Описание:Курс «Современные методы обработки и анализа данных» состоит из двух
основных разделов.
В первом разделе слушатели познакомятся с обработкой временных рядов на
примере исследования разгорания флуоресценции хлорофилла, происходящего
при освещении адаптированных к темноте фотосинтезирующих организмов
(растения, водоросли). Будут рассмотрены различные подходы к построению
моделей первичных процессов фотосинтеза, такие как кинетические модели
(системы обыкновенных дифференциальных уравнений) и агентные модели.
Будут рассмотрены различные алгоритмы минимизации, позволяющие провести
идентификацию параметров моделей по экспериментальным данным, и уделено
особое внимание их применимости для решения тех или иных практических
задач. В ходе занятий слушатели создадут простые программы на языке
Python, в которых рассматриваемые методы будут использованы для анализа
реальных экспериментальных данных. Будет рассмотрен широко применяемый в
экомониторинге и агробиотехнологии JIP-тест для оценки параметров
электронного транспорта.
Вторая часть курса посвящена актуальным подходам к обработке и анализу
изображений. По окончании курса студенты получат базовые навыки работы
со статическими и динамическими изображениями для решения таких задач
как подавление шума, разделение (сегментация) изображений на объект и
фон, представление изображений в пространстве преобразований (Фурье и
вейвлет), выделение кооперативных мод динамики в видео и т.д. Основной
акцент будет сделан на том, как методы обработки изображений позволяют
получать информацию об исследуемой системе, а не на улучшении
изображений или видео как таковых. Для иллюстрации подходов и методов мы
будем использовать видео и изображения, которые каждый студент может
сделать в повседневной жизни с помощью обычного смартфона, равно как и
экспериментальные данные, которые студенты получают в своих лабораториях
или находящиеся в открытом доступе.