Хижик Александр Ильич

Полномочия / обязанности

Проведение исследовательских работ, подготовка материалов к публикациям.

Oбразование

2022

Магистратура: Национальный исследовательский университет "Высшая школа экономики", специальность «Прикладная математика и информатика», квалификация «Магистр»

Профессиональные интересы

Deep Learning AI Agents Детекция аномалий machine learning

Достижения и поощрения

Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2026–2027)

Обучение в аспирантуре

1-й год обучения
Утвержденная тема диссертации: Усовершенствование детекции аномалий в технических системах на основе передовых методов машинного обучения

Учебные курсы (2026/2027 уч. год)

Deep Learning (Бакалавриат; где читается: Факультет компьютерных наук направление: 01.03.02 Прикладная математика и информатика; 3-й курс, 1, 2 модуль)Анг
Архив учебных курсов

Расписание занятий на сегодня

Расписание занятий по физической культуре в спортивных секциях

Полное расписание

Конференции

2025
XXVI Харитоновские тематические научные чтения (Саров). Доклад: Использование механизмов образования аномалий для генерации синтетических данных и подготовки моделей машинного обучения к диагностике неисправностей в технических системах

Авторские права и патенты

№ п/п	Номер РИД	Вид РИД	Наименование РИД	Сведения о регистрации	Авторы
1	5.0028-2026	Программа для ЭВМ	Программное обеспечение синтеза диагностических токовых данных электродвигателей	2026665432	Рыжиков Артём Сергеевич, Красноженов Григорий Григорьевич, Деркач Денис Александрович, Али Сараа, Хижик Александр Ильич

Опыт работы

Исследователь с экспертизой в ИИ.
Опыт в области машинного и глубокого обучения, ИИ-агентов и научных вычислений, а также оптимизации сложных систем и внедрении инноваций на основе данных.

25

май

2026

HSE Scientists Train Neural Network to 'Hear' Faults in Electric Motors

Researchers at the AI and Digital Science Institute of the HSE Faculty of Computer Science have developed a new method—the Signature-Guided Data Augmentation (SGDA) framework—that achieves 99% accuracy in motor fault detection and 86% accuracy in fault classification. The application of this approach can reduce industrial equipment repair costs, minimise downtime, and improve production safety. The study results have been published in Engineering Applications of Artificial Intelligence.

19

март

2026

Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях

Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.

31

дек.

2025

«Интерес к сотрудничеству и открытость к совместным проектам»: как развивается партнерство ФКН и Китайского университета Гонконга в Шэньчжене

Осенью и зимой прошло несколько совместных мероприятий факультета компьютерных наук ВШЭ и его партнера — Китайского университета Гонконга в Шэньчжэне (Chinese University of Hong Kong, Shenzhen, CUHK).