• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Наука на ФКН

Сотрудники факультета занимаются исследованиями в различных областях компьютерных наук и прикладной математики: теоретическая информатика, алгоритмы обработки больших данных, методы оптимизации, машинное обучение, компьютерное зрение, программная инженерия, биоинформатика. Результаты исследований, проведенных на факультете, опубликованы в ведущих международных журналах и представлены на крупнейших конференциях.

Научные лаборатории

Центр глубинного обучения и байесовских методов (руководитель — Д.П. Ветров), созданный в конце 2016 г. на базе исследовательской группы байесовских методов, разрабатывает новые методы машинного обучения и байесовского вывода, учитывающие специфику конкретной решаемой задачи. В исследованиях активно используется аппарат вероятностных графических моделей и методы глубинного обучения. В состав Центра входят Лаборатория компании Самсунг под руководством  Д.П. Ветрова  и  Научно-учебная лаборатория анализа данных в финансовых технологиях под руководством Е.А. Соколова.

В Международной лаборатории интеллектуальных систем и структурного анализа (руководитель — С.О. Кузнецов) ведутся фундаментальные и прикладные научные исследования в области анализа данных сложной структуры, разрабатываются программные средства анализа данных и компоненты интеллектуальных систем.

Международная лаборатория стохастических алгоритмов и анализа многомерных данных (руководитель — А.А. Наумов), созданная в апреле 2018 года, объединяет отечественных и зарубежных исследователей, работающих на стыке современной математической статистики, оптимизации, теории вероятностей, теории алгоритмов и других математических дисциплин. Основной целью лаборатории является развитие новых вероятностно-статистических подходов для решения актуальных задач, возникающих в современном анализе данных.

Международная лаборатория теоретической информатики (руководитель — Н.К. Верещагин) проводит исследования в таких направлениях как сложность вычислений, алгоритмическая теория информации, алгоритмическая статистика, комбинаторная оптимизация и алгоритмическая теория игр.

Научно-учебная лаборатория методов анализа больших данных (руководитель — А.Е. Устюжанин), созданная при поддержке компании “Яндекс”, фокусируется на применении методов машинного обучения и анализа данных для решения задач фундаментальных наук, таких как физика частиц и астрофизика. Лаборатория сотрудничает с Европейским Центром Ядерных Исследований (CERN) как в области физики событий Большого адронного коллайдера, так и в решении задач повышения эффективности обработки данных.

Научно-учебная лаборатория процессно-ориентированных информационных систем (руководитель — И.А. Ломазова) разрабатывает новые методы моделирования, анализа и проектирования систем управления бизнес-процессами и потоками работ, систем планирования ресурсов предприятия и систем обработки прецедентов.

Научно-учебная лаборатория моделирования и управления сложными системами (руководитель — А.Б. Шаповал) развивает фундаментальные и прикладные исследования в области анализа данных и моделирования сложных систем. Научная деятельность Лаборатории направлена на разработку математических моделей и численных методов для реконструкции свойств больших систем, которые демонстрируют феномены синхронизации, квази-регулярностей, самоорганизации, внезапных изменений режимов, по данным, представимых в виде нестационарных пространственно-временных рядов, с целью прогноза динамики таких систем и создания механизмов эффективного управления ими.

Международная лаборатория биоинформатики (ранее - Научно-учебная лаборатория биоинформатики) (руководитель — М.С. Попцова) создана в 2018 году для развития направления биоинформатики на ФКН. Благодаря революции в высоко-поточных технологиях секвенирования биоинформатика стала наукой о больших данных геномики. Основными направлениями образовательной и научной деятельности лаборатории являются фундаментальные исследования роли вторичных структур ДНК в функционировании генома, организации хроматина и ДНК-белковых взаимодействий. Проходя стажировку в лаборатории, студенты смогут погрузиться в активную научную деятельность на ранних стадиях обучения. Лаборатория сотрудничает с ведущими лабораториями биоинформатики мирового уровня.

Научно-учебная лаборатория моделей и методов вычислительной прагматики (руководитель — Д.И. Игнатов) проводит исследования в области анализа неструктурированных данных. Сотрудники лаборатории занимаются разработкой и анализом рекомендательных систем и сервисов, развивают методы мультимодальной кластеризации и классификации, позволяющие формировать профиль интересов пользователя с учетом различных модальностей. В сфере интересов лаборатории находится автоматическая обработка текстов на естественном языке, в частности, адаптация и развитие нейросетевых методов для анализа и обработки текстов на русском языке.

Международная лаборатория алгебраической топологии и ее приложений (руководитель А.А. Айзенберг) работает в области торической и комбинаторной топологии, занимается приложениями геометрических методов к анализу данных, разработкой новых методов на стыке топологии и теоретической информатики. Деятельность лаборатории направлена на развитие методов алгебраической топологии в связи с их приложениями как в теоретической математике, так и в анализе многомерных данных, включая топологический анализ нейробиологических данных, вместе с этим лаборатория ставит своей целью создание и развитие российской школы прикладной геометрии и прикладной топологии, включая топологический анализ данных и его приложения в нейронауке. Создана в январе 2020 года, продолжает и расширяет научную деятельность Научно-учебной лаборатории прикладной геометрии и топологии  (руководитель — В.Л. Чернышев).

