Кертес-Фаркаш Аттила
- Заведующий лабораторией:Факультет компьютерных наук / Научно-учебная лаборатория искусственного интеллекта для вычислительной биологии
- Доцент:Факультет компьютерных наук / Департамент анализа данных и искусственного интеллекта
- Начал работать в НИУ ВШЭ в 2015 году.
- Научно-педагогический стаж: 8 лет.
Образование, учёные степени
- 2022Доктор наук: Национальный исследовательский университет «Высшая школа экономики»
- 2010PhD: Университет Сегеда
- 2004
Магистратура: Университет Сегеда, специальность «Информатика, компьютерные системы и программная инженерия», квалификация «Магистр в области информатики»
Достижения и поощрения
- Благодарственное письмо ректора Высшей школы экономики (декабрь 2022)
- Благодарность факультета компьютерных наук НИУ ВШЭ (сентябрь 2021)
Надбавка за защиту докторской диссертации (2022-2025)
Научный руководитель диссертационных исследований
- 1
Academic supervision of PhD students - 2Джин С. Система визуальной аналитики для объяснения и улучшения моделей прогнозирования дорожного движения на основе механизма внимания, 2099
- 3Мошков Н. Е. Применение алгоритмов глубокого обучения для сегментирования одиночных клеток и фенотипического профилирования, 2022
- 4Сулимов П. А. Обучение генеративных вероятностных моделей для распознавания данных масс-спектрометрии, 2020
- 5Черешнев Р. И. Система управления человеческой походкой методами машинного обучения, подходящая для роботизированных протезов в случае двойной трансфеморальной ампутации, 2019
- 6Герасимов С. В. Оценка погрешности в методах глубинного обучения для анализа данных тандемной масс-спектрометрии (aспирантура: 2-й год обучения)
- 7Аквей Ф. Л. Н. А. Глубокая нейронная сеть для аннотирования данных тандемной масс-спектрометрии. (aспирантура: 3-й год обучения)
- 8Бхимани К. Р. Точный расчет p-значения для данных тандемной масс-спектрометрии с высоким разрешением (aспирантура: 3-й год обучения)
Учебные курсы (2023/2024 уч. год)
Machine Learning (Аспирантура; направление "00.00.00. Аспирантура", направление "00.00.00. Аспирантура"; 1-й курс, 1 семестр)Анг
- Семинар наставника "Анализ данных в биологии и медицине" (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Архив учебных курсов
Учебные курсы (2022/2023 уч. год)
- Generative Models in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; 2-й курс, 1 семестр)Анг
- Discriminative Methods in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; 2-й курс, 1 семестр)Анг
- Семинар наставника "Исследование медико-биологических данных" (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 1-4 модуль)Рус
Учебные курсы (2021/2022 уч. год)
- Научный семинар "Исследование медико-биологических данных" (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Generative Models in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; 1-й курс, 1 семестр)Анг
Discriminative Methods in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; направление "02.06.01. Компьютерные и информационные науки", направление "09.06.01. Информатика и вычислительная техника"; 1-й курс, 1 семестр)Анг
Учебные курсы (2020/2021 уч. год)
- Научный семинар "Исследование медико-биологических данных" (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 1-4 модуль)Рус
Generative Models in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; направление "02.06.01. Компьютерные и информационные науки", направление "09.06.01. Информатика и вычислительная техника"; 2-й курс, 1 семестр)Анг
Discriminative Methods in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; направление "02.06.01. Компьютерные и информационные науки", направление "09.06.01. Информатика и вычислительная техника"; 2-й курс, 1 семестр)Анг
Учебные курсы (2019/2020 уч. год)
