Профессор ВШЭ возглавит направление машинного обучения Центра искусственного интеллекта Samsung
Главными сферами изучения в новом Центре станут компьютерное зрение и базовые алгоритмы для платформы искусственного интеллекта. Центр расширит охват научно-исследовательской деятельности Samsung в сфере ИИ для таких ключевых областей, как робототехника и интеллектуальные системы автономного управления. «Россия по праву считается одним из мировых центров в области технических наук, именно поэтому мы сегодня открываем Центр искусственного интеллекта в Москве. Мы считаем, что эта инициатива поможет нам вывести ИИ на новый уровень», — отметил президент штаб-квартиры Samsung Electronics по странам СНГ Ким Ы Так.
В российском центре профессор ФКН Дмитрий Ветров будет координировать исследовательскую работу в направлении поиска, анализа и разработки решений на базе глубинного обучения и масштабируемого байесовского подхода, разрабатывать новые вероятностные модели нейронных сетей и курировать их внедрение в средства разработки Samsung. По его словам, открытие центра позволит «внести вклад в развитие отрасли и применить наработки российской математической школы, отличающейся высоким уровнем практической подготовки специалистов для научно-исследовательской работы».
Также предполагается, что ряд сотрудников Центра искусственного интеллекта будут преподавать на ФКН, а студенты и аспиранты факультета получат возможность стажироваться и вести исследовательскую работу как в открываемом центре, так и в уже действующей совместной лаборатории Samsung-HSE на факультете компьютерных наук.
Ранее Samsung открыл два центра искусственного интеллекта в Кембридже (22 мая) и Торонто (24 мая).
Ветров Дмитрий Петрович
Профессор факультета компьютерных наук
Вам также может быть интересно:
«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.
В России разработана программа для диагностики дислексии
Ученые НИУ ВШЭ создали инструмент, который оценивает наличие и степень дислексии у школьников, учитывая их пол, возраст, класс школы и данные видеоокулографии. В 2024 году планируется внедрение программы в клиническую практику. Исследования проводились специалистами в области машинного обучения и нейролингвистами в Центре искусственного интеллекта НИУ ВШЭ.
Студенты со всей России пройдут интенсив по компьютерным наукам от ВШЭ и «Яндекса»
С 1 по 13 апреля в Москве на базе факультета компьютерных наук НИУ ВШЭ пройдет бесплатный студкемп по машинному обучению, организованный в рамках программы «Яндекса» для студентов IT-специальностей. За две недели студенты изучат материал, на освоение которого в рамках традиционных программ уходит от пары месяцев до нескольких семестров. Они получат фундаментальные знания в области искусственного интеллекта, а также познакомятся с практиками применения нейросетей в сервисах «Яндекса».
Нейросети всевластья: ИИ распутывает клубок взаимоотношений людей, эльфов и хоббитов
3 января родился один из самых популярных писателей прошлого века Джон Рональд Руэл Толкин. Исследователи из НИУ ВШЭ, AIRI и МИСИC использовали машинное обучение для исследования социальных связей между персонажами его вселенной Средиземья. Ученые считают, что этот подход найдет применение во многих сферах за пределами литературы. Результаты работы опубликованы в IEEE Xplore.
«Каждая статья на NeurIPS — значительный результат»
Сотрудники факультета компьютерных наук НИУ ВШЭ представят 12 своих работ на 37-й конференции NeurIPS. Conference and Workshop on Neural Information Processing Systems — одно из самых значительных событий в сфере искусственного интеллекта и машинного обучения. В этом году она пройдет с 10 по 16 декабря в Новом Орлеане (США).
Совместный проект ученых НИУ ВШЭ и СурГУ поможет предотвратить повторные инфаркты и инсульты
Один из проектов, победивших на конкурсе «Зеркальные лаборатории» НИУ ВШЭ в июне этого года, посвящен технологиям машинного обучения в прогнозировании исходов острого коронарного синдрома. Его реализуют Международная лаборатория биоинформатики НИУ ВШЭ и Научно-образовательный центр Медицинского института Сургутского государственного университета. Как зародился этот совместный проект, чем он поможет пациентам и как будет организована работа по его реализации, рассказывает заведующая Международной лабораторией биоинформатики, доцент ФКН НИУ ВШЭ Мария Попцова.
На факультете компьютерных наук открываются новые лаборатории
По итогам конкурса проектов на факультете компьютерных наук НИУ ВШЭ открываются две новые лаборатории. Лабораторию матричных и тензорных методов в машинном обучении возглавит Максим Рахуба, доцент департамента больших данных и информационного поиска. Лабораторией облачных и мобильных технологий будет руководить профессор департамента программной инженерии Дмитрий Александров.
«Интерес к приложениям машинного обучения в биоинформатике с каждым годом растет»
28–30 августа, накануне нового учебного года, факультет компьютерных наук ВШЭ провел четвертую летнюю школу по машинному обучению в биоинформатике. В этом году на событие зарегистрировались 670 человек, более 300 посетили ее очно.
ФКН в четвертый раз проведет летнюю школу по машинному обучению в биоинформатике
На факультете компьютерных наук Вышки с 28 по 30 августа пройдет летняя школа по машинному обучению в биоинформатике. В течение трех дней участников ждут лекции и семинары от ведущих специалистов в данной области из ВШЭ, Сколтеха, AIRI, МГУ, МФТИ, Genotek, Sber Artificial Intelligence Laboratory.
Решение НИУ ВШЭ и Сбера позволит машинному обучению работать в десятки раз быстрее
Исследователи факультета компьютерных наук ВШЭ и Лаборатории искусственного интеллекта Сбера смогли увеличить скорость работы градиентного бустинга — одного из самых эффективных алгоритмов для решения задач машинного обучения. Предложенный подход позволит быстрее решать задачи классификации и регрессии машинного обучения. Результаты их работы были представлены на конференции NeurIPS.