LAMBDA: Идентификация частиц в LHCb (командный проект) — различия между версиями
(добавлены детали) |
|||
| Строка 11: | Строка 11: | ||
Получить модель идентификации частиц в данных, полученных на Большом адронном коллайдере. Тренировка будет проводиться с использованием полностью симулированных событий эксперимента LHCb, финальное тестирование пройдёт на данных, набранных в 2017 году. | Получить модель идентификации частиц в данных, полученных на Большом адронном коллайдере. Тренировка будет проводиться с использованием полностью симулированных событий эксперимента LHCb, финальное тестирование пройдёт на данных, набранных в 2017 году. | ||
| + | Презентация: | ||
https://www.dropbox.com/s/ro3nd8wy9zx10o1/citizen_science.key?dl=0 | https://www.dropbox.com/s/ro3nd8wy9zx10o1/citizen_science.key?dl=0 | ||
| + | |||
| + | Постер: | ||
| + | https://www.dropbox.com/s/9lpg81hld6ax9g1/pid_poster_v3.pdf?dl=0 | ||
=== Чему научатся студенты? Что самое интересное в проекте? === | === Чему научатся студенты? Что самое интересное в проекте? === | ||
| − | + | командной работе над data science задачами на примере задачи из физики высоких энергий | |
=== Организация работы (Как студенты будут работать в команде?) === | === Организация работы (Как студенты будут работать в команде?) === | ||
| − | + | agile research & citizen science | |
=== Компоненеты (Из каких частей состоит проект?) === | === Компоненеты (Из каких частей состоит проект?) === | ||
| Строка 33: | Строка 37: | ||
=== Какие будут использоваться технологии? === | === Какие будут использоваться технологии? === | ||
| − | + | keras, xgboost, catboost, | |
=== Какие начальные требования? === | === Какие начальные требования? === | ||
| − | + | основы машинного обучения | |
=== Темы вводных занятий === | === Темы вводных занятий === | ||
| − | + | основы обработки данных в LHCb | |
=== Критерии оценки === | === Критерии оценки === | ||
Версия 14:57, 13 октября 2017
| Компания | TBA |
| Учебный семестр | Осень 2017 |
| Учебный курс | 3-й курс |
| Максимальное количество студентов, выбравших проект: TBA | |
Содержание
| |
Что это за проект?
Получить модель идентификации частиц в данных, полученных на Большом адронном коллайдере. Тренировка будет проводиться с использованием полностью симулированных событий эксперимента LHCb, финальное тестирование пройдёт на данных, набранных в 2017 году.
Презентация: https://www.dropbox.com/s/ro3nd8wy9zx10o1/citizen_science.key?dl=0
Постер: https://www.dropbox.com/s/9lpg81hld6ax9g1/pid_poster_v3.pdf?dl=0
Чему научатся студенты? Что самое интересное в проекте?
командной работе над data science задачами на примере задачи из физики высоких энергий
Организация работы (Как студенты будут работать в команде?)
agile research & citizen science
Компоненеты (Из каких частей состоит проект?)
разработка алгоритма идентификации частиц мелкими нейросетями, воспроизведение бейзлайна
разработка алгоритма идентификации частиц алгоритмом градиентного бустинга
разработка алгоритма идентификации частиц глубокой нейросетью
ускорение работы моделей
разработка решения с заданными характеристиками одним из существующих методов
Проверка качества работы моделей на данных коллайдера
Какие будут использоваться технологии?
keras, xgboost, catboost,
Какие начальные требования?
основы машинного обучения
Темы вводных занятий
основы обработки данных в LHCb
Критерии оценки
TBA
Похожие проекты
TBA
Контактная информация
Артем Рыжиков