- Дискриминантные методы машинного обучения (Аспирантура; 2-й курс, 1 семестр)Рус
- Научный семинар "Исследование медико-биологических данных" (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 1-4 модуль)Рус
Generative Models in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; направление "09.06.01. Информатика и вычислительная техника", направление "02.06.01. Компьютерные и информационные науки"; 2-й курс, 2 семестр)Анг
Discriminative Methods in Machine Learning (Аспирантура; где читается: Факультет компьютерных наук; направление "09.06.01. Информатика и вычислительная техника", направление "02.06.01. Компьютерные и информационные науки"; 2-й курс, 1 семестр)Анг
Преподавание в аспирантуре
Диссертация на соискание ученой степени доктора наук
Кертес-Фаркаш А. Вычислительные методы для аннотирования данных тандемной масс-спектрометрии
Публикации38
- Статья Bhimani K. R., Peresadina A., Voznyuk D., Kertesz-Farkas A. Exact p-value calculation for XCorr scoring of high-resolution MS/MS data // Proteomics. 2024. Vol. 24. No. 5. Article 2300145. doi
- Статья Acquaye F. L., Kertesz-Farkas A., Stafford Noble W. Efficient indexing of peptides for database search using Tide // Journal of Proteome Research. 2023. Vol. 22. No. 2. P. 577-584. doi
- Глава книги Frank Lawrence Acquaye, Latypov I., Attila Kertész-Farkas. Hypernym Information and Sentiment Bias Probing in Distributed Data Representation, in: ICMLC '23: Proceedings of the 2023 15th International Conference on Machine Learning and Computing. NY : Association for Computing Machinery (ACM), 2023. doi P. 221-226. doi
- Статья Kertesz-Farkas A., Acquaye F. L., Kishankumar Bhimani, English J. K., Fondrie W. E., Grant C., Hoopmann M. R., Lin A., Lu Y. Y., Moritz R. L., MacCoss M. J., Noble W. S. The Crux toolkit for analysis of bottom-up tandem mass spectrometry proteomics data // Journal of Proteome Research. 2023. Vol. 22. No. 2. P. 561-569. doi
- Статья Kudriavtseva P., Kashkinov M., Kertész-Farkas A. Deep Convolutional Neural Networks Help Scoring Tandem Mass Spectrometry Data in Database-Searching Approaches // Journal of Proteome Research. 2021. Vol. 20. No. 10. P. 4708-4717. doi
- Статья Sulimov P., Voronkova A. V., Kertész-Farkas A. Annotation of tandem mass spectrometry data using stochastic neural networks in shotgun proteomics // Bioinformatics. 2020. Vol. 36. No. 12. P. 3781-3787. doi
- Статья Sulimov P., Kertesz-Farkas A. Tailor: A Nonparametric and Rapid Score Calibration Method for Database Search-Based Peptide Identification in Shotgun Proteomics // Journal of Proteome Research. 2020. No. 19(4). P. 1481-1490. doi
- Статья Moshkov N., Mathe B., Kertesz-Farkas A., Hollandi R., Horvath P. Test-time augmentation for deep learning-based cell segmentation on microscopy images // Scientific Reports. 2020. Vol. 10. Article 5068. doi
- Статья Danilova Yulia, Voronkova Anastasia, Sulimov Pavel, Kertész-Farkas Attila. Bias in False Discovery Rate Estimation in Mass-Spectrometry-Based Peptide Identification // Journal of Proteome Research. 2019. Vol. 18. No. 5. P. 2354-2358. doi
- Статья Chereshnev R., Kertesz-Farkas A. GaIn: Human Gait Inference for Lower Limbic Prostheses for Patients Suffering From Double Trans-Femoral Amputation // Sensors. 2018. Vol. 18. No. 12. P. 1-20. doi
- Глава книги Kertesz-Farkas A., Chereshnev Roman. HuGaDB: Human Gait Database for Activity Recognition from Wearable Inertial Sensor Networks, in: Analysis of Images, Social Networks and Texts. 6th International Conference, 2017, Revised Selected Papers / Ed. by W. M. van der Aalst, D. I. Ignatov, M. Khachay, S. Kuznetsov, V. Lempitsky, I. A. Lomazova, A. Napoli, A. Panchenko, P. M. Pardalos, A. V. Savchenko, S. Wasserman. Vol. 10716. Cham : Springer, 2018. doi P. 131-141.
