Аспирантский семинар: Зимние встречи лауреатов стипендии имени Ильи Сегаловича 2016 года

Мероприятие завершено
«Зимние встречи лауреатов стипендии имени Ильи Сегаловича»  —  это мини-конференция лауреатов стипендии 2016 года, на которой участники расскажут о своей научной работе, реализации прикладных проектов, успехах в профессиональных соревнованиях и других сюжетах по своему выбору.

2 марта выступят аспиранты аспирантской школы по компьютерным наукам, получившие стипендию в прошлом году (см. программу ниже).


Встречи пройдут 
28 февраля, 1 и 2 марта 2017 года  на факультете компьютерных наук. 

Приглашаются все желающие. Заказ пропуска в здание факультета компьютерных наук: Ольга Подольская, opodolskaya@hse.ru

Программа 2017.pdf        Темы и анонсы выступлений        На страницу стипендии


Темы и анонсы выступлений лауреатов стипендии 2016 года



 

 

28 февраля. День 1

 
Кутенин Данила

ОП "Прикладная математика и информатика", 2 курс

Год алгоритмов, книжки, проекта, олимпиад, учёбы, поиска и нахождения себя
Этот год для меня был насыщен многими событиями: учебный проект, прохождения на стажировки, подготовка школьников к олимпиадам, участие в некоторых олимпиадах, общение с преподавателями по научным вопросам. Семинар по теоретической информатике, конференция, ассистентство, нововведенный курс по дискретной математике, углубленный курс алгоритмов, выпуск собственноручных конспектов в типографии дали мне возможность делать в этом году научный проект, о котором мы и поговорим на встрече.
Лазаренко Александр

ОП «Программная инженерия», 3 курс

Теневой интернет и ботнеты: смотрим на сеть с другого ракурса
Минеева Екатерина

ОП "Прикладная математика и информатика", 2 курс

Work-life balance: как успеть все и не возненавидеть мир?
Чем больше я узнаю мир вокруг, тем больше хочется исследовать и открывать его для себя дальше. Я все время нахожусь в поиске: хочется успеть столько всего, но при этом не потерять себя, сохранить внутреннюю гармонию и радоваться каждому дню. За год прошедший год я побывала в 7 странах и примерно 30 городах, увидела китов, касаток и вулканы, активно занималась спортом, а параллельно с этим увлеклась теоретической информатикой, взяла себе факультатив и начала работать ассистентом в Вышке. Все это вдохновляет на новые и новые совершения, но тем не менее иногда энергия кончается и цели на горизонте меркнут. Мой рассказ будет о том, что делать, чтобы такого не случилось, и как бороться, если это все же произошло.
Макаров Кирилл

ОП "Программная инженерия", 4 курс

Как учиться после университета
В своем выступлении я расскажу о том, как продолжать поддерживать актуальность знаний после завершения университета, о своем опыте применения и разработки платформы открытых онлайн курсов Stepik, которая для этого предназначена, а также о летних школах.
Муратова Анна

ОП "Науки о данных", 2 курс

Анализ демографических данных, работа в НУГ
В своем выступлении я расскажу о вопросах, возникающих у демографов, и о способах их решения с помощью методов машинного обучения и майнинга данных.

1 марта. День 2

Дробинин Вадим

ОП "Программная инженерия", 4 курс

Жизнь в дороге: мобильные приложения, сон в самолётах и биоинформатика
За последний год я выступал с докладом в среднем каждые 12 дней и ни разу не рассказывал одну и ту же историю дважды. В этот раз поговорим о том, как успевать заниматься и промышленной разработкой мобильных приложений, и научными исследованиями по реконструкции ДНК, и писать диплом на стыке науки и практических технологий.
Савостьянов Антон

ОП "Прикладная математика и информатика", 4 курс

Пространственная самоорганизация биологических сообществ с точки зрения математики: о рыбах, кофе, мегаполисах и головном мозге
В своем докладе я расскажу о том, как классические методы статистической физики применяются для изучения естественных систем, которые самоструктурируются в пространстве: например, популяций растений и животных, очагов инфекций во время эпидемий или самых обычных мегаполисов; и как такие методы затрагивают многие области прикладной математики – от клеточных автоматов и статистического анализа до алгоритмических сложностей и функционального анализа.
Яруллин Рамиль

