• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

На факультете компьютерных наук открываются новые лаборатории

На факультете компьютерных наук открываются новые лаборатории

© iStock

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.

Научно-учебная лаборатория матричных и тензорных методов расширяет набор представленных на факультете направлений в области теоретических основ машинного обучения. Она будет развивать методы математического моделирования и применять их для решения прикладных задач, например для создания рекомендательных систем.

В свою очередь, Научно-учебная лаборатория облачных и мобильных технологий будет проводить исследования по созданию и развитию ИТ-инфраструктуры компаний, в том числе высоконагруженных систем. Направления мобильной и облачной разработки существовали на факультете с самого его основания, но раньше они были представлены в большей степени учебными дисциплинами и прикладными проектами.

Теперь исследования в этих областях получат дополнительную поддержку факультета и университета, а у научных коллективов появится дополнительная степень ответственности за результат.

Заместитель декана ФКН по научной работе и международному сотрудничеству Алексей Мицюк выразил надежду, что новые лаборатории будут активно привлекать студентов и аспирантов факультета к научной работе, расширяться, вести как фундаментальные исследования, так и прикладные проекты.

Алексей Мицюк

«Обе создаваемые лаборатории будут работать в крайне актуальных направлениях: теория машинного обучения, облачные и мобильные технологии. Мне кажется важным, что область исследований обеих лабораторий не сугубо теоретическая, а предполагает возможность внедрения результатов исследовательской работы на практике. Надеюсь, что будущее обеих лабораторий будет успешным», — отметил Алексей Мицюк.

Руководители новых лабораторий подробно рассказали о текущих задачах и планах.

Максим Рахуба

— Основная тематика работы Лаборатории матричных и тензорных методов в машинном обучении связана с разработкой новых вычислительных алгоритмов линейной и мультилинейной алгебры и их приложениями.

Расскажу кратко о матрицах и их многомерных аналогах (тензорах), которые  фигурируют в названии лаборатории. С их помощью могут быть представлены и входные данные — цифровые изображения в задачах компьютерного зрения или пользовательские оценки фильмов в рекомендательных системах, а также сами модели машинного обучения, например обучаемые параметры нейронных сетей. Несмотря на такие разные по своей природе контексты, с этими матрицами обычно нужно выполнять схожие операции, которые включают в себя элементарные операции (сложение, умножение) или их разложение на более простые компоненты.

Важно понимать, что в современных приложениях эти матрицы могут быть очень большого размера в силу бурного роста объема данных и моделей, которые эти данные обрабатывают. Поэтому часто требуется ускорить обучение и работу высокоточных моделей или уменьшить их размеры, чтобы они могли запускаться, скажем, на смартфонах и других устройствах с ограниченными ресурсами. При этом не стоит ждать несколько лет, пока железо станет достаточно мощным, ведь наиболее эффективные алгоритмы сами по себе дают значительный прирост в производительности. В свою очередь, более эффективные вычисления открывают доступ к более сложным задачам, и в этом смысле кажется, что на разработку алгоритмов для повышения эффективности вычислений всегда будет спрос.

На текущий момент мы фокусируемся на развитии и внедрении методов римановой оптимизации, а также рандомизированных алгоритмов линейной алгебры. Оба этих направления сейчас активно развиваются. Для разрабатываемых алгоритмов мы планируем писать код, который можно будет запускать на графических ускорителях и использовать для различных прикладных задач. Например, сейчас мы заканчиваем работу над алгоритмами, использующими структуру многообразия малоранговых тензоров для поиска связей в базах знаний.

Разрабатываемые нами методы имеют широкий спектр применимости, поэтому для нас представляет значительный интерес взаимодействие с другими лабораториями в Вышке и других университетах, занимающимися конкретными приложениями или обладающими экспертизой по смежной тематике. Например, с Международной лабораторией стохастических алгоритмов и анализа многомерных данных мы уже ведем активное сотрудничество в области разработки рандомизированных алгоритмов линейной алгебры, где очень ценна их экспертиза в теории вероятностей и статистике.

Я занимаюсь вычислительной математикой уже более десяти лет. Сейчас я бы хотел объединить опыт, полученный в МФТИ, Сколтехе и Швейцарской высшей технической школе Цюриха, чтобы результатом исследований был работающий алгоритм, которым было бы удобно пользоваться. При этом нам хочется понимать границы его применимости и возможные подводные камни.

Мы заинтересованы в привлечении в лабораторию студентов, которые в первую очередь интересуются приложениями линейной алгебры. В лаборатории можно как получить знания в направлении теоретического анализа, так и заниматься разработкой алгоритмов и эффективного кода или использовать матричные техники в понравившемся приложении.