- Статья Kertesz-Farkas A., Bauwens B. F., Filatov G. LZW-Kernel: fast kernel utilizing variable length code blocks from LZW compressors for protein sequence classification // Bioinformatics. 2018. Vol. 34. No. 19. P. 3281-3288. doi
- Глава книги Shestakoff A., Kertesz-Farkas A., Shmelkin D., Doroshin D. Lookup Lateration: Mapping of Received Signal Strength to Position for Geo-Localization in Outdoor Urban Areas, in: Proceedings of Analysis of Images, Social Networks and Texts – 7th International Conference, AIST 2018, Moscow, Russia, July 5-7, 2018, Revised Selected Papers. Lecture Notes in Computer Science / Ed. by W. M. van der Aalst, V. Batagelj, G. Glavaš,, D. I. Ignatov, M. Khachay, O. Koltsova, S. Kuznetsov, I. A. Lomazova, N. Loukachevitch,, A. Napoli,, A. Savchenko, A. Panchenko,, P. M. Pardalos, M. Pelillo,. Vol. 11179. Berlin : Springer, 2018. doi P. 234-246. doi (в печати)
- Статья Kertesz-Farkas A., Nikitin D. New bifunctional restriction-modification enzyme AloI isoschizomer (PcoI): Bioinformatics analysis, purification and activity confirmation // Gene. 2018. Vol. 660. P. 8-12. doi
- Статья Kertesz-Farkas A., Chereshnev R. RapidHARe: A computationally inexpensive method for real-time human activity recognition from wearable sensors // Journal of Ambient Intelligence and Smart Environments. 2018. Vol. 10. No. 5. P. 377-391. doi
- Статья Kertesz-Farkas A., Keich U., Noble W. Improved False Discovery Rate Estimation Procedure for Shotgun Proteomics // Journal of Proteome Research. 2015. Vol. 14. No. 8. P. 3148-3161.
- Статья Kertesz-Farkas A., Ali H., Lisek K. Nuclear architecture dictates HIV-1 integration site selection // Nature. 2015. No. 521. P. 227-231.
- Статья Kertesz-Farkas A., Noble W. Tandem mass spectrum identification via Cascaded search // Journal or Proteome Research. 2015. Vol. 14. No. 8. P. 3027-3038.
- Статья Kertesz-Farkas A., Grant C. E., Howbert J. J., Hoopmann M. R., Eng J. K. Crux: rapid open source protein tandem mass spectrometry analysis // Journal of Proteome Research. 2014. Vol. 13. No. 10. P. 4488-4491.
- Статья Kertesz-Farkas A., Juhász J., Szabó D., Pongor S. Emergence of collective territorial defense in bacterial communities: horizontal gene transfer can stabilize microbiomes. // Plos One. 2014. Vol. 9. No. 4
- Статья Kertesz-Farkas A., Myers M. P. PTMTreeSearch: a novel two-stage tree-search algorithm with pruning rules for the identification of post-translational modification of proteins in MS/MS spectra. // Bioinformatics. 2014. Vol. 30. No. 2. P. 234-241.
- Статья Kertesz-Farkas A., Myers M. P. Precursor mass dependent filtering of mass spectra for proteomics analysis // Protein and peptide letters. 2014. Vol. 21. No. 8. P. 858-863.
- Статья Kertesz-Farkas A., Myers M. P. Chemical rule-based filtering of MS/MS spectra. // Bioinformatics. 2013. Vol. 29. No. 7. P. 925-932.
