- A
- A
- A
- АБB
- АБB
- АБB
- А
- А
- А
- А
- А
Адрес: 109028, г. Москва, Покровский бульвар, д. 11, S909
Главные российские ИТ-тренды - 2024
Чернозатонская Е. В., Фуколова Ю. В., Комаров М. М. и др.
М.: Издательский дом НИУ ВШЭ, 2023.
В печати
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. Vol. 2996. 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:
- Разработка учебно-методических материалов на основе индустриальных кейсов с участием Сбера;
- Привлечение лучших специалистов Сбера к проведению обязательных дисциплин, дисциплин по выборку и факультативов для студентов факультета компьютерных наук НИУ ВШЭ;
- Организация и проведение профильных хакатонов для студентов с возможностью прохождения победителями сокращенной процедуры отбора при приеме на работу в Data Science подразделения Сбера;
- Организация и проведение воркшопов и конференций с участием студентов, позволяющих, в том числе, сформировать представление о карьерных траекториях в сфере разработки решений на основе искусственного интеллекта;
- Обеспечение трудоустройства выпускников (первого и второго года) и студентов факультета компьютерных наук ВШЭ на более высокие стартовые позиции в Data Science подразделениях Сбера;
- Формирование центра компетенций и обмен экспертизой в целях методологической поддержки других образовательных программ Сбера.
Сбер провел на ФКН лекцию по оценке рекомендательных систем и бенчмаркам
Денис Куландин, лидер разработки библиотеки рекомендательных алгоритмов RePlay, рассказал студентам, почему не все новые State-of-the-Art (SOTA) алгоритмы лучше, работающих в проде решений и почему.Также была затронута правильного выбора лучшего алгоритма для своей рекомендательной системы до вывода в прод и рассмотрены подводные камни, возникающие в пайплане решения задач рекомендаций на основе реального опыта.
После выступления Денис ответил на вопросы участников о том, как избежать экономических потерь при выборе алгоритмов и по каким критериям важно сравнивать модели, генерирующие миллионы рублей дохода в месяц.
RePlay – Open Source фреймворк для всех этапов создания рекомендательных систем от предварительной обработки данных до оценки качества и выбора лучшей модели.
В RePlay реализованы классические бейзлайны, коллаборативные модели, нейросетевые подходы и обёртки над популярными библиотеками. Все модели реализованы в едином интерфейсе.
В завершение лекции Максим Батайкин, Руководитель направления по аналитике данных Сбера, анонсировал предстоящий хакатон «HSE Sber RecSys Hack», организованный базовой кафедра Сбера ФКН и Сбером. В рамках задачи участникам будет предложено сгенерировать top-k персонализированных рекомендаций, обогащенных кросс-доменными данными экосистемы Сбера: Sound, пользовательская активность в музыкальном стриминге Звук и Marketplace, пользовательская активность на маркетплейсе МегаМаркет, а также других популярных датасетов для задач рекомендаций: MovieLens, MTS library и Amazon fine foods.