• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Владение языками
английский
Контакты
Телефон:
8495-772-95-90*12342
Электронная почта:
Адрес: Кочновский пр., 3, 625
Расписание
Резюме (PDF, 126 Кб)
ORCID: 0000-0001-9656-8554
ResearcherID: W-9765-2018
Scopus AuthorID: 56462877300
Google Scholar
Присутственные часы
по расписанию
Руководитель
Подольский В. В.
Версия для печати

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.

Родоманов Антон Олегович

  • Начал работать в НИУ ВШЭ в 2017 году.
  • Научно-педагогический стаж: 2 месяца.

Полномочия / обязанности

Проведение исследований в области методов оптимизации.

Образование

2015

Бакалавриат: Московский государственный университет им. М. В. Ломоносова, специальность «Прикладная математика и информатика»

Достижения и поощрения

Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ)
Категория "Новые исследователи" (2018)

Обучение в аспирантуре

2-й год обучения
Утвержденная тема диссертации: Рандомизация в методах оптимизации второго порядка
Научный руководитель: Ветров Дмитрий Петрович

Учебные курсы (2018/2019 уч. год)

Учебные курсы (2017/2018 уч. год)

Учебные курсы (2016/2017 уч. год)

Методы оптимизации (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 3, 4 модуль)Рус

Публикации5

Расписание занятий на сегодня

Полное расписание

ICML, SYRCoSE, TU Wien, WWDC и другие аббревиатуры этого выпуска

Завершился учебный год, и на факультете компьютерных наук прошли выпускные мероприятия. Всего в этом году дипломы получили 146 бакалавров — выпускников образовательных программ “Прикладная математика и информатика” и “Программная инженерия”. Магистрами стали 79 выпускников образовательных программ “Науки о данных”, “Системная и программная инженерия” и “Математические методы оптимизации и стохастики”. 

'Machine Learning Algorithm Able to Find Data Patterns a Human Could Not'

In December 2016, five new international laboratories opened up at the Higher School of Economics, one of which was the International Laboratory of Deep Learning and Bayesian Methods. This lab focuses on combined neural Bayesian models that bring together two of the most successful paradigms in modern-day machine learning – the neural network paradigm and the Bayesian paradigm.

«Алгоритм машинного обучения умеет находить закономерности в данных, которые не видит человек»

В декабре 2016 года в Вышке были открыты пять новых международных лабораторий, в том числе Международная лаборатория глубинного обучения и байесовских методов. Предмет  ее исследований — комбинированные нейробайесовские модели, объединяющие достоинства двух наиболее успешных в настоящее время парадигм машинного обучения — нейросетевой и байесовской.