Шпильман Алексей Александрович
- Старший преподаватель:НИУ ВШЭ в Санкт-Петербурге / Санкт-Петербургская школа физико-математических и компьютерных наук / Департамент информатики
- Заведующий центром:НИУ ВШЭ в Санкт-Петербурге / Санкт-Петербургская школа физико-математических и компьютерных наук / Центр анализа данных и машинного обучения
- Академический руководитель образовательной программы:Машинное обучение и анализ данных
- Начал работать в НИУ ВШЭ в 2018 году.
- Научно-педагогический стаж: 15 лет.
Полномочия / обязанности
Руководит реализацией образовательных программ и студенческими проектами по теме анализа данных и машинного обучения.
Образование, учёные степени
- 2021Кандидат технических наук: Санкт-Петербургский государственный университет
- 2010
Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Биоинженерия и биоинформатика», квалификация «Специалист»
Научный руководитель диссертационных исследований
- 1Егоров В. С. Открытая библиотека с набором сред для обучения автономных агентов обучения с подкреплением (aспирантура: 1-й год обучения)
- 2Сахно Е. В. Улучшение модели голосовой биометрии с помощью больших пользовательских данных (aспирантура: 1-й год обучения)
- 3Пшихачев Г. А. Исследование и разработка методов глубокого обучения с подкреплением для решения задач с разреженной наградой (aспирантура: 2-й год обучения)
- 4Свидченко О. А. Повышение эффективности алгоритмов model-based обучения с подкреплением (aспирантура: 2-й год обучения)
- 5Шавкунов М. В. Разработка алгоритма фильтрации шумов на сейсмических данных с использованием нейронных сетей (aспирантура: 2-й год обучения)
Учебные курсы (2023/2024 уч. год)
- Машинное обучение (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 2 модуль)Рус
Машинное обучение (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 1-й курс, 2, 3 модуль)Рус
- Семинар наставника (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Семинар наставника (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1-3 модуль)Рус
- Архив учебных курсов
Учебные курсы (2022/2023 уч. год)
- Web Searching and Ranging (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 4-й курс, 1, 2 модуль)Анг
- Глубинное обучение (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 3, 4 модуль)Рус
- Deep Learning (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 3, 4 модуль)Анг
- Machine Learning (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 2 модуль)Анг
- Машинное обучение (Маго-лего; 2, 3 модуль)Рус
Машинное обучение (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 1-й курс, 2, 3 модуль)Рус
- Научно-исследовательский семинар "Технологии машинного обучения" (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 4 модуль)Рус
Научно-исследовательский семинар "Технологический семинар" (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 3 модуль)Рус
Семинар наставника (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 1-й курс, 1-4 модуль)Рус
Учебные курсы (2021/2022 уч. год)
- Веб-поиск и ранжирование (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1-4 модуль)Рус
- Дополнительные главы машинного обучения (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Machine Learning (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1, 2 модуль)Анг
- Machine Learning (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 2 модуль)Анг
- Machine Learning (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 2-4 модуль)Анг
- Машинное обучение (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 3 модуль)Рус
Учебные курсы (2020/2021 уч. год)
- Анализ изображений и текстов (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1, 2 модуль)Рус
Беспилотные автомобили (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 1, 2 модуль)Рус
- Web Searching and Ranging (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 4-й курс, 1 модуль)Анг
- Веб-поиск и ранжирование (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 2-4 модуль)Рус
- Вычислительная нейробиология (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1, 2 модуль)Рус
- Искусственный интеллект и когнитивные системы (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1, 2 модуль)Рус
- Machine Learning (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 2-4 модуль)Анг
- Научно-исследовательский семинар "Машинное обучение и приложения" (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Distributed Processing and Big Data Analysis (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 2, 3 модуль)Анг
- Современные методы анализа данных (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 1, 2 модуль)Рус
- Современные методы анализа данных (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Современные методы принятия решений (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1-4 модуль)Рус
- Современные методы принятия решений (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 3, 4 модуль)Рус
- Топологический анализ данных (Дисциплина общефакультетского пула; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1, 2 модуль)Рус
Учебные курсы (2019/2020 уч. год)
- Анализ изображений (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 4-й курс, 2, 3 модуль)Рус
- Вычислительная статистика (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 2, 3 модуль)Рус
- Deep Learning (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 4-й курс, 1, 2 модуль)Анг
- Deep Reinforcement Learning (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 4-й курс, 3 модуль)Анг
Искусственный интеллект и когнитивные системы (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 1, 2 модуль)Рус
- Machine Learning (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 2-4 модуль)Анг
- Machine Learning (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 2 модуль)Анг
- Машинное обучение на больших данных (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 3, 4 модуль)Рус
- Big Data Processing (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 4 модуль)Анг
- Потоковая обработка больших данных (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 4 модуль)Рус
- Проектный семинар (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 2, 4 модуль)Рус
- Разработка программного обеспечения (Бакалавриат; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 3-й курс, 1, 3, 4 модуль)Рус
- Распределенная обработка и анализ больших данных (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 2-й курс, 3 модуль)Рус
- Эффективная разработка программного обеспечения (Магистратура; где читается: Санкт-Петербургская школа физико-математических и компьютерных наук; 1-й курс, 1, 2, 4 модуль)Рус
Учебные курсы (2018/2019 уч. год)
Публикации33
- Глава книги Vladimir Egorov, Alexei Shpilman. Scalable Multi-Agent Model-Based Reinforcement Learning, in: AAMAS '22: Proceedings of the 21st International Conference on Autonomous Agents and Multiagent Systems. International Foundation for Autonomous Agents and Multiagent Systems, 2022. P. 381-390.
