Тихонова Мария Ивановна
- Приглашенный преподаватель:Факультет компьютерных наук / Департамент больших данных и информационного поиска
- стажер-исследователь:Факультет компьютерных наук / Департамент больших данных и информационного поиска / Международная лаборатория теоретической информатики
- Начала работать в НИУ ВШЭ в 2021 году.
Образование
Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Фундаментальные математика и механика», квалификация «Математик. Механик. Преподаватель»
Учебные курсы (2023/2024 уч. год)
- Introduction to Deep Learning (Дисциплина общефакультетского пула; 1 модуль)Анг
- Mathematical Methods for Data Analysis (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 1, 2 модуль)Анг
- Modern Decision Making: Applied Machine Learning (Магистратура; где читается: Факультет компьютерных наук; 2-й курс, 1 модуль)Анг
- Архив учебных курсов
Учебные курсы (2022/2023 уч. год)
Introduction to Deep Learning (Магистратура; где читается: Факультет компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 1 модуль)Анг
- Глубинное обучение (Магистратура; где читается: Факультет компьютерных наук; 2-й курс, 1 модуль)Рус
- Mathematical Methods for Data Analysis (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 1, 2 модуль)Анг
Natural Language Processing (Магистратура; где читается: Факультет компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 2 модуль)Анг
- Modern Decision Making: Applied Machine Learning (Магистратура; где читается: Факультет компьютерных наук; 2-й курс, 1 модуль)Анг
Учебные курсы (2021/2022 уч. год)
- Deep Learning (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 4 модуль)Анг
- Mathematical Methods for Data Analysis (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 1, 2 модуль)Анг
- Machine Learning with Python (Общеуниверситетский факультатив; 1, 2 модуль)Анг
Учебные курсы (2020/2021 уч. год)
- Mathematical Methods for Data Analysis (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 3, 4 модуль)Анг
- Machine Learning (Бакалавриат; где читается: Международный институт экономики и финансов; 4-й курс, 1-4 модуль)Анг
Диссертация на соискание ученой степени кандидата наук
Тихонова М. И. Методы оценивания языковых моделей в задачах понимания естественного языка
Публикации11
- Глава книги Лукичев Д. А., Крянина Д. Н., Быстрова А. В., Феногенова А., Tikhonova M. Parameter-Efficient Tuning of Transformer Models for Anglicism, in: Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference "Dialogue 2023" / Ed. by В. Селегей. Issue 22. , 2023. doi (в печати)
- Глава книги Daniil Lukichev, Kryanina D., Bystrova A., Fenogenova A., Tikhonova M. Parameter-Efficient Tuning of Transformer Models for Anglicism Detection and Substitution in Russian, in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог». Вып. 22. / Под общ. ред.: В. Селегей. Вып. 22. [б.и.], 2023. P. 295-306. doi
- Глава книги Tikhonova M., Fenogenova A. Text simplification as a controlled text style transfer task, in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог». Вып. 22. / Под общ. ред.: В. Селегей. Вып. 22. [б.и.], 2023. P. 507-516. doi
- Статья Tikhonova M., Mikhailov V., Dina Pisarevskaya, Malykh V., Shavrina T. Ad Astra or Astray: Exploring Linguistic Knowledge of Multilingual BERT through NLI Task // Natural Language Engineering. 2022. P. 1-30. doi
- Глава книги Tikhonova M., Konodyuk N. Continuous Prompt Tuning for Russian: How to Learn Prompts Efficiently with RuGPT3?, in: Recent Trends in Analysis of Images, Social Networks and Texts. 10th International Conference, AIST 2021, Tbilisi, Georgia, December 16–18, 2021, Revised Selected Papers. Springer, 2022. doi P. 30-40. doi
- Глава книги Tikhonova M., Elina Telesheva, Mirzoev S., Polina Tarantsova, Stanislav Petrov, Fenogenova A. Style transfer in NLP: a framework and multilingual analysis with Friends TV series, in: 2021 International Conference Engineering and Telecommunication (En&T). IEEE, 2022. doi P. 1-6. doi
- Глава книги Taktasheva E., Shavrina T., Fenogenova A., Shevelev D., Katricheva N., Tikhonova M., Akhmetgareeva A., Zinkevich O., Bashmakova A., Iordanskaia S., Spiridonova A., Kurenshchikova V., Artemova E., Mikhailov V. TAPE: Assessing Few-shot Russian Language Understanding, in: Findings of the Association for Computational Linguistics: EMNLP 2022. Association for Computational Linguistics, 2022. P. 2472-2497. doi
- Препринт Shliazhko O., Fenogenova A., Tikhonova M., Mikhailov V., Kozlova A., Shavrina T. mGPT: Few-Shot Learners Go Multilingual / arXive. Series arXie "Statistical mechanics". 2022. doi
- Глава книги Fenogenova A., Tikhonova M., Mikhailov V., Shavrina T., Emelyanov A., Shevelev D., Kukushkin A., Malykh V., Artemova E. Russian SuperGLUE 1.1: Revising the Lessons not Learned by Russian NLP-models, in: Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue” (2021) Issue 20: Основной том. -, 2021. Ch. 21. P. 235-245. doi
- Статья Tikhonova M., Pisarevskaya D., Shavrina T., Shliazhko O. Using Generative Pretrained Transformer-3 Models for Russian News Clustering and Title Generation tasks // Komp'juternaja Lingvistika i Intellektual'nye Tehnologii. 2021. Vol. 20. P. 1214-1223. doi
- Глава книги Tikhonova M., Gavrishchuk A. NLP methods for automatic candidate’s CV segmentation, in: 2019 International Conference on Engineering and Telecommunication (EnT). IEEE, 2019. doi P. 1-5. doi
Опыт работы
Главный инженер по разработке – SberDevices, ПАО «Сбербанк», Москва
[Декабрь 2020 – Настоящее время]
Функциональные обязанности:
▪ Research&development в задачах обработки естественного языка (NLP)
▪ Анализ текстовых данных и Data Science
▪ Обучение и оценка языковых моделей
Ведущий специалист – ПАО «Сбербанк», Москва
[Сентябрь 2017 – Декабрь 2020]
Функциональные обязанности:
▪ Анализ данных (Data Science)
▪ Построения моделей машинного обучения для задач Сбербанка
Аналитик супермассивов – Сбербанк-Технологии, Москва
[Декабрь 2016 – Сентябрь 2017]
Функциональные обязанности:
▪ Анализ данных (Data Science)
▪ Построения моделей машинного обучения для задач Банка
Фестиваль Сбера в Вышке
9 и 10 ноября Сбер провел фестиваль в корпусе на Покровском бульваре, на котором сотрудники цифровых подразделений рассказали, как построить карьерный путь в одной из крупнейших компаний России.
С 20 по 30 июня в Вышке пройдет онлайн-интенсив «Разработка ML-сервиса: от идеи к прототипу»
Бесплатный интенсив от очной онлайн-магистратуры «Машинное обучение и высоконагруженные системы (МОВС)» открыт для всех желающих. За 10 дней участники изучат базовые методы анализа данных и построят предсказательную модель машинного обучения. Результаты исследования будут оформлены в виде веб-сервиса Streamlit — интерактивного дашборда.
Факультет компьютерных наук, «Яндекс» и «Сириус» организовали проектный практикум
С проектами участников практикума, в том числе с картой «оптимизма новостей», разработанной студентами Вышки, ознакомились президент России Владимир Путин и президент Республики Беларусь Александр Лукашенко, которые посетили «Сириус» перед началом совещания по двустороннему сотрудничеству в сфере культуры, образования и спорта.