Преподаватели и кураторы
Все наши преподаватели и кураторы — практики, на занятиях опираются на собственный опыт использования нейронных сетей
Преподаватели курса
«Data science и нейронные сети»
Дмитрий Романов
Основатель Университета искусственного интеллекта
✓ Разработчик в области AI с 2003 года
✓ Руководитель IT-проектов с 2011 года
✓ Создал первый в России нейрокомпьютерный интерфейс
✓ Реализовал более 30 проектов в области искусственного интеллекта
✓ Экс генеральный директор и проректор крупного коммерческого Университета

Сергей Кузин
✓ Окончил ПГУ, факультет информатики и вычислительной техники.
✓ Стаж работы в области программирования более 8 лет.
✓ С 2011 года работал в ракетно-космической корпорации "Энергия", занимался разработкой и моделированием трехмерных тренажеров для подготовки космонавтов.
✓ С 2017 года работает в области ML. Разработал нейросетевую систему визуальной навигации космического корабля на основе изображения, получаемого с внешней камеры.
✓ Участвует в реализации проектов УИИ, готовит и проводит учебные вебинары для участников курсов.
Преподаватели и кураторы Университета искусственного интеллекта
Преподаватель и куратор
Преподаватель и куратор
Василий Швец
Куратор
Александр Бугаенко
Куратор
Куратор
Куратор
Михаил Лукоянов
Куратор
Алексей Быков
Куратор
Андрей Агарков
Куратор
Сергей Параев
Куратор
Павел Глянцев
Куратор
Артем Алмазов
Куратор
Максим Монахов
Куратор
Кураторы курса
Кураторы — это практики, которые много лет занимаются нейронными сетями. Их главная задача — сделать ваше обучение более эффективным.
Проверка заданий
Кураторы проверяют ваши учебные задания и дают обратную связь — правки по коду, по вашим выводам о работе нейронной сети, иногда индивидуальные дополнительные задания.
Ответы на вопросы
По ходу обучения у вас будет появляться много вопросов, вы всегда сможете обратиться с вопросами к кураторам и получить оперативный ответ.
Открытые уроки
Кураторы ведут мастер-классы и открытые уроки: рассказывают теорию, демонстрируют код с примерами, отвечают на вопросы участников.
Кураторы курса
«Data science и нейронные сети»
Никита Серов
г. Москва
В 2019 году я окончил Йоркский университет в Торонто, Канада, где впервые занялся программированием в MATLAB в качестве хобби и для предметного использования, но вскоре решил заниматься программированием полный рабочий день. Один мой близкий друг тогда посоветовал мне заняться нейронными сетями, вот почему я здесь сегодня!

С нетерпением жду возможности поделиться мыслями и идеями со всеми вами и помочь вам реализовать свой потенциал в программировании и машинном обучении!
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с регрессией
Генеративные модели
Классическое машинное обучение
Сергей Кузин
г. Пенза
8 лет работал программистом, но чувствовалась скованность и ограниченность рамками, шаблонами, правилами.
В нейронках этого нет. Здесь нет запретов, нет правил. Можно творить, создавать, придумывать что-то новое, своё.

Преподавание – это возможность вырастить мощного разработчика, способного сделать прорыв, поэтому в каждом своем ученике я прежде всего пытаюсь пробудить рвение к подобными открытиям.

Пожелаю не останавливаться на маленьких неудачах, потому что большие победы стоят того, чтобы преодолеть трудности.
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Василий Швец
Образование: Высшее техническое (ДВГУПС)
Создал проект "Пилотник по Виртуальной примерочной в процессе" на базе УИИ

Также окончил курсы Deep learning school от МФТИ в 2019 году и Нейронные сети на Python в 2021 г.
Александр Бугаенко
В 2015 году закончил СибГАУ по специальности "Прикладная математика".
После окончания университета отправился в научную стажировку в рамках программы международного обмена в Ульмский университет (Германия) по направлению "Машинное обучение в биоинформатике".
Далее закончил магистратуру по специальности "Системный анализ и управление".

Но на этом обучение Александра не закончилось и он прошел курсы: Введение в машинное обучение (ВШЭ) и Математика и Python для анализа данных (МФТИ)

Также Александр создал проект "Модуль для трекинга и определения позы человека" на базе УИИ
Компьютерное зрение
Работа с текстовыми задачами
Работа со звуком (распознавание голоса)
Михаил Лукоянов
В 2021 году закончил курс "Нейронные сети на Python" и создал проект "Пилотный проект по логистике грузового транспорта" на базе УИИ
    Работа с изображениями
    Иван Хабаров
    г. Санкт-Петербург
    Ситуация с пандемией дала возможность взглянуть на разработку нейросетей не как на хобби, а как на основной род деятельности. Сейчас я ставлю перед собой амбициозные цели по воплощению в жизнь нейросетевых проектов.

    Сегодняшние цели год назад показались бы мне нереальными, но, как говорится, "дорогу осилит идущий".

    В программировании привлекает то, что решение сложной задачи можно уместить в строке лаконичного кода.

