Киселёв Дмитрий Андреевич
- Младший научный сотрудник:Факультет компьютерных наук / Департамент анализа данных и искусственного интеллекта
- Начал работать в НИУ ВШЭ в 2019 году.
Полномочия / обязанности
Проведение исследований в сфере непрерывных представлений графов и их приложений.
Образование, учёные степени
- 2023Кандидат наук: Национальный исследовательский университет «Высшая школа экономики»
- 2019
Магистратура: Национальный исследовательский университет «Высшая школа экономики», специальность «Прикладная математика и информатика», квалификация «Магистр»
Достижения и поощрения
Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2023-2024)
Надбавка за публикацию в международном рецензируемом научном издании (2022-2023)
Учебные курсы (2022/2023 уч. год)
- Data Science for Business (Маго-лего; 4 модуль)Анг
Анализ сетевых структур (Магистратура; где читается: Факультет компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 1-й курс, 3, 4 модуль)Рус
- Structural Analysis and Visualization of Networks (Магистратура; где читается: Факультет компьютерных наук; 1-й курс, 3, 4 модуль)Анг
- Архив учебных курсов
Учебные курсы (2019/2020 уч. год)
Публикации7
- Статья Li X., Makarov I., Kiselev D. Predicting Molecule Toxicity via Descriptor-based Graph Self-supervised Learning // IEEE Access. 2023. Vol. 11. P. 91842-91849. doi
- Статья Kiselev D., Makarov I. Exploration in Sequential Recommender Systems via Graph Representations // IEEE Access. 2022. Vol. 10. P. 123614-123621. doi
- Статья Makarov I., Savchenko A., Arseny Korovko, Leonid Sherstyuk, Severin N., Kiselev D., Mikheev Aleksandr, Babaev D. Temporal network embedding framework with causal anonymous walks representations // PeerJ Computer Science. 2022. Vol. 8. Article e858. doi
- Статья Makarov I., Makarov M., Kiselev D. Fusion of text and graph information for machine learning problems on networks // PeerJ Computer Science. 2021. Vol. 7. Article e526. doi
- Статья Makarov I., Korovina K., Kiselev D. JONNEE: Joint Network Nodes and Edges Embedding // IEEE Access. 2021. Vol. 9. P. 144646-144659. doi
- Статья Makarov I., Kiselev D., Nikitinsky N., Subelj L. Survey on graph embeddings and their applications to machine learning problems on graphs // PeerJ Computer Science. 2021. Vol. 7. P. 1-62. doi
- Глава книги Kiselev D., Makarov I. Prediction of New Itinerary Markets for Airlines via Network Embedding, in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information Science Vol. 1086. Springer, 2020. doi P. 315-325. doi
Опыт работы
202- г. - Научно-учебная лаборатория моделей и методов вычислительной прагматики (младший научный сотрудник)
Информация*
‘I Like to Think that the Solutions We Find Can Help People in the Future’
Innopolis University has announced the results of Global Al Challenge, an international AI industry online hackathon in which teams of developers compete to create new materials using artificial intelligence. The DrugANNs team, which included students from the HSE University Faculty of Computer Science, took third place.
«Приятно думать, что найденные решения в перспективе могут помогать людям»
В Университете Иннополис подвели итоги международного отраслевого онлайн-хакатона Global Al Challenge. В нем соревновались команды разработчиков в области создания новых материалов с применением искусственного интеллекта. Третье место заняла команда DrugANNs, в числе участников которой — студенты факультета компьютерных наук НИУ ВШЭ.