Кафедра математики оголошує набір на факультативи!
Ми неймовірно здивовані такою кількістю бажаючих вивчати математику на наших факультативах. Через велику кількість охочих ми змушені були закрити попередню реєстрацію. Тому, для тих хто не встиг зареєструватись - маємо чудову новину! Ще кілька факультативів, які ми готові запропонувати цього року. Звісно це не весь список, тому чекайте подальших оголошень кафедри.

Реєстрація на факультативи за посиланням, кожен учасник отримає сертифікат від КАУ.

Тетяна Нікуліна, Android developer in Grid Dynamics.
"Додатки для Android"

(початок 4 жовтня, четвер 18:30-21:30)

  1. Ознайомлення з Android Studio. Налаштування емулятора, запуск першого додатку. Структура проекту. VCS: Git.
  2. Kotlin: основи
  3. Kotlin (частина 2)
  4. Розмітка екрана: основи XML. Елементи екрану, контейнери елементів.
  5. Доступ та керування елементами екрана з коду. Опрацювання подій.
  6. Application, Activity та її життєвий цикл. Manifest.
  7. Fragment та його життєвий цикл. Android jetpack components: navigation.
  8. Робота зі списками.
  9. Зберігання даних. Preference. Основи баз даних, Room.
  10. Робота з файлами, запис та читання файлів. Система дозволів на Android.
  11. Вихід до інтернету. Retrofit, JSON.
  12. Основи архітектури додатку. MVVM, ViewModel. LiveData, coroutine.
  13. Робота з камерою.
  14. Services, WorkManager.
  15. Робота з GPS, робота з картами.
  16. Notifications.

Анастасія Дейнеко, Technical Trainer in Grid Dynamics.
"Глибинне навчання для задач комп’ютерного зору"

(весна 2023)

  1. Вступ до нейронних мереж – від мілинних до глибинних;
  2. Парадигми навчання – навчання з вчителем та самонавчання;
  3. Основи теорії оптимізації (градієнтні оптимізатори);
  4. Багатошаровий песептрон, функції активації, проблема зникаючого та вибухового градієнту;
  5. Комп’ютерний зір:
    -  Згорткові нейронні мережі; архітектури згорткових мереж; Transfer Learning; класифікація зображень;
    -  Autoencoders, VAE, CVAE;
    -  Data segmentation;
    -  Object detection;
    -  Generative adversarial networks (GANs);
    -  Meta-Learning: metric learning; domain adaptation, few-shot learning;
    -  Weak Supervision, active learning;
  6. Рекурентні нейронні мережі;
  7. Моделі типу «Sequence-To-Sequence»;

Глиняна Катерина Валеріївна, канд. фіз.-мат. наук, наук. співр. відділу теорії випадкових процесів Інституту математики НАН України.
"Точкові процеси"

  1. Точкові процеси: мотивація та перші приклади.
  2. Визначення точкового процесу як випадкової міри. Формула Кемпбелла.
  3. Розподіл точкового процесу. Характеристичний функціонал.
  4. Пуассонівський процес: теорема існування, характеристичний функціонал.
  5. Рівняння Мекке: характеризація процесу Пуассона.
  6. Факторні міри та моментні міри.
  7. Багатовимірне рівняння Мекке.
  8. Перетворення точкового процесу: відображення та обмеження.
  9. Маркування точкового процесу, його характеристичний функціонал. Проріджування.
  10. Характеризація процесу Пуассона: теорема Реньї.
  11. Характеризація пуассонівського процесу на дійсній прямій: інтервальна теорема.
  12. Стаціонарні точкові процеси: локальні властивості, ергодичність.
  13. Розподіл Пальма: визначення та основні властивості.
  14. Інтеграл Вінера-Іто відносно. Пуассонівського процесу.

Руденко Олексій Володимирович, канд. фіз.-мат. наук, наук. співр. відділу теорії випадкових процесів Інституту математики НАН України
"Теорія потенціала для броунівського руху"

Курс присвячений властивостям броунівського руху, пов'язаним з потраплянням у множину. Будуть розглядатися відповідні поняття з теорії потенціалу, які необхідні для такого дослідження, в тому числі потенціали, ексцессивні функції, рівноважні міри.