- Статья Vera R., Pérez-Riverol, Y., Pérez S., Ligeti B., Kertesz-Farkas A., Pongor S. JBioWH: an open-source Java framework for bioinformatics data integration // Database: the journal of biological databases and curation. 2013 doi
- Глава книги Nikitin D. V., Kertesz-Farkas A., Solonin A. S., Mokrishcheva M. L. Bifunctional Prokaryotic DNA-Methyltransferases, in: Methylation - From DNA, RNA and Histones to Diseases and Treatment. InTech, 2012. doi doi
- Статья Kertesz-Farkas A., Myers M. P. Data preprocessing and filtering in mass spectrometry based proteomics // Current Bioinformatics. 2012. Vol. 7. No. 2. P. 212-220.
- Статья Kertesz-Farkas A., Myers M. P. Database searching in mass spectrometry based proteomics // Current Bioinformatics. 2012. Vol. 7. No. 2. P. 221-230.
- Статья Kertesz-Farkas A., Bihary D., Kerenyi A., Gelencser Z., Netotea S., Venturi V., Pongor S. Simulation of communication and cooperation in multispecies bacterial communities with an agent based model // Scalable Computing: Practice and Experience. 2012. Vol. 13. No. 1
- Глава книги Kertesz-Farkas A., Myers M. P. PTMSearch: A Greedy Tree Traversal Algorithm for Finding Protein Post-Translational Modifications in Tandem Mass Spectra, in: European Conference on Machine Learning and Principles and Practical Knowledge Discovery in Databases 2 Vol. 6912 . , 2011. P. 162-176. doi
- Статья Kertesz-Farkas A., Adadey A., Peterson T. Toward an automatic method for extracting cancer- and other disease-related point mutations from the biomedical literature // Bioinformatics. 2011. Vol. 27. No. 3. P. 408-415.
- Статья Kertesz-Farkas A., Pongor S. Detecting atypical examples of known domain types by sequence similarity searching: The SBASE domain library approach // Current Protein and Peptide Science. 2010 doi
- Статья Kertesz-Farkas A., Dombi J. Applying Fuzzy Technologies to Equivalence Learning in Protein Classification // Journal of Computational Biology. 2009 doi
- Статья Kertesz-Farkas A., Pongor S. Balanced ROC analysis (BAROC) protocol for the evaluation of protein similarities // Journal of Biochemical and Biophysical Methods. 2008 doi
- Статья Kertesz-Farkas A., Pongor S. Benchmarking protein classification algorithms via supervised cross-validation // Journal of Biochemical and Biophysical Methods. 2008 doi
- Статья Kertesz-Farkas A., Pongor S. A Protein Classification Benchmark collection for Machine Learning // Nucleic Acids Research. 2006 doi
- Статья Kertesz-Farkas A., Kajan L., Pongor S. Application of a simple log likelihood ratio approximant to protein sequence classification // Bioinformatics. 2006 doi
- Статья Kertesz-Farkas A., Pongor S. Application of compression-based distance measures to protein sequence-classification: a methodological study // Bioinformatics. 2006 doi
- Статья Kertesz-Farkas A., Kelemen J., Kocsor A., Puskas L. Kalman Filtering for Disease-State Estimation from Microarray Data // Bioinformatics. 2006 doi
Конференции
- 2100Proteomics-2017 (Valencia). Доклад: High-dimensional generative probabilistic models for peptide-spectrum-matching in tandem mass spectrometry
- Proteomics-2017 (Valencia). Доклад: PTMTreeSearch: a new algorithm for post-translational modification identification in tandem mass spectrometry data
- Proteomics-2017 (Valencia). Доклад: Cascaded false discovery rate control tandem mass spectrometry (MS/MS) data for peptide identification
- 2019Biotechnology: state and prospects of development (Moscow). Доклад: Generative probabilistic modelling of peptide-spectrum matching in tandem mass spectrometry
- Biotechnology: state and prospects of development (Moscow). Доклад: Bias in false discovery rate estimation in mass-spectrometry-based peptide identification