Дмитрий Александров

— Лаборатория облачных и мобильных технологий создается в составе департамента программной инженерии ФКН. Основное внимание планируется уделить выявлению лучших практик для сокращения сроков разработки клиент-серверных решений, улучшения тестируемости программ, а также в целях повышения их производительности.

Лаборатория сфокусирует свою деятельность на трех основных направлениях:

 реализация облачных серверных программных систем с базами данных, способных выдерживать высокую нагрузку со стороны клиентских приложений;

 нативная и кросс-платформенная разработка мобильных приложений;

технологии создания веб-приложений.

ИТ-отрасль очень бурно развивается, постоянно появляются новые инструменты разработки, особенно в области создания мобильных приложений. Результаты исследований лаборатории позволят существенно повысить качество преподаваемых на ФКН учебных дисциплин.

Мы приглашаем в лабораторию студентов-старшекурсников бакалавриата «Программная инженерия», а также магистратуры «Системная и программная инженерия». Им будут предложены исследовательские задачи, связанные с изучением особенностей различных языков программирования, отдельных элементов их синтаксиса, их сравнительного анализа на предмет удобства и эффективности применения для решения типовых прикладных задач по созданию экосистем компаний.

Кроме того, в рамках лаборатории ребятам будет предложено исследовать широко применяемые промышленные технологии создания ПО в целях формирования лучших практик его разработки в части автоматизации процессов командной работы и применения паттернов проектирования.

Мы бы хотели найти высокотехнологичные ИТ-компании, которые будут заинтересованы в долговременном сотрудничестве — в частности, в проведении совместных поисковых исследований, подготовке высококвалифицированных специалистов, создании совместной виртуальной площадки для прототипирования и решения интересных исследовательских и прикладных задач. Также мы открыты к сотрудничеству и с другими подразделениями Вышки, в том числе к участию в интересных совместных проектах, где наши компетенции в области создания ПО будут востребованы.

Вам также может быть интересно:

«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.

«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.

Компактный нейропротез обучили декодировать речь по активности мозга

Ученые НИУ ВШЭ и МГМСУ им. Евдокимова разработали модель машинного обучения, которая предсказывает произнесенное слово на основе активности мозга, записанной небольшим количеством инвазивных электродов. Статья “Speech decoding from a small set of spatially segregated minimally invasive intracranial EEG electrodes with a compact and interpretable neural network” опубликована в Journal of Neural Engineering. Работа выполнена при поддержке мегагранта правительства РФ в рамках нацпроекта «Наука и университеты».

«Цифровой индустрии необходим грамотный менеджмент»

Аягоз Мусабаева, выпускница магистратуры факультета компьютерных наук Вышки, с успехом нашла применение исследовательским навыкам в бизнесе. После работы в лаборатории базовой кафедры Института проблем передачи информации (ИППИ) на факультете математики НИУ ВШЭ она пришла в индустрию и сейчас ведет исследования в сфере машинного обучения в международной компании Akvelon. В интервью «Конструктору успеха» она рассказала, как data scientist может найти себя в киберспорте и что делать с дефицитом софт-скилов в IT.

На ФКН НИУ ВШЭ прошла третья школа по машинному обучению в биоинформатике

На факультете компьютерных наук Вышки с 23 по 25 августа провели школу по машинному обучению в биоинформатике. Проект, два предыдущих года проходивший онлайн, был впервые реализован в очном формате. За три дня более 120 участников прослушали лекции и семинары от ведущих специалистов в данной области из ВШЭ, Сколтеха, AIRI, МГУ, МФТИ, Genotek, Sber Artificial Intelligence Laboratory.

Машинное обучение повысило долговечность перовскитных солнечных батарей

Команда ученых из МИЭМ ВШЭ, Физического института имени П.Н. Лебедева РАН и Университета Южной Калифорнии с помощью технологий машинного обучения нашли способ избежать внутренних дефектов и увеличить эффективность перовскитных солнечных элементов. Результаты исследования могут применяться для разработки более эффективных и долговечных материалов. Исследование проводилось на двойном перовските Cs2AgBiBr6. Статья опубликована в журнале Journal of Physical Chemistry Letters.

Технологии искусственного интеллекта помогут реабилитации бездомных

Исследовательская группа Центра искусственного интеллекта ФКН НИУ ВШЭ под руководством Ивана Ямщикова разработала модель для прогнозирования успешности  реабилитации бездомных. Модель с вероятностью около 80% предсказывает эффективность  работы с клиентами организаций для бездомных. Проект представлен на конференции, посвященной деятельности социальных центров.