկավարելու է Քրիստիան Կեքսելը։
•    Vehicle Routing + Machine Learning (NeurIPS competition)
NeurIPS 2022 գիտաժողովի շրջանակում կազմակերպվում է EURO Meets NeurIPS 2022 Vehicle Routing Competition մրցույթը: Խնդիր է դրվում մեքենաների երթուղիների պլանավորման խնդիրը, որը գործառույթների հետազոտման (operations research) խնդիրներից է, պետք է լուծել մեքենայական ուսուցման կիրառմամբ: YerevaNN-ը արդեն որոշակի փորձ ունի նման խնդիրների շուրջ աշխատելու: Նոր թիմակիցը կարող է CSIE հիմնադրամի հետ համատեղ մասնակցել այս մրցույթին՝ Խալիֆա համալսարանից Արեգ Կարապետյանի ղեկավարությամբ։

Դիմելու առաջին վերջնաժամկետն օգոստոսի 7-ն է, երկրորդը՝ օգոստոսի 15-ը, հայտադիմումը լրացնել հնարավոր է այստեղ։