• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Владение языками
английский
Контакты
Телефон:
27322
Адрес: АУК "Покровский бульвар", Покровский б-р, д. 11, каб. S902
Присутственные часы
По согласованию
Руководитель
Кертес-Фаркаш А.
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.

Турчина Ольга Николаевна

  • Начала работать в НИУ ВШЭ в 2024 году.

Полномочия / обязанности

Проведение исследовательских работ по проекту "Сквозное обучение для аннотации данных масс-спектрометрии"


Опыт работы

• Яндекс.Финтех, июль 2023 г. – октябрь 2023 г.
Стажер-аналитик данных
◦ Задача кластеризации мошенничества: Решение проблемы кластеризации мошенничества путем работы с графовой визуализацией и мл-алгоритмами.
(задачи кластеризации и регрессии) для улучшения качества разметки и лучшего прогнозирования дефолта.
• Обработка и поддержка больших данных путем работы с удаленной манипуляторной системой и хранилищем данных банковского контура.
• Поиск сигналов и настройка мониторинга для выявления мошеннического поведения путем выбора и разработки функций.
• Исследовательский институт Huawei, сентябрь 2022 г. – май 2023 г.
DL Младший научный сотрудник
◦ Задача сверхразрешения: решение проблемы сверхразрешения путем работы с глубокими нейронными сетями (GAN,
ImageNet, ResUNet) для интеграции разработанной нейронной сети в камеру телефона.
• Улучшено качество базовой модели за счет создания синтетического набора данных с использованием GAN и моделей деградации.
• В архитектуру модели включены новые предварительно обученные метрики для лучшего сравнения производительности (более точное качество).
оценка).
• Исследовательский институт Huawei, 2022 г. – сентябрь 2022 г.
Летний стажер DL
◦ Глубокие нейронные сети: работал с глубокими нейронными сетями для решения обратных задач компьютерного зрения.
• Улучшена производительность базовой модели на 3 процента за счет выбора гиперпараметров модели, работы с дополнениями и потерями.
функции и архитектура модели.
• Внедрили новые функции в модель, прочитав соответствующие статьи и поработав с архитектурой модели.