Неклюдов Кирилл Олегович
- Преподаватель, Научный сотрудник, аспирант, Приглашенный преподаватель:Факультет компьютерных наук / Департамент больших данных и информационного поиска
- Начал работать в НИУ ВШЭ в 2016 году.
Полномочия / обязанности
Проведение семинаров по дисциплинам "Машинное обучение", "Байесовские методы машинного обучения".
Образование
Магистратура: Московский физико-технический институт, специальность «Прикладные математика и физика»
Дополнительное образование / Повышение квалификации / Стажировки
Школа Анализа Данных Яндекс (2014-2016), специализация: большие данные
Практикант, Яндекс (ноябрь 2013 - июнь 2014)
Обучение в аспирантуре
3-й год обучения
Утвержденная тема диссертации: Дифференцируемые архитектуры для нейросетей
Научный руководитель: Ветров Дмитрий Петрович
Учебные курсы (2018/2019 уч. год)
- Байесовские методы в машинном обучении (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 4-й курс, 1, 2 модуль)Рус
- Машинное обучение 1 (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 3-й курс, 1, 2 модуль)Рус
- Машинное обучение 2 (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 3-й курс, 3, 4 модуль)Рус
- Архив учебных курсов
Учебные курсы (2017/2018 уч. год)
- Байесовские методы машинного обучения (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 4-й курс, 1, 2 модуль)Рус
- Машинное обучение 1 (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 3-й курс, 1, 2 модуль)Рус
- Машинное обучение 2 (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 3-й курс, 3, 4 модуль)Рус
Прочие публикации2
- Глава книги Ashukha A., Vetrov D., Molchanov D., Neklyudov K. O., Atanov A. Uncertainty Estimation via Stochastic Batch Normalization, in: Workshop of the 6th International Conference on Learning Representations (ICLR).. , 2018.
- Глава книги Neklyudov K. O., Molchanov D., Ashukha A., Vetrov D. Structured Bayesian Pruning via Log-Normal Multiplicative Noise, in: Advances in Neural Information Processing Systems 30 (NIPS 2017). Montreal : Curran Associates, 2017. P. 6776-6785.
В учебном центре "Вороново" прошел третий семинар по машинному обучению
20-22 апреля в учебном центре “Вороново” состоялся третий выездной семинар по машинному обучению, который организует департамент больших данных и информационного поиска ФКН. Цель таких выездов — обмен актуальными знаниями о самых разных направлениях машинного обучения, а также обсуждение совместных проектов по data science преподавателями и студентами Вышки.
Два доклада от ФКН представлены на международной конференции NIPS 2017
Сотрудники Факультета компьютерных наук представили свои доклады на ежегодной конференции Neural Information Processing Systems (NIPS), которая проходила с 4 по 9 декабря в Лонг Бич, США.
Как настроить нейронную сеть меньшего размера без потери качества
Сотрудники факультета компьютерных наук ВШЭ представили доклады на крупнейшей международной конференции в области машинного обучения Neural Information Processing Systems (NIPS).
Сотрудники факультета выступили c докладом на ICML 2017
С 6 по 11 августа в Сиднее (Австралия) прошла Международная конференция по машинному обучению ICML 2017. Эта конференция, имеющая ранг А* по рейтингу CORE, является одной из двух ведущих мировых конференций в области машинного обучения. Мероприятие проводится ежегодно, начиная с 2000 года. В этом году его посетило более 1000 участников из разных стран мира.