- Статья Lukashina N., Kartysheva E., Spjuth O., Elizaveta Virko, Shpilman A. SimVec: predicting polypharmacy side effects for new drugs // Journal of Cheminformatics. 2022. Vol. 14. Article 49. doi
- Глава книги Eichenberger C., Neun M., Martin H., Herruzo P., Spanring M., Lu Y., Choi S., Konyakhin V., Lukashina N., Shpilman A., Wiedemann N., Raubal M., Wang B., Vu H. L., Mohajerpoor R., Cai C., Kim I., Hermes L., Melnik A., Veliogl R., Vieth M., Schilling M., Bojesomo A., Marzouqi H. A., Liatsis P., Santokhi J., Hillier D., Yang Y., Sarwar J., Jordan A., Hewage E., Jonietz D., Tang F., Gruca A., Kopp M., Kreil D., Hochreiter S. Traffic4cast at NeurIPS 2021 - Temporal and Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes, in: Proceedings of the NeurIPS 2021 Competitions and Demonstrations Track. PMLR, 2022. P. 97-112.
- Глава книги Ivanov D., Egorov V., Shpilman A. Balancing Rational and Other-Regarding Preferences in Cooperative-Competitive Environments, in: AAMAS'2021: Proceedings of the 20th International Conference on Autonomous Agents and MultiAgent Systems. IFAAMAS, 2021. P. 1536-1538.
- Глава книги Laurent F., Schneider M., Scheller C., Watson J., Li J., Chen Z., Zheng Y., Chan S., Махнев К. И., Svidchenko O., Егоров В. С., Ivanov D., Shpilman A., Spirovska E., Tanevski O., Nikov A., Grunder R., Galevski D., Mitrovski J., Sartoretti G., Luo Z., Damani M., Bhattacharya N., Agarwal S., Egli A., Nygren E., Mohanty S. Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World, in: Proceedings of Machine Learning Research Vol. 133: Proceedings of the NeurIPS 2020: Competition and Demonstration Track. PMLR, 2021. P. 275-301.
- Глава книги Svidchenko O., Shpilman A. Maximum Entropy Model-based Reinforcement Learning, in: NeurIPS'2021 Deep Reinforcement Learning Workshop. , 2021.
- Глава книги Ivanov D., Пшихачев Г. А., Егоров В. С., Shpilman A. Self-Imitation Learning from Demonstrations, in: NeurIPS'2021 Deep Reinforcement Learning Workshop. , 2021.
- Глава книги Зенкова Н. В., Sedykh E., Shugaeva T., V S., Ermak T., Shpilman A. Simple End-to-end Deep Learning Model for CDR-H3 Loop Structure Prediction, in: NeurIPS'2021 Machine Learning for Structural Biology Workshop. , 2021.
- Глава книги V K., Lukashina N., Shpilman A. Solving Traffic4Cast Competition with U-Net and Temporal Domain Adaptation, in: NeurIPS 2021 Traffic4cast Competition. , 2021.
- Препринт Vsevolod K., Lukashina N., Shpilman A. Solving Traffic4Cast Competition with U-Net and Temporal Domain Adaptation / Cornell University. Series Computer Science "arxiv.org". 2021.
