Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
Адрес: 109028, г. Москва, Покровский бульвар, д. 11, S909
Чернозатонская Е. В., Фуколова Ю. В., Комаров М. М. и др.
М.: Издательский дом НИУ ВШЭ, 2023.
Gromov V., Dang Q. N., Kogan A. et al.
PeerJ Computer Science. 2024.
Aristov V., Aliev M., Stroganov A. et al.
In bk.: AIP Conference proceedings: Volume 2996, Issue 1. Vol. 2996. Iss. 050004. AIP Publishing LLC, 2024.
Shabalin A., Meshchaninov V., Chimbulatov E. et al.
arxiv.org. Computer Science. Cornell University, 2024
Основная задача базовой кафедры – расширить сотрудничество Сбера с факультетом компьютерных наук по подготовке высококвалифицированных ИТ-специалистов для решения задач в сфере искусственного интеллекта и финансовых технологий.
Кафедра объединяет высокий научно-исследовательский и педагогический потенциал факультета компьютерных наук НИУ ВШЭ с обширным практическим опытом, глубокой экспертизой и накопленными прикладными и теоретическими знаниями в области решений на основе искусственного интеллекта, предоставляемыми сотрудниками Сбера.
Создание кафедры стало продолжением магистерской программы «Финансовые технологии и анализ данных», открытой в 2017 году совместно ФКН НИУ ВШЭ и Сбером.
Основные функции кафедры:
На мероприятии, организованном базовой кафедрой Сбера, студенты познакомились с командой машинного обучения Samokat.tech и узнали больше о задачах на стыке e-commerce и Data Science. Перед слушателями выступили Петр Лукьянченко, руководитель департамента машинного обучения, Алексей Когай, CDS клиентских продуктов и Евгений Финогеев, Team-Lead команды матчинга.
Спикеры рассказали о том, как автоматизировать процессы заведения товаров на витрину маркетплейса, чтобы они попадали в нужные категории и их было проще находить, как технологии LLM используются для ускорения ответов на вопросы и обращения пользователей, а также продемонстрировали, насколько результаты поисковой выдачи по запросу «лук» отличаются в разных маркетплейсах и обсудили, почему так происходит.
Команда Samokat.tech подготовила задачу бинарной классификации товаров на маркетплейсе и пригласила всех желающих попробовать реализовать финальную часть пайплайна модели матчинга. Попробуйте себя на реальном кейсе из практики ML-команды.
А если вы хотели бы присоединиться к команде Samokat.tech, изучайте вакансии на сайте https://samokat.tech/vacancies и направляйте резюме сюда с пометкой в теме письма: «ФКН ВШЭ».
Слушатели и лекторы поделились впечатлениями о встрече.