Видеокарты: что они могут? Могут ли они хоть что-то? ⬇️

– Страница мероприятия
– 17 мая, 17:00 – 19:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения

⭐️ О лекторе

Николай Полярный
– Team Lead команды разработки Agisoft Metashape
– Автор курса фотограмметрии и курса алгоритмов на видеокартах
– Школьный учитель программирования

📢 Анонс

Процессор и видеокарта — в чём между ними разница? Если видеокарты так хороши — зачем нужен процессор? Чем отличаются OpenCL, CUDA и Vulkan? Что и когда выбрать для задачи? Как выглядят алгоритмы на видеокартах?

Обсудим, что такое вычисления в модели массового параллелизма. Что такое hyper-threading, occupancy, code divergence, coalesced memory access? Какие алгоритмы выигрывают от использования видеокарт?

Рассмотрим на примерах:
— merge-sort за O(N)* вместо O(N ⋅ log N),
— умножение матриц,
— real-time построение BVH-дерева (из этого вырос современный Ray Tracing).

Обсудим, как, понимая архитектуру компьютера хотя бы в общих чертах, можно оценить потенциал для ускорения с помощью разных методов оптимизации — даже без профилировщика.

Лекция будет сопровождаться кодом — с ним можно будет экспериментировать и после лекции. Также на лекции будут карлики и клоуны!

* merge-sort за O(N) — на видеокарте он, конечно, не работает строго за линию, но всё равно быстрее, чем на процессоре, в квинвигинтиллион** раз.

** В 123.9 раз.

Как оцифровать качество Поиска: от случайных запросов до ключевых метрик ⬇️

– Страница мероприятия
– 18 мая, 14:00 – 16:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения

⭐️ О лекторе

Роман Бойкий
– Руководитель службы офлайн-метрик Яндекс Поиска
– IMO-2008 Gold medal
– Финалист ICPC-2012

📢 Анонс

Разберём на примерах, как математическая интуиция помогает системно оценивать качество продукта и задавать вектор его развития.

Случайные графы — открытая лекция Андрея Райгородского! ⬇️

24 мая в Мраморном зале ПОМИ выступит Андрей Михайлович Райгородский — директор Физтех-школы прикладной математики и информатики МФТИ, доктор физико-математических наук, замечательный и яркий лектор. В 2011 году именно с его лекций началось преподавание дискретной математики в Computer Science Center.

– Страница мероприятия
– 24 мая, 17:00 – 19:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения

📢 Анонс

На лекции мы поговорим об одной весьма красивой и богатой приложениями науке — науке о случайных графах. Эта наука находится на стыке комбинаторики, теории графов и теории вероятностей. В основе ее лежит глубокая идея о том, что мощные инструменты современной теории вероятностей должны поспособствовать более верному осознанию природы графа, призваны помочь решению многих комбинаторных и теоретико-графовых задач. Лекция будет интересна широкой аудитории.

Андрей Михайлович рассказывает о сложных вещах понятно, живо и с блеском. Лекция будет интересна как студентам, так и опытным исследователям — приходите зарядиться вдохновением и задать свои вопросы!

Мы начинаем серию научно-популярных публикаций о классических и современных CS-результатах

Первая статья посвящена решению одной известной задачи на машине Тьюринга.

💡 Об авторе

Николай Владимирович Мальковский — кандидат физико-математических наук; Principal Engineer, Chebyshev Research Center; лектор МКН СПбГУ, ВШЭ.
Область интересов: практически-применимые эффективные алгоритмы и особенности их реализации.

📢 Анонс

На присуждении в 1974 году премии Тьюринга Дональду Кнуту сам лауреат сказал такие слова:

«Каждый из нас лишь выиграет, создавая время от времени "игрушечные" программы с заданными искусственными ограничениями, заставляющими нас до предела напрягать свои способности. Искусство решения мини задач на пределе своих возможностей оттачивает наше умение для реальных задач»

Предлагаю подумать над этим на досуге, а заодно представляю небольшую статью про машину Тьюринга развлекательного характера, цель которой — немного поразвлечь вас одной игрушечной задачей.

