Летняя практика

Competition X-ray tomography

Маевский Артем Сергеевич

amaevskij@hse.ru

Автоматизировать определение положения оси вращения в томографии

1) Изучить существующие подходы определения положения оси вращения в томографии
2) Оптимизировать существующее решение на основе нейронной сети по синограммам
2а*) Предложить и реализовать подход к определению положения оси на основе классических методов машинного обучения.
2б*) Предложить и реализовать подход к определению положения оси на основе методов глубокого обучения.
3) Провести эксперименты на реальных данных и сравнить качество указанных методов.

python, ML, torch/tf

Бакалавриат (4+)

Магистратура

1-3

Прогнозирование временных рядов

Гущин Михаил Иванович

mhushchyn@hse.ru

Прогнозирование временных рядов

Применение нескольких современных методов прогнозирования временных рядов и сравнение их точности.

Знание машинного обучения, нейронных сетей, pytorch. Знание методов анализа временных рядов будет большим плюсом.

Бакалавриат (4+)

Магистратура

1-2

Систематика в GAN

Ратников Федор Дмитриевич

fratnikov@hse.ru

Систематика в GAN

1) реализовать метод оценки погрешности
2) реализовать цепочку обучения генеративной модели
3) провести серию экспериментов и получить выводы

Глубокое обучение

Бакалавриат (4+)

Магистратура

1-3

Визуализации

Устюжанин Андрей Евгеньевич

austyuzhanin@hse.ru

Визуализации работы GAN, Isolation Forest, алгоритма 1+\epsilon

1) создать интерактивную демонстрацию работы GAN, 2) создать интерактивную демонстрацию работы Isolation Forest, 3) создать интерактивную демонстрацию алгоритма 1+\epsilon

посмотреть https://distill.pub/

Бакалавриат (2+)

1-3

Adversarial Normalization

Борисяк Максим Александрович

mborisyak@hse.ru

Adversarial Normalization

1) изучение текущего состояния литературы;
2) реализация предложенного алгоритма;
3) сравнение качества алгоритма с текущим state-of-the-art

torch/tf, GANs

Бакалавриат (5+)

Магистратура

1

RICH generators: дифференцируемые деревья, GAN-VAE, skip-connections

Казеев Никита Александрович

nikita.kazeev@cern.ch

RICH generators: дифференцируемые деревья, GAN-VAE, skip-connections

Построить быструю точную генеративную модель для задачи мделирования отклика детектора, https://www.popmech.ru/science/news-468032-sozdana-neyroset-uskoryayushchaya-poisk-novyh-chastic-na-lhc/

 Deep learning

Бакалавриат (5+)

Магистратура

 1

Probabilistic process mining

Карпов Максим Евгеньевич

mekarpov@hse.ru

Probabilistic process mining

1) Изучить текущее состояние state-of-the-art вероятностных подходов в process mining
2.1) Предложить подход, основанный на методе максимального правдоподобия, для построения процессных моделей
2.2) Предложить подход построения байесовской нейросети для построения процессных моделей
2.3) Предложить подход, основанный на алгоритме имитации отжига, для построения процеснных моделей
3) Провести эксперименты на реальных данных (журналы событий/логи) и сравнить качество с существующими бенчмарками

 Машинное обучение, глубинное обучение, знание Python, Pytorch, обработка текстов, регулярные выражения

Желательно, но не обязательно: процесс майнинг, анализ логов

Бакалавриат (3+)

Магистратура

 1-3

BigSister

Хатбуллина Лейля Равилевна

leila.xr@gmail.com

BigSister: система отслеживания прогресса и для мотивации студентов

1) прототип рекомендательной системы
2) сделать статистику активности
3) доделать фронт

Java/Scala, software engineering

Бакалавриат (1+)

Магистратура

 1-3

RICH NF

Артемьев Максим Радикович

mrartemev.me@gmail.com

RICH NF: работа с глубокими потоками в продолжение и развитие уже имеющихся результатов

1) Научить глубокие потоки (5 штук)
2) Научить conditional и взвешеные версии потоков 
3) Посчитать метрики
В проекте не очень много физики, очень много потоков.

DL, Python, опыт работы с ганами/потоками, Желательно: опыт работы с табличными данными, Очень важно: высокая степень автономности)

Бакалавриат (3+)

Магистратура

 2