- Глава книги Sazanovich M., Nikolskaya A., Belousov Y., Shpilman A. Solving black-box optimization challenge via learning search space partition for local bayesian optimization, in: Proceedings of Machine Learning Research Vol. 133: Proceedings of the NeurIPS 2020: Competition and Demonstration Track. PMLR, 2021. P. 77-85.
- Глава книги Shpilman A., Kidzinski L., Ong C., Mohanty S. P., Hicks J., Carroll S., Zhou B., Zeng H., Wang F., Lian R., Tian H., Jaskowski W., Garrett A., Lykkebo O. R., Toklu N. E., Shyam P., Srivastava R. K., Kolesnikov S., Hrinchuk O., Pechenko A., Mattias L., Wang Z., Hu X., Hu Z., Qiu M., Huang J., Sosin I., Svidchenko O., Malysheva A., Kudenko D., Rane L., Bhatt A., Wang Z., Qi P., Yu Z., Peng P., Yuan Q., Li W., Tian Y., Yang R., Ma P., Khadka S., Majumdar S., Dwiel Z., Liu Y., Tumer E., Watson J., Salathe M., Levine S., Delp S. Artificial Intelligence for Prosthetics: Challenge Solutions, in: The NeurIPS '18 Competition: From Machine Learning to Intelligent Conversations. Springer, 2020. doi P. 69-128. doi
- Глава книги Kidziński Ł., Ong C., Mohanty S. P., Hicks J., Carroll S., Zhou B., Zeng H., Wang F., Lian R., Tian H., Jaśkowski W., Andersen G., Lykkebø O. R., Toklu N. E., Shyam P., Srivastava R. K., Kolesnikov S., Hrinchuk O., Pechenko A., Ljungström M., Wang Z., Hu X., Hu Z., Qiu M., Huang J., Shpilman A., Sosin I., Svidchenko O., Малышева А. И., Kudenko D., Rane L., Bhatt A., Wang Z., Qi P., Yu Z., Peng P., Yuan Q., Li W., Tian Y., Yang R., Pingchuan M., Khadka S., Majumdar S., Dwiel Z., Liu Y., Tumer E., Watson J., Salathé M., Levine S., Delp S. Artificial Intelligence for Prosthetics: Challenge Solutions, in: The NeurIPS '18 Competition: From Machine Learning to Intelligent Conversations. Springer, 2020. doi P. 69-128.
- Глава книги Nikiforovskaya A., Kapralov N., Vlasova A., Shpynov O., Shpilman A. Automatic generation of reviews of scientific papers, in: 2020 19th IEEE International Conference on Machine Learning and Applications (ICMLA 2020). Miami : IEEE, 2020. P. 314-319. doi
- Глава книги Mikita Sazanovich, Chaika K., Krinkin K., Shpilman A. Imitation Learning Approach for AI Driving Olympics Trained on Real-world and Simulation Data Simultaneously, in: Workshop on AI for Autonomous Driving (AIAD). , 2020.
- Глава книги Lukashina N., Аленичева А. Р., Vlasova E., Kondiukov A., Khakimova A., Magerramov E., Churikov N., Shpilman A. Lipophilicity Prediction with Multitask Learning and Molecular Substructures Representation, in: Machine Learning for Molecules at NeurIPS'2020. , 2020.
- Глава книги Bryksin T., Petukhov V., Alexin I., Prikhodko S., Shpilman A., Kovalenko V., Povarov N. Using Large-Scale Anomaly Detection on Code to Improve Kotlin Compiler, in: MSR '20: Proceedings of the 17th International Conference on Mining Software Repositories. ACM Press, 2020. P. 455-465. doi
- Глава книги Shpilman A., Malysheva A., Belyaev V. End-to-end Deep Object Tracking with Circular Loss Function for Rotated Bounding Box, in: Proceedings of 2019 XVI International Symposium "Problems of Redundancy in Information and Control Systems" (REDUNDANCY). IEEE, 2019. P. 165-170. doi
- Глава книги Shpilman A., Malysheva A., Kudenko D. MAGNet: Multi-Agent Graph Network for Deep Multi-Agent Reinforcement Learning, in: Proceedings of 2019 XVI International Symposium "Problems of Redundancy in Information and Control Systems" (REDUNDANCY). IEEE, 2019. P. 171-176. doi
- Глава книги Shpilman A., Malysheva A., Kudenko D. MAGNet: Multi-agent Graph Network for Deep Multi-agent Reinforcement Learning, in: Adaptive and Learning Agents Workshop at International Joint Conference on Autonomous Agents and Multiagent Systems. , 2019. P. 1-8.