[Лекция перенесена, о новой дате сообщим позже]
Интеллектуальные роботы: классические алгоритмы и обучаемые методы ⬇️

– Страница мероприятия
– 23 мая, 19:00 – 20:30
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения

⭐️ О лекторе

Константин Сергеевич Яковлев, к.ф.-м.н., ведущий научный сотрудник ФИЦ ИУ РАН и AIRI, доцент ВШЭ, МФТИ, СПбГУ

📢 Анонс

Робототехника стремительно развивается и активно трансформирует наш мир. Логистика, автоматизированные склады, поисковые и спасательные миссии — далеко не полный список областей, где уже активно применяются роботы. Для того, чтобы их внедрение давало нужный эффект, они должны быть максимально интеллектуальными. Но что означает «интеллектуальный робот»? Как добиться от него интеллектуальности (и всегда ли это нужно)? Какие классические и современные подходы используются сегодня для построения систем управления роботами? Эти вопросы мы и обсудим в рамках предстоящего доклада-дискуссии.

Рассказываем о первом митапе CS Space! Стажировки в IT: взгляд студентов ⤵️

Хотите узнать реальный опыт стажировок от тех, кто их прошел? Приходите на наш митап, где студенты расскажут:
✔️ В каких компаниях стажировались и как туда попадали;
✔️ Какими проектами занимались и что получилось;
✔️ Что понравилось, а что можно улучшить;
✔️ Советы тем, кто только собирается подаваться.

Митап будет интересен как студентам, так и сотрудникам IT компаний для улучшения процесса стажировок.

В программе 5 небольших выступлений от студентов из различных компаний, живое обсуждение и неформальное общение. Первые два часа — выступления студентов, а оставшиеся два — нетворкинг и развлечения.

Ждём вас на наш митап, где студенты расскажут:
〰️ Владимир Давидюк. Т-банк — Аналитика и дерево метрик
〰️ Алексей Лотников. Яндекс — noML модели в Яндекс Поиске
〰️ Дмитрий Чучин. Agisoft — Фотограмметрия
〰️ Максим Костеров. Huawei — Смешанное целочисленное программирование
〰️ Анастасия Мозголина и Надежда Рощина. Сбер — ML R&D в сфере кредитования в Сбер.Риски

Дата и место
〰️ 29 мая с 19:00 до 23:00
〰️ Brosko Loft, Севкабель Порт
⚡️ Регистрация уже открыта. Количество мест ограничено.

Приходите пообщаться, завести новые знакомства и отлично провести вечер в неформальной обстановке! 🚀

Непериодические замощения плоскости многоугольниками ⬇️

– Страница мероприятия
– 26 июня, 19:00 – 20:30
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения

⭐️ О лекторе

Николай Константинович Верещагин
– Профессор мехмата МГУ, ФКН ВШЭ и ШАД Яндекса.
– Лауреат премии имени А.Н. Колмогорова 2024 года РАН за цикл работ о колмогоровской сложности.
– Член Европейской академии по секции Информатика.

📢 Анонс

Дан конечный набор многоугольных плиток и некоторые локальные правила укладки этих плиток на плоскость. Рассмотрим замощения плоскости этими плитками, соблюдающие эти локальные правила. Обычно самый простой способ уложить плитки состоит в том, что плитки укладываются в какую-то простую ограниченную фигуру, сдвигами которой можно замостить уже всю плоскость. Такие замощения называются периодическими. Но бывают наборы плиток, не имеющих периодических замощений. Такие наборы называются непериодическими. Наиболее известные из них — наборы Пенроуза и Бергера – Робинсона.

Главный способ построения непериодических наборов - это так называемые подстановки. Подстановкой называется любой способ разрезания каждой из исходных плиток на многоугольники, каждый из которых подобен одной из исходных плиток с некоторым фиксированным коэффициентом подобия, меньшим 1. Каждой подстановке s, удовлетворяющей некоторому условию, сопоставляется семейство F_s замощений плоскости, состоящее только из непериодических замощений. Таким образом можно определить сотни интересных семейств непериодических замощений. Теорема Гудман Штрауса утверждает, что «почти для любой» подстановки s задаваемое семейство F_s может быть задано локальными правилами. Применяя эту теорему можно получить сотни интересных непериодических наборов

Недостатком теоремы Гудман-Штрауса является расплывчатость формулировки: слова «почти для любой» не уточняются в формулировке теоремы, а выясняются только в ходе ее доказательства. При этом доказательство очень сложное, содержит 38 страниц и мне не удалось найти человека, утверждавшего, что он понял его или хотя бы точную формулировку теоремы. Недавно мне удалось найти некоторые достаточно, видимо другие, общие условия на подстановку s, гарантирующие, что семейство F_s может быть задано локальными правилами. Обо этом и будет рассказано в докладе.