- Biotechnology: state and prospects of development (Moscow). Доклад: Filtering of tandem mass spectrometry data using convolutional neural networks
- 2018The 7th International Conference on Analysis of Images, Social Networks, and Texts (AIST'2018) (Москва). Доклад: Lookup Lateration: Non-linear Received Signal Strength to Distance Mapping for Non-Line-of-Sight Geo-localization in Outdoor Urban Areas
- 2017Analysis of Images, Social Networks and Texts. 6th International Conference, AIST 2017 (Moscow). Доклад: HuGaDB: Database for Human Gait Analysis from Wearable Inertial Sensor Networks
- 2016The 3rd Professor Day (Moskva). Доклад: Large-scale localization method for urban area
- The 5th international conference on Analysis of Images, Social Networks, and Texts (AIST) (Екатеринбург). Доклад: False discovery rate control for database search methods over heterogeneous biological data
- 2014US HUPO (Seattle). Доклад: Peptide identification in tandem mass spectrometry data via cascade search
Research and course projects (BSc, MSc, PhD, postdoc) on reasoning with neural differentiable machines
Research and course projects (BSc, MSc, PhD, postdoc) on learning for mass spectrometry data identification (Bioinformatics)
Опыт работы
Информация*
- Общий стаж: 8 лет
- Научно-педагогический стаж: 8 лет
- Преподавательский стаж: 8 лет
«Мне с детства говорили, что я буду профессором, поэтому я с самого начала рассматривал для себя академическую карьеру»
Выпускник магистерской программы «Науки о данных» 2023 года Инсан-Александр Латыпов рассказал о своем обучении в магистратуре, научно-исследовательской работе и поступлении на PhD.
‘My Research Has Evolved into A Broader and More Encompassing Vision’
Seungmin Jin, from South Korea, is researching the field of Explainable AI and planning to defend his PhD on ‘A Visual Analytics System for Explaining and Improving Attention-Based Traffic Forecasting Models’ at HSE University this year. In September, he passed the pre-defence procedure at the HSE Faculty of Computer Science School of Data Analysis and Artificial Intelligence. In his interview for the HSE News Service, he talks about his academic path and plans for the future.
Доклад Аттилы Кертес-Фаркаш стал лучшим на конференции ICMLC 2023
Заведующий лабораторией Аттила Кертес-Фаркаш был награждён за лучший доклад на конференции ICMLC 2023.
Поздравляем заведующего лабораторией Кертес-Фаркаш Аттилу с получением заслуженной награды
Заведующий лабораторией представлен к награде.
Поздравляем Аттилу Кертес-Фаркаш с успешной защитой докторской диссертации
19 мая 2022 г. состоялась защита докторской диссертации Аттилы Кертес-Фаркаш.
Аттила Кертес-Фаркаш выступил на коллоквиуме ФКН
Заведующий НУЛ ИИВБ выступил на коллоквиуме ФКН.
Семинар: "Вычислительные методы для аннотирования данных тандемной масс-спектрометрии"
26 ноября 2021г. прошел онлайн семинар, посвященный результатам исследования заведующего лабораторией Аттилы Кертес-Фаркаш по теме "Вычислительные методы для аннотирования данных тандемной масс-спектрометрии".
Поздравляем заведующего лабораторией Кертес-Фаркаш Аттилу с получением заслуженной награды
Заведующий лабораторией представлен к награде.
«Я понял, что стажировка на ФКН будет отличной возможностью»
Выпускник Университета Джонса Хопкинса Кайоди Ахмед проходит стажировку на ФКН. Мы поговорили с ним о выборе профессии, проекте и увлечениях.
Опыт аспиранта: Никита Мошков
Аспирант четвертого года обучения Никита Мошков рассказал о своих исследованиях и биоинформатике.
Аттила Кертес-Фаркаш о новой лаборатории и своих исследованиях
Недавно на ФКН открылась научно-учебная лаборатория искусственного интеллекта для вычислительной биологии. Мы поговорили с ее руководителем Аттилой Кертес-Фаркашем о лаборатории, исследованиях и его пути в науке.
