14 жовтня 2025 року, у форматі онлайн, здобувачі освітньої програми «Комп’ютерні науки та інформаційні технології» першого (бакалаврського) та другого (магістерського) рівнів вищої освіти за освітніми компонентами «Штучний інтелект» та «Сучасні методи та моделі обробки даних», а також члени проблемної групи «Методи штучного інтелекту» (викладач — Тетяна Мамчич) відвідали робочий семінар Лабораторії дослідження даних та машинного навчання, організований Київським Академічним університетом (КАУ). Захід був присвячений «Методам негладкої оптимізації для задач машинного навчання».
З доповіддю виступив Корабльов Микола Миколайович, аспірант Інституту кібернетики ім. В.М. Глушкова НАН України. Ключові теми семінару включали субградієнтні методи оптимізації. Доповідач детально розглянув поняття субградієнта як узагальнення класичного градієнта для опуклих недиференційовних функцій. Була проаналізована ідейна відмінність найпростішого субградієнтного методу від класичного методу градієнтного спуску. Описувалася загальна схема прискорення методів, заснована на перетворенні простору змінних. Серед розглянутих прикладів були метод еліпсоїдів та r-алгоритм Шора. Учасники семінару ознайомилися із практичним застосуванням в ML, зокрема з прикладами використання субградієнтних методів для розв’язання задач машинного навчання (як з учителем, так і без) у постановках із негладкими цільовими функціями. Окрему увагу було приділено виявленню дефектів, а саме задачі виявлення дефектів у регулярних структурах за їх зображеннями та порівнянню ефективності розв’язання цієї задачі за допомогою методу найменших квадратів і методу найменших модулів.
