Научная деятельность

Центр ведет исследования на стыке двух активно развивающихcя сегодня областей анализа данных: глубинного обучения и байесовских методов машинного обучения. Глубинное обучение - это раздел, подразумевающий построение очень сложных моделей (нейронных сетей) для решения таких задач, как классификация изображений или музыки, перенос художественного стиля с картины на фотографию, предсказание следующих слов в тексте. В рамках байесовского подхода для решения подобных задач рассматриваются вероятностные модели, опирающиеся на аппарат теории вероятностей и математической статистики. В последние годы байесовские методы стали активно использоваться в комбинации с нейросетевыми моделями, чтобы повысить их предсказательную способность, облегчить процесс настройки под конкретные данные, а также чтобы решить более широкий круг задач. Научные работы по данной теме составляют важный раздел ведущих мировых конференций по машинному обучению (NeurIPS, ICML). Сотрудники Центра регулярно публикуются на этих конференциях и принимают участие в проходящих на конференциях воркшопах.

Направления исследований Центра:

1.  Приближенный байесовский вывод
2.  Вариационные автокодировщики
3. Тензорные нейросети
4.  Ускорение сверточных сетей
5.  Методы стохастической оптимизации
6.  Диффузионные модели.

Группа регулярно проводит научно-исследовательский семинар с обсуждениями актуальных проблем исследования искусственного интеллекта и машинного обучения, в т. ч. результатами собственных научных работ. 

Актуальное расписание семинара и архив за 2023 г. 

Архив деятельности научно-исследовательского семинара за 2016-2022 г.