Аспирант факультета компьютерных наук НИУ ВШЭ посетил Broad Institute при MIT и Гарварде
Никита Мошков рассказал нам о своём опыте в BroadInstitute, где он находился c 17 марта по 21 мая 2019 года.
HSE and University of London: Joint BA Programme in Applied Data Analysis
In 2018, the Higher School of Economics will launch an English-taught double degree programme in partnership with the University of London in Applied Data Analysis. Graduates will be awarded an undergraduate degree from HSE in Applied Mathematics and Information Science and a Bachelor of Science in Data Science and Business Analytics from the University of London. International applicants are invited to apply online starting November 15, 2017.
НИУ ВШЭ и Лондонский университет открывают бакалаврскую программу двух дипломов по прикладному анализу данных
В 2018 году Высшая школа экономики начинает прием на англоязычную программу бакалавриата «Программа двух дипломов НИУ ВШЭ и Лондонского университета «Прикладной анализ данных». Все, успешно закончившие программу, получат диплом бакалавра по направлению «Прикладная математика и информатика» НИУ ВШЭ и диплом Bachelor of Sciences in Data Science and Business Analytics Лондонского университета.
Состоялся II российско-французский научный семинар «Большие данные и решения на их основе»
Менее чем за 10 лет термин «Большие данные» (БД) превратился из абстрактного понятия в источник практически неограниченных возможностей для бизнеса, драйвер развития новых технологий и один из главных вызовов для исследователей в области компьютерных наук. Российско-французский семинар, состоявшийся 12-13 октября 2017 года в Вышке, позволил взглянуть на БД как на прочную основу для реализации совместных инновационных научно-исследовательских проектов и образовательных программ.
Выступление сотрудников департамента на Втором российско-французском семинаре «Большие данные и решения на их основе»
«Крупным компаниям не стоит недооценивать потенциальную полезность больших данных, a исследователям и ученым – их нарастающее влияние на развитие как компьютерных наук, так и всей современной науки в целом». С этим высказыванием, без сомнения, согласятся участники российско-французского семинара «Большие данные и решения на их основе», организованного НИУ ВШЭ совместно с Институтом Mines-Télécom (IMT), при поддержке Посольства Франции в России и при участии Hub French Tech Москва, Министерства высшего образования, исследований и инноваций Франции (Ministère de lʼEnseignement supérieur, de la Recherche et de lʼInnovation), Государственного института исследований в информатике и автоматике (INRIA) и GDR CNRS MADICS (Masses de Données, Informations et Connaissances en Sciences).
VI Международная конференция по анализу изображений, социальных сетей и текстов (АИСТ)
Международная конференция по анализу изображений, социальных сетей и текстов АИСТ состоялась 27-29 июля в Москве при поддержке Высшей школы экономики. В этом году на конференцию было подано 130 научных работ из разных, в том числе зарубежных, университетов. Лучшие работы были отобраны признанными специалистами в области анализа данных со всего мира, они войдут в сборник трудов конференции и будут опубликованы в серии Lecture Notes in Computer Science издательства Springer.
International Experts in the Faculty of Computer Science
An important step in integrating the university into the global educational, scientific and research space is the expansion of international recruiting. Since its very first year, the Faculty of Computer Science at the Higher School of Economics has had a foreign professor working on staff. In 2015, four internationally recruited experts teach and conduct research in the faculty.
Научно-исследовательская работа
со студентами НИУ ВШЭ
Опубликованы темы КР и ВКР департамента на 2015/16 учебный год.
Международные специалисты на факультете компьютерных наук
Одним из значимых шагов по интеграции университета в мировое образовательное и научно-исследовательское пространство является развитие международного рекрутинга. С первого года существования факультета компьютерных наук в его штате работает иностранный профессор. В 2015 году на факультете преподают и ведут исследования уже четыре специалиста, принятые по программе международного рекрутинга. В интервью, взятых на английском языке, они поделились своими планами и впечатлениями от Вышки и рассказали, почему решили работать на факультете компьютерных наук.