- Глава книги Омельченко А. В., Шпильман А. А., Москвин Д. Н., Храбров А. И. Особенности построения образовательных программ в области анализа данных в финансах // В кн.: Сборник научных трудов Санкт-Петербургской конференции исследователей в сфере экономики, бизнеса и общества: итоги 2019 года / Под общ. ред.: Е. М. Рогова, Ю. А. Тарасова, Е. А. Шакина. СПб. : Национальный исследовательский университет "Высшая школа экономики", 2019. С. 14-14.
- Глава книги Shpilman A., Kudenko D., Gaydashenko A. A Comparative Evaluation of Machine Learning Methods for Robot Navigation Through Human Crowds, in: 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA). IEEE, 2018. P. 553-557. doi
- Глава книги Bryksin T., Shpilman A., Kudenko D. Automated Refactoring of Object-Oriented Code Using Clustering Ensembles, in: Workshops at the Thirty-Second AAAI Conference on Artificial Intelligence. , 2018. P. 754-757.
- Глава книги Shpilman A., Sosin I., Kudenko D. Continuous Gesture Recognition from sEMG Sensor Data with Recurrent Neural Networks and Adversarial Domain Adaptation, in: 2018 15th International Conference on Control, Automation, Robotics and Vision (ICARCV). IEEE, 2018. P. 1436-1441. doi
- Глава книги Shpilman A., Malysheva A., Sung T. T., Sohn C., Kudenko D. Deep Multi-Agent Reinforcement Learning with Relevance Graphs, in: Deep RL Workshop NeurIPS 2018. , 2018. P. 1-10.
- Глава книги Shpilman A., Malysheva A., Kudenko D. Learning to Run with Potential-Based Reward Shaping and Demonstrations from Video Data, in: 2018 15th International Conference on Control, Automation, Robotics and Vision (ICARCV). IEEE, 2018. P. 286-291. doi
- Глава книги Malysheva A., Shpilman A., Kudenko D. Learning to Run with Reward Shaping from Video Data, in: ALA 2018 - Workshop at the Federated AI Meeting 2018. ALA, 2018. P. 1-7.
- Глава книги Shpilman A., Boikiy D., Polyakova M., Kudenko D., Burakov A., Nadezhdina E. Deep Learning of Cell Classification Using Microscope Images of Intracellular Microtubule Networks, in: 2017 16th IEEE International Conference on Machine Learning and Applications (ICMLA). IEEE, 2017. doi P. 1-6. doi
- Статья Usova E., Burakov A., Shpilman A.A. Disturbance of the radial system of interphase microtubules in the presence of excess serum in cell culture medium // Biofizika. 2010. Vol. 53. No. 6. P. 523-526. doi
- Статья Alexey A. Shpilman, Nadezhdina E. S., Lomakin A. J., Chudinova E. M., Ivanov P. A. Microtubules govern stress granule mobility and dynamics // Biochimica et Biophysica Acta - Molecular Cell Research. 2010. Vol. 1803. No. 3. P. 361-371. doi
- Статья Shpil'man A.A., Nadezhdina E. Stochastic computer model of the cell microtubule dynamics // Biofizika. 2006. Vol. 51. No. 5. P. 880-884. doi
Опыт работы
2020-н.в. Газпром нефть, Руководитель программ развития технологий и инструментов ИИ
2018-н.в. НИУ ВШЭ, заведующий центром анализа данных и машинного обучения
2015-н.в. JetBrains Research, руководитель исследовательских лабораторий ИИ
2015-2018 Академический университет, старший преподаватель
2008-2015 Яндекс, исследователь-разработчик
2008-2015 МФТИ, преподаватель
2008-2013 МГУ, младший научный сотрудник
Информация*
- Общий стаж: 8 лет
- Научно-педагогический стаж: 15 лет
- Преподавательский стаж: 8 лет
Команда Питерской Вышки выиграла грант на развитие нейросети «Сбера» GigaChat
«Сбер» определил списки вузов, которые смогут экспериментировать с дообучением и донастройкой нейросети GigaChat. В числе победителей оказалась и команда Школы физико-математических наук Питерской Вышки под руководством Алексея Шпильмана.
