Обучение, понимание и оптимизация моделей искусственного интеллекта

повышение надежности выводов, полученных с использованием алгоритмов ИИ, и их эффективного использования в приложениях.

Обучение с подкреплением (Reinforcement Learning, RL)

Обработка естественного языка (Natural Language Processing, NLP), включая перенос обучения нейронных сетей (vocabulary transfer)

Применение генеративно-состязательных сетей (Generative Adversarial Nets, GAN), в том числе диффузионных моделей (генерация текста, улучшение качества звука и изображений)

Применение стохастических алгоритмов

Тензорные методы в глубоком обучении (Deep Learning, DL)

Выявления аномалий на основе временных рядов