Зимние встречи лауреатов стипендии имени Ильи Сегаловича 2015 года

Рассматриваются наиболее типичные задачи, возникающие в контексте data-driven development для игровых проектов с системой монетизации free-to-play, и типичные подходы к решению данных проблем, предлагаемые агентами индустрии. Особое внимание уделяется подходам на основе машинного обучения. Также будут рассмотрены иные задачи, так или иначе связанные с прикладной математикой и анализом данных.

Лимфобластный лейкоз – одно из самых частых онкологических заболеваний среди детей и подростков, которое еще в начале 90-х годов в нашей стране считалось практически неизлечимым. Сегодня благодаря современным протоколам лечения удается добиться полного выздоровления порядка 80-90% заболевших детей. Врачи продолжают искать способы, как этот показатель может быть улучшен. Одним из возможных решений данной проблемы является переход от оптимизации лечения на больших выборках пациентов к оптимизации лечения в группах меньшего размера, где пациенты, в некотором смысле, имеют сходные физиологические параметры и данные диагностики. Такого рода оптимизацию можно рассматривать как первый шаг на пути к персонализации лечения.

В докладе речь пойдет об имеющихся для анализа данных и двух предлагаемых мною подходах к решению описанной выше проблемы. Первый из них строится на определении сходства двух пациентов и выделения групп при помощи деревьев решений. В основе второго, над которым на данный момент ведется основная работа, лежат методы анализа формальных понятий. Для оценки получаемых в обоих случаях результатов применяются наиболее популярные в медицинском сообществе методы проверки статистических гипотез.

Для успешного анализа текстовой информации важно научиться преобразовывать слова и документы в векторное представление, с которым могли бы работать стандартные методы машинного обучения, в частности, классификаторы. Наиболее простым подходом является построение «мешка слов», где каждый документ представляется разреженным вектором с частотами встретившихся слов. Однако гораздо лучше с этой задачей справляются современные подходы, основанные на нейронных сетях. Интересно, что эти подходы имеют тесную связь с более разработанными моделями дистрибутивной семантики и, в частности, с тематическими моделями. В докладе будут представлены первые эксперименты, эксплуатирующие понимание этой связи, а также предложены способы комбинирования двух подходов, позволяющие объединить преимущества тематических и нейросетевых моделей языка.

Одним из подходов построения структуры данных для поиска ближайшего соседа является организация входных данных в виде графа. Если зафиксировать алгоритм поиска, то задачу формирования графа на основе входных данных размера n, можно рассматривать как задачу оптимизации. В этом случае целевой функцией будет вычислительная сложность алгоритма поиска, а пространством решений – множество всех графов, имеющих n вершин. В докладе будет представлена математическая формулировка этой задачи. Также будут представлены оптимальные графы для частных случаев, когда входными данными являются узлы целочисленной решётки.

В настоящее время быстрыми темпами развиваются технологии, позволяющие распознавать лицо человека на фотографии и указывать на его наличие/отсутствие в хранимой базе данных. Помимо большого объёма вычислений, использование таких систем в реальных условиях осложняется возможными поворотами или отклонениями головы от «идеального» положения, отличными от исходных условиями освещенности, наличием маскирующих элементов, очков, головных уборов, изменением выражения лица идентифицируемого человека, пониженным разрешением и четкостью изображения.

Многие из студентов ФКН замечали в здании на Кочновском проезде симпатичную брошюру, в которой рассказывается о начале конкурса ФПИ по распознаванию лиц в сложных условиях. В докладе будет рассказано о процессе проведения конкурса и о его результатах.

Для многих студентов и абитуриентов ФКН участие в школьных олимпиадах значило довольно много. Я расскажу про то, как живется олимпиадникам у нас на факультете, чем можно продолжать заниматься в контексте олипмиад, и как можно попытаться приложить накопленный багаж знаний уже на первых курсах.

В научных областях новые идеи, методы, алгоритмы и структуры данных разрабатываются регулярно. Однако, для их применения к прикладным задачам требуется создание инструментов. Одним из таких инструментов будет разрабатываемый в НУЛ ПОИС VTMine, основанный на Microsoft Visio. Этот инструмент направлен на решение задач Process Mining и позволяет использовать различные алгоритмы, структуры и т.д. за счет подключения к нему всевозможных плагинов, где они и реализованы.

В моем выступлении я коротко опишу то, что успел сделать в течение этого года, как в научном, так и в рабочем плане, а также обо всем подряд. Потом я расскажу о своих планах на ближайшее время. Надеюсь, мой рассказ покажет, чем можно заниматься во время и после обучения на ПМИ. 
По науке: три численных метода, связанных с решением уравнений в частных производных, а также пара сюжетов по прикладной микроэкономике и теории принятия решений.
По работе: Московская биржа (департаменты Разработки торгово-клиринговых систем и Риск-менеджмента), маленький инвестиционный фонд, поворот на консалтинг (академия McKinsey и не только).
Разное: Центр математических финансов при МГУ, волонтерство, ассистенство по курсу "Теория игр" и что-нибудь еще.