«Хорошего специалиста по работе с данными днем с огнем не сыщешь», — Алексей Шпильман о промышленном программировании и том, почему производствам нужны IT-специалисты
Сегодня хорошие программисты нужны везде. Но особенно сильно в них нуждается промышленный сектор. О том, что такое промышленное программирование, и для чего IT-специалисты нужны на производствах, рассказал Алексей Шпильман, заведующий центром анализа данных и машинного обучения Питерской Вышки и руководитель программ искусственного интеллекта в «Газпром нефти».
«Прикладная математика и информатика»: кому подойдет эта программа и что на ней изучают
Программа «Прикладная математика и информатика» открылась в Вышке четыре года назад. Она готовит разработчиков, которые владеют современными технологиями разработки ПО и несколькими языками программирования, а также с первого курса работают над реальными задачами. Как налажено сотрудничество с бизнесом, как устроена проектная работа и какие предметы будут изучать ребята — подробнее в материале.
«Машинное обучение и анализ данных»: кого готовит программа и что на ней изучают
Магистерская программа «Машинное обучение и анализ данных» подойдет тем, кто обладает базовыми знаниями по математике и информатике, но хочет разобраться в машинном обучении. Редакция рассказывает, что будут изучать студенты программы и чем перспективна учеба на ней.
«Даже если вам покорилась сложная трасса, это не значит, что на ней нужно забросить тренировки»
8 февраля Питерская Вышка отмечает День российской науки. Мы поздравляем всех исследователей и желаем оставаться открытыми ко всему новому. По случаю праздника поговорили с учеными о том, где они черпали вдохновение, в какие моменты волновались и, наоборот, веселились.
Что умеет искусственный интеллект и насколько разработчики его контролируют? Рассказывает Алексей Шпильман
Искусственный интеллект и нейросети стали неотъемлемой частью жизни людей. Они общаются, сочиняют стихи, и это далеко не все их возможности. Крупные компании все чаще задаются вопросом, какие профессии могут исчезнуть из-за технологического прогресса, а в поп-культуре все чаще встречаются сюжеты о продвинутых роботах и восстании машин. На какой стадии развития сейчас находится искусственный интеллект — рассказал Алексей Александрович Шпильман, академический руководитель магистерской программы «Машинное обучение и анализ данных» НИУ ВШЭ — Санкт-Петербург.
Дай пять: что советует почитать Алексей Александрович Шпильман
Даже если вы не очень любите фантастику и фэнтези, вы передумаете, потому что в них много реальной жизни, полезных находок и юмора. Своей подборкой любимых книг делится академический руководитель магистерской программы «Машинное обучение и анализ данных» Алексей Шпильман и рекомендует читать англоязычных авторов на языке оригинала: «В переводе многое теряется, но, если не знаешь языка, — лучше читать перевод, чем вообще не читать».
«Спрос на программистов будет всегда, просто они будут программировать в паре с машиной»: Алексей Шпильман — о развитии искусственного интеллекта
Продолжаем рассказывать, как в середине февраля прошла Зимняя школа — мероприятие, которое помогает абитуриентам магистратуры определиться с выбором трека для дальнейшего развития. В этом материале собрали основные тезисы из выступления Алексея Александровича Шпильмана, академического руководителя программы «Машинное обучение и анализ данных».
Школа-конференция по физике Saint Petersburg OPEN: как это будет
С 24 по 27 мая в Питерской Вышке пройдет школа-конференция Saint Petersburg OPEN по оптоэлектронике, фотонике и нанобиоструктурам. Участвовать в ней могут молодые ученые, студенты и аспиранты. Подача тезисов продлится до конца марта.
Что ждет участников Зимней школы — 2022
На следующих выходных — 19 и 20 февраля — в Питерской Вышке пройдет Зимняя школа. Это традиционное мероприятие для тех, кто планирует поступать в магистратуру кампуса. Участники смогут поближе познакомиться с образовательными направлениями и посетить открытые лекции известных спикеров — Павла Баракаева, Сергея Марданова, Владимира Княгинина и других. В материале рассказываем, что еще ждет участников на Зимней школе — 2022.
Исследователи Питерской Вышки выиграли в федеральном конкурсе «Код – Искусственный интеллект»
Конкурс «Код-ИИ» — часть национальной программы «Цифровая экономика». Команда исследователей Школы физико-математических и компьютерных наук под руководством Алексея Шпильмана стала одной из 15, чей проект был поддержан в рамках этого конкурса. Исследователи получат грант в размере 8 млн рублей на создание открытой библиотеки для обучения с подкреплением.