ОП "Прикладная математика и информатика", 4 курс

Обучение зависимостям
В докладе планируется рассмотреть задачу нахождения базиса импликаций в некоторой предметной области при помощи запросов определенного вида к оракулу (эксперту). Будет рассказано про некоторые существующие результаты в этой области, а также про полиномиальный вероятностный (в смысле probably approximately correct learning) алгоритм, который позволяет приближенно решать данную задачу.
Кириченко Полина

ОП "Прикладная математика и информатика", 3 курс

О том, что стажироваться в Google проще, чем учиться на ФКН, и о машинном обучении
Аланов Айбек

ОП "Прикладная математика и информатика", 4 курс

Вариационный автокодировщик с дискретными латентными переменными
В своем докладе я расскажу про то, что такое вариационный автокодировщик, зачем он нужен, почему он считается прорывом в области нейронных сетей и байесовских методов. Также расскажу про главные нерешенные задачи, связанные с авкодировщиком, над которыми сейчас работают ведущие ученые в этой области.
Пособин Глеб

ОП "Прикладная математика и информатика", 3 курс

Теоретическая информатика, машинное обучение и олимпиады


2 марта. День 3

Родоманов Антон

ОП "Математические методы оптимизации и стохастики", 2 курс

Инкрементальный метод Ньютона для больших сумм функций
В докладе будет рассмотрена задача минимизации суммы большого числа гладких функций. Подобная задача регулярно возникает в машинном обучении при настройке алгоритма по данным путем минимизации эмпирического риска. Поскольку число слагаемых в сумме велико, то классические методы оптимизации в этом случае являются неэффективными. В докладе будет описан специальный метод типа Ньютона, учитывающий специфику рассматриваемой задачи. Основное достоинство нового метода -- его быстрая (сверхлинейная) скорость сходимости. Доклад основан на статье автора с конференции ICML-2016.
Лобачева Екатерина

аспирант 3 года обучения

Deep Part-Based Generative Shape Model with Latent Variables
Доклад будет посвящен статье по компьютерному зрению, которую мы с соавторами презентовали на конференции British Machine Vision Conference (BMVC) осенью 2016 года. Аннотация статьи: The Shape Boltzmann Machine (SBM) and its multilabel version MSBM have been recently introduced as deep generative models that capture the variations of an object shape. While being more flexible MSBM requires datasets with labeled parts of the objects for training. In the paper we present an algorithm for training MSBM using binary masks of objects and the seeds which approximately correspond to the locations of objects parts. The latter can be obtained from part-based detectors in an unsupervised manner. We derive a latent variable model and an EM-like training procedure for adjusting the weights of MSBM using a deep learning framework. We show that the model trained by our method outperforms SBM in the tasks related to binary shapes and is very close to the original MSBM in terms of quality of multilabel shapes.
Николаев Алексей

аспирант 2 года обучения

Алгоритмы решения задачи о максимальной клике
Задача о максимальной клике в простом неориентированном графе является классической NP-трудной задачей теории графов. В докладе будет представлен обзор современных эффективных точных алгоритмов, разработанных для решения этой задачи. В частности, будут подробно рассмотрены алгоритмы, реализующие метод ветвей и границ и использующие для нахождения верхней границы вершинную раскраску.
Потапенко Анна

аспирант 3 года обучения

Дистрибутивная семантика в науке и в одной крупной IT-компании
В докладе пойдет речь о моделях дистрибутивной семантики. Идея очень проста: схожие слова употребляются в схожих контекстах. Оказывается, что если добавить к этой идее немного линейной алгебры, статистики и машинного обучения, то удается научить модель "понимать" смыслы слов. При этом на вход подается лишь достаточно большой набор текстов без какой-либо дополнительной разметки. Во время доклада обсудим, где край науки по этой теме и где мы на этом краю. Также я расскажу о том, как применяла модели дистрибутивной семантики в Google, и в чем разница академической научной работы и прикладного исследования.