    Начинающим нейронщикам желаю каждый день гореть идеей так, как в первый раз!
    Работа с изображениями
    Компьютерное зрение
    Работа со звуком (распознавание голоса)
    Классическое машинное обучение
    Работа с регрессией
    Николай Лисин
    г. Москва
    Образование: МГТУ им. Н.Э. Баумана, инженер.
    Дополнительное образование: разработка Windows-ориентированных приложений (центр "Специалист" при МГТУ им.Баумана).

    За более 10 лет работы на различных производствах в качестве инженера-конструктора/технолога/программиста я понял, что основным слабым звеном любого производства является человек.

    Любая установка, будь она идеально рассчитана и изготовлена в чертежах, на выходе может иметь различные производственные недочеты, вызванные человеческим фактором. К тому же, человек является довольно затратным фактором для производства. Я выбрал работу нейронщика, чтобы решить эти проблемы.

    Тем, кто только вступает на путь нейронщика, хочу пожелать развивать в себе упорство и любопытство. Эти два качества, очень пригодятся любому нейронщику (да и любому программисту :) ).
    Работа с изображениями
    Компьютерное зрение
    Работа с временными рядами
    Машинное обучение в финансах
    Дмитрий Носков
    Екатеринбург
    Считаю, что разработка нейронных сетей - очень увлекательное направление. Именно за этой отраслью будущее.
    За последние четыре года число вакансий в сфере Data Science выросло в 10 раз! Это показатель активно развивающейся сферы. Потребность в разработчиках искусственного интеллекта растёт с каждым годом.

    Начинающим специалистам желаю терпения и желания постоянно учиться! Только ваша собственная мотивация и труд приведут к достижениям, которыми вы будете гордиться.
      Работа с изображениями
      Работа с текстовыми задачами
      Классическое машинное обучение
      Алексей Быков
      В процессе обучения в Иркутском Государственном университете.

      Во время обучения проходил курсы в IT School Samsung в 2017 году, также проходил стажировку в лаборатории IoT Сколтеха в 2019 и 2021 годах и стажировку в университете ИТМО по искусственному интеллекту.

        Работа с изображениями
        Работа с регрессией
        Андрей Агарков
        Неоконченное высшее (Университет ИТМО).

        Также Андрей проходил курсы:
        • Курс "Data Science и нейронные сети LIGHT", УИИ в 2019 году

        • 1 курс факультета ПИиКТ университета ИТМО, специальность Информатика и вычислительная техника, 2018 г.

        • 1 курс факультета ИКТ университета ИТМО, специальность Инфокоммуникационные технологии и системы связи.

        Учась в УИИ Андрей создал проекты "Предсказание рейтинга по описанию и характеристикам приложения в Google Play" и "Обучение бота игре "Сапёр".
        Работа с изображениями
        Компьютерное зрение
        Временные ряды
        Обучение с подкреплением
        Сергей Параев
        Высшее образование: ХГАЭиП по специальности Машиностроительные технологии
        Дополнительное образование: УИИ "Искусственный интеллект, нейросети и Data Science".

        Обучаясь в УИИ Сергей осуществил проект "Нейронная сеть для ведения диалога с потенциальными клиентами".

          Прогнозирование временных рядов
          Регрессионные модели
          Павел Глянцев
          Высшее образование: МГУ.
          Курсы дополнительного образования:
          - "Python для анализа данных" на Coursera
          - Основы программирования на С. Задачи
          - Интерактивный тренажер по SQL
          - Тренажер по Python
          А также много мелких курсов для закрепления материала и поиска новых интересных задач.
            Артем Алмазов
            Образование: Неоконченное высшее (СПбГУ)
            Проект: "Распознавание линий дорожной разметки"

            Дополнительный курс: LIGHT НС июль 2020 (от УИИ)

            Помимо искусственного интеллекта интересуется deep learning, computer vision, нейронными сетями для работы со звуком, генетическими алгоритмы, программированием на python и разработкой приложений.
              Компьютерное зрение
              Максим Монахов
              Образование: Высшее (ВлГУ им. А.Г. и Н.Г. Столетовых, Экономика и управление в строительстве).

              Дополнительное образование:
              - Введение в искусственный интеллект
              - Основы на Python
              - Основной курс по нейросетям
              - Python разработчик (в процессе обучения)
                Тимофей Егоров
                г. Новосибирск
                Высшее образование: Новосибирский государственный архитектурно-строительный университет (Сибстрин).

                Моя цель как куратора — сделать обучение студентов максимально комфортным. Видеть прогресс учеников — это вдохновляет! Я сам обучался в УИИ и знаю, как даже один комментарий от куратора помогает разобраться с вопросом, придать уверенности в себе и сохранить мотивацию к дальнейшему обучению.

                Тем, кто только начинает заниматься нейросетями, я бы пожелал упорства и терпения, радоваться своим достижениям в обучении и не зацикливаться на неудачах.

                На мой взгляд, важно иметь желание достичь результат, верить в свои силы и главное — каждый день делать хотя бы маленький шаг в направлении к своей цели.
                  Работа с изображениями
                  Работа с текстовыми задачами
                  Работа со звуком (распознавание голоса)
                  Работа с регрессией