Итоги конкурса лучших преподавателей
Питерская Вышка публикует итоги конкурса на звания лучших преподавателей 2021 года. Победителей выбирали голосованием студентов и выпускников, а также по результатам конкурса НИРС.
Три исследователя из Вышки получили научную премию Яндекса
Аспирант московского факультета компьютерных наук НИУ ВШЭ Александр Гришин и Олег Свидченко, студент питерской магистерской программы «Программирование и анализ данных», стали лауреатами в номинации «Молодые исследователи». Заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург Алексей Шпильман одержал победу в номинации «Научные руководители».
Два исследователя Питерской Вышки получили научную премию Яндекса
Олег Свидченко, магистрант второго года обучения программы «Программирование и анализ данных», стал лауреатом в номинации «Молодые исследователи». Заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург Алексей Шпильман одержал победу в номинации «Научные руководители».
Магистрантка Ольга Лавриченко — о победе в хакатоне «Цифровой прорыв» и встрече с президентом России Владимиром Путиным
Ольга Лавриченко учится на магистерской программе «Машинное обучение и анализ данных». На хакатоне «Цифровой прорыв» студентка вместе с командой подготовила проект об индексе цифровизации городов России и заняла первое место в финале конкурса. После этого Ольгу пригласили на встречу с президентом России Владимиром Путиным. Магистрантка рассказывает об учёбе в Вышке, победе в соревнованиях и памятной встрече.
Личное или социальное? Как добиться кооперации в мультиагентной среде
Аспирант Дмитрий Иванов, магистрант Владимир Егоров и заведующий Центром анализа данных и машинного обучения Алексей Шпильман недавно опубликовали препринт статьи “Balancing Rational and Other-Regarding Preferences in Cooperative-Competitive Environments”. В ней авторы исследуют, как можно обучить группу агентов достигать собственные цели в смешанных средах, при этом не мешая или даже помогая друг другу. В блоге факультета на Хабре Дмитрий разобрал несколько существующих алгоритмов и рассказал о решении, которое предложили они с соавторами.
Что изучают студенты на специализации «Анализ данных и машинное обучение»?
На втором курсе студенты программы «Прикладная математика и информатика» выбирают для себя специализацию — направление, которое они будут углубленно изучать на протяжении последующих двух лет. Всего ребятам предлагается пять специализаций: «Анализ данных и машинное обучение», «Биоинформатика», «Разработка программного обеспечения», «Теория языков программирования» и «Теоретическая информатика». Что изучают и над какими проектами работают студенты на первой специализации — «Анализ данных и машинное обучение» — рассказывает ее руководитель, заведующий центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург Алексей Шпильман.
Еще одна победа: магистранты Питерской Вышки стали призерами престижного соревнования по машинному обучению
Студенты и преподаватель Санкт-Петербургской школы физико-математических и компьютерных наук заняли третье место в соревновании NeurIPS 2020: Black-Box Optimization Challenge. Решение разрабатывалось совместно с лабораториями JetBrains Research.
Студенты Питерской Вышки заняли первое место в соревновании NeurIPS 2020: Flatland
Команда JBR_HSE, состоящая из студентов и преподавателей Санкт-Петербургской школы физико-математических и компьютерных наук, заняла первое место в соревновании NeurIPS 2020: Flatland, трек «обучение с подкреплением». Участие происходило в сотрудничестве с лабораторией Агентных систем и обучения с подкреплением JetBrains Research.
'I Would Certainly Be Interested in Attending a Summer Course at HSE in the Future!'
On August 21st, Saint Petersburg HSE Summer School, which has been taking place since 2017, came to a close. This year it moved online due to the pandemic. 44 participants from 18 countries, including France, Ireland, the USA, the Philippines, China, and others were joining Zoom during four weeks. The organisers of the Summer School were happy to welcome students of 15 HSE partner universities such as Università Cattolica del Sacro Cuore, King’s College London, Sciences Po Lyon, University of Basel, Georg-August-Universität Göttingen, and others.
Аспирант Питерской Вышки стал лауреатом научной премии «Яндекса» имени Ильи Сегаловича
Дмитрий Иванов, аспирант второго года обучения и младший научный сотрудник Международной лаборатории теории игр и принятия решений, стал лауреатом премии «Яндекса» для молодых исследователей. Он получил награду за работы в области Positive-Unlabeled Learning и обучения с подкреплением, а также применения ML-методов в экономике.