Центр искусственного интеллекта НИУ ВШЭ

Тема «машинное обучение»

Fall into ML 2024: взгляд в будущее машинного обучения

Fall into ML 2024: взгляд в будущее машинного обучения
25–26 октября в Москве состоялась конференция Fall into ML, организованная Институтом искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ совместно с Центром ИИ при поддержке титульного партнера Сбера. На протяжении двух дней ведущие специалисты в области искусственного интеллекта обсуждали перспективы развития фундаментальных технологий ИИ.

НИУ ВШЭ и ПСБ провели хакатон по ИИ для студентов ведущих вузов страны

НИУ ВШЭ и ПСБ провели хакатон по ИИ для студентов ведущих вузов страны
В конце сентября онлайн-кампус НИУ ВШЭ и ПСБ организовали хакатон для студентов, которые увлекаются анализом данных, визуализацией и машинным обучением, а также студентов креативных индустрий. На хакатон зарегистрировалось 620 человек, приняло участие 428 человек из разных регионов РФ. За первое место боролись студенты лучших российских университетов, а также учащиеся из других государств. Победителями турнира стала команда из Вышки.

Лучшие ученые и исследователи ИИ в России соберутся на площадке НИУ ВШЭ

Лучшие ученые и исследователи ИИ в России соберутся на площадке НИУ ВШЭ

Эксперты в области ИИ представляют НИУ ВШЭ на международной конференции AISTATS

Эксперты в области ИИ представляют НИУ ВШЭ на международной конференции AISTATS

Чехол-инвестор: в Центре ИИ НИУ ВШЭ запатентовали будущее инвестиций с помощью ИИ

Чехол-инвестор: в Центре ИИ НИУ ВШЭ запатентовали будущее инвестиций с помощью ИИ
Учёные Центра ИИ НИУ ВШЭ оформили патент на полезную модель — уникальный чехол для смартфонов, который помогает частным инвесторам в принятии инвестиционных решений. Главное достоинство чехла — агрегирование полезной информации из разных интернет-источников, систематизация и визуализация этих данных.

«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»

«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.

В России разработана программа для диагностики дислексии

В России разработана программа для диагностики дислексии
Ученые НИУ ВШЭ создали инструмент, который оценивает наличие и степень дислексии у школьников, учитывая их пол, возраст, класс школы и данные видеоокулографии. В 2024 году планируется внедрение программы в клиническую практику. Исследования проводились специалистами в области машинного обучения и нейролингвистами в Центре искусственного интеллекта НИУ ВШЭ.

«Каждая статья на NeurIPS — значительный результат»

«Каждая статья на NeurIPS — значительный результат»
Сотрудники факультета компьютерных наук НИУ ВШЭ представят 12 своих работ на 37-й конференции NeurIPS. Conference and Workshop on Neural Information Processing Systems — одно из самых значительных событий в сфере искусственного интеллекта и машинного обучения. В этом году она пройдет с 10 по 16 декабря в Новом Орлеане (США).

«Интерес к приложениям машинного обучения в биоинформатике с каждым годом растет»

«Интерес к приложениям машинного обучения в биоинформатике с каждым годом растет»
28–30 августа, накануне нового учебного года, факультет компьютерных наук ВШЭ провел четвертую летнюю школу по машинному обучению в биоинформатике. В этом году на событие зарегистрировались 670 человек, более 300 посетили ее очно.

Результаты исследований проекта Центра ИИ опубликованы в журнале Computational Materials

Результаты исследований проекта Центра ИИ опубликованы в журнале Computational Materials
Исследование предлагает метод прогнозирования дефектов двумерных материалов на основе машинного обучения. Разработки позволили сократить в несколько раз ошибки в прогнозировании свойств двумерных материалов.
1 2