На базе Лаборатории анализа данных физики высоких энергий (ЛАДФВЭ) Физического факультета (ФФ) ТГУ стартовал новый практический курс «Методы машинного обучения в задачах атмосферной оптики» для студентов, обучающихся по программе «Цифровая физика».
В рамках курса участники освоят онлайн-инструменты для обработки данных, изучат основы программирования на Python и принципы объектно-ориентированного программирования. Особое внимание уделяется построению графиков для анализа экспериментальных данных.
В практической части студенты сравнят реальные экспериментальные данные спутникового спектрорадиометра MODIS, NASA (спутники Terra и Aqua), и высотного матричного поляризационного лидара НИ ТГУ.
Полученные результаты будут важны для разработки методов реконструкции характеристик облаков верхнего яруса в условиях изменяющегося климата и антропогенной нагрузки с использованием космических и наземных данных, а также инструментов машинного обучения.
Такой подход помогает понять возможности применения методов машинного обучения в задачах лазерного зондирования атмосферы и ряда процессов и факторов, которые, в свою очередь, имеют исключительно важное значение в решении задач экологического мониторинга, динамики и физики атмосферы, – объясняет старший научный сотрудник Лаборатории анализа данных физики высоких энергий ФФ ТГУ Олеся Кучинская.
По словам заместителя заведующего ЛАДФЭ ТГУ Ирины Шрайбер новый курс разработан по тематике, которая является одним из ключевых направлений лаборатории.
Наша цель – сделать так, чтобы студенты начали вливаться в жизнь лаборатории с самого начала обучения. В сентябре и октябре я с коллегами читали для них курс «Введение в физику высоких энергий». Ребята делали свои первые доклады и постеры по физике, учились интересно рассказывать о науке, – отметила Ирина.
Новая программа ФФ ТГУ «Цифровая физика: анализ данных физики высоких энергий и моделирование сложных систем» – часть большого научного проекта, который реализуется при поддержке мегагранта правительства РФ. Она объединяет физику элементарных частиц и современные IT-технологии, включая искусственный интеллект и машинное обучение. Выпускники смогут работать с большими данными, разрабатывать программное обеспечение для детекторов частиц и моделировать физические процессы.