Сотрудники Научно-учебной лаборатории компании Яндекс (руководитель — А.В. Бабенко) исследуют такие области, как компьютерное зрение, анализ текстов на естественном языке, краудсорсинг, а также информационный поиск и рекомендации. Поиск и извлечение информации, в том числе из больших коллекций плохо структурированных данных, является важной составляющей любой интеллектуальной системы. Поиск, в том числе по изображениям, и рекомендательные системы являются краеугольным камнем бизнеса крупнейших IT-компаний, таких как Amazon, Google и Яндекс.

Научно-учебные группы

Поддержанные проекты научно-учебных групп в 2019 г.

Поддержанные проекты научно-учебных групп в 2018 г.

Поддержанные проекты научно-учебных групп в 2016 – 2017 гг.

Научно-учебная группа Машинное обучение на данных нейроимаджинга (руководитель — Л.Е. Жуков), действовавшая в 2016 – 2017 гг.,  разрабатывала методы машинного обучения для классификации фенотипических групп на основе структурных и функциональных коннектомов, в частности, для распознавания аутизма, выявления носителей аллелей, связанных с высоким риском развития болезни Альцгеймера, различения психических расстройств (депрессия, панические атаки).

Объединив усилия демографов и специалистов в сфере информационных технологий, научно-учебная группа Модели и методы анализа демографических последовательностей (руководитель — Д.И. Игнатов), действовавшая в 2016 – 2017 гг., изучала последовательности наступления событий в жизни людей, анализируя скрытые закономерности в их поведении и разрабатывая новые подходы к предсказанию развития демографических траекторий.

Поддержанные проекты научно-учебных групп в 2014 – 2015 гг. 

Научно-учебная группа Методы анализа и визуализации веб-корпусов (руководитель — Б.Г. Миркин), действовавшая в 2014 – 2015 гг., разработала ряд методов и программное обеспечение для визуализации коллекций текстовых веб-документов с использованием графов референций, отображающих связи между встречающимися в текстах словосочетаниями.

Индивидуальные исследовательские проекты, поддержанные Научным фондом НИУ ВШЭ

  • Симуляция трековых детекторов с применением нейросетевых технологий (2020 – 2021 гг.) — Ф.Д. Ратников
  • Эффект пространственной неоднородности при оценке роста уровня моря (2019 – 2020 гг.) — А.Б. Шаповал
  • Исследование топологии пространств изоспектральных разреженных матриц (2018 – 2019 гг.) — А.А. Айзенберг
  • Traps and Cotraps for Analyzing the Behavioral Properties of Nested Petri Nets (2017 – 2018 гг.) — Л.В. Дворянский
  • Динамика солнечных пятен на временных масштабах протяжённостью от нескольких дней до нескольких лет (2017 – 2018 гг.) — А.Б. Шаповал
  • Разработка метода аномальных кластеров с автоматическим выбором числа и местоположения кластеров (2016 – 2017 гг.) — Б.Г. Миркин
  • Исследование применения сверточной нейронной сети для классификации типов компьютерных атак с использованием базы данных компьютерных атак (2016 – 2017 гг.) — Д. В. Пантюхин
  • Логические системы предпочтений на атомарных конъюнкциях и методы автоматического обучения предпочтениям (2015 – 2016 гг.) — С.А. Объедков

Проекты факультета, поддержанные грантами научных фондов

Гранты Российского научного фонда (РНФ)

Проведение исследований научными лабораториями мирового уровня

Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами

Проведение исследований научными группами под руководством молодых ученых

Проведение инициативных исследований молодыми учеными

Гранты Российского фонда фундаментальных исследований (РФФИ)

Гранты Президента Российской Федерации

Структурное сопоставление моделей процессов, грант Президента РФ №МК-4188.2018.9 на 2018 – 2019 гг., руководитель — А.А. Каленкова

Проекты Федеральной целевой программы

Коллектив сотрудников Лаборатории методов анализа больших данных участвует в реализации проекта № 14.581.21.0023 с 2017 по 2019 гг. "Разработка аппаратно-программного комплекса для прогнозирования сбоев в работе системы хранения данных с целью предотвращения критических ситуаций, в том числе деградации производительности, отказа сервиса записи/чтения данных и потери данных".

Научные мероприятия


Коллоквиум ФКН — общефакультетский научный семинар, на котором выступают как сотрудники факультета, так и представители других университетов, институтов и IT-компаний с докладами о современных направлениях исследований и последних результатах в информатике и смежных науках.
На Аспирантском семинаре аспиранты ФКН и других подразделений университета, работающие в области компьютерных наук, выступают с докладами по результатам своих исследований.

Рабочие семинары

Конференции

Научная комиссия ФКН

Методы и алгоритмы формирования описания изображений на основе пространственных рассуждений с использованием семиотических методов представления знаний