Преподаватели и кураторы
Все наши преподаватели и кураторы - практики, на занятиях опираются на собственный опыт использования нейронных сетей
Преподаватели Университета искусственного интеллекта
Дмитрий Романов
Основатель Университета
Ведущий курса «Нейронные сети на Python»
✓ 8 лет опыт разработки в области искусственного интеллекта;
✓ Создал первый в России нейро-компьютерный интерфейс, лично демонстрировал его В.В.Путину;
✓ Реализовал более 10 проектов в области искусственного интеллекта;
✓ Победитель инновационных форумов;
✓ Публикации на ведущей конференции по нейронным сетям «Нейроинформатике».
Полина Полунина
Ведущая курса «Python для анализа данных»
Data Scientist в X5 Retail Group
✓ 5+ лет в сфере анализа данных;
✓ Образование: факультет математики НИУ ВШЭ + Skoltech;
✓ Научные интересы: применение машинного обучения для детектирования и классификации вулканических землетрясений;
✓ Победитель и призер международных чемпионатов по машинному обучению, предикативному финансово-математическому моделированию;
✓ Преподавательская награда зимней школы по машинному обучению «9th Munich Earth Skience School»
Андрей Созыкин
Разработчик в банке Точка
Сертифицированный преподаватель NVIDIA Deep Learning Institute
✓ Сейчас разработчик в Банке Точка, занимается машинным обучением и большими данными;
✓ Работал в Уральском федеральном университете, где организовал магистратуру по машинному обучению совместно со Школой Анализа Данных компании Яндекс;
✓Закончил Пермский государственный технический университет;
✓ Защитил диссертацию к.т.н. в Институте проблем информатики РАН, г. Москва.
Кураторы курса
Кураторы - это практики, которые много лет занимаются нейронными сетями, главная их 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
Семинарские занятия
Для VIP-участников кураторы каждую неделю проводят семинарские занятия в скайпе. На семинарах будут подробные разборы заданий, ответы на индивидуальные вопросы, дополнительные темы от кураторов, индивидуальные задания и разбор ваших рабочих кейсов
Ответы на вопросы
По ходу обучения у вас будет появляться много вопросов, вы всегда сможете обратиться с вопросами к кураторам и получить оперативный ответ
Кураторы курса
«Нейронные сети на python»
Герард Костин
31 год, Инсбрук, Австрия
Обширный опыт в решении задач с использование методов ML в следующих областях: телекоммуникации, банковский сектор, интернет-провайдеры, промышленные предприятия, e-commerce.
Практический опыт работы с большими данными (кластеры от 5 Пб ). За свою карьеру в области Data Science запускал это направления с нуля в таких компаниях как МТС и Ростелеком, работал совместно с компаниями из силиконовой долины США и компаниями из ЕС.
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Рекомендательные системы
Оптимизационные задачи
Владимир Головачёв
35 лет, Москва
Занимался и занимаюсь применением машинного обучения и нейронных сетей для предсказания финансовых временных рядов. Расскажу, как готовить подобные данные для обучения алгоритмов, как тестировать стратегии и каких ошибок следует избегать. Помимо задач предсказания строил метамодели и алгоритмы формирующие портфель. Технологии: Python 3, Pandas, Numpy, Keras/Tensorflow
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Машинное обучение в финансах
Дмитрий Ермилов
28 лет, Москва
Обладаю опытом разработки моделей распознавания образов в изображениях, моделей распознавания слов / фраз в английской речи, моделей обработки естественного языка (NLP). Большой опыт построения моделей регрессии, бинарной / множественной классификации.
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Артур Комаров-Пейсахович
30 лет, Днепр
Решал следующие задачи:
  • Выбор оптимального провайдера для максимизации доставляемости рассылки.
  • Составление модели персонального расписания коммуникаций (вопросы объемов, типов, каналов связи) на основе поведения пользователя.
  • Практический опыт внедрения сетей в high-load с применением динамического обучения, внешнего обучения. Обучение с подкреплением.
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Reinforcement learning
Прогнозирование поведения пользователей
Андрей Рудницкий
25 лет, Москва
Опыт работы в ML около 4 лет. АО "НИИМЭ": 3 года data scientist работал над проектами предсказания сбоев смарт-карт, классификации и кластеризации временных рядов (электромагнитных сигналов). Samsung R&D Center: 1 год data scientist работаю над проектами предсказания продаж, кластеризации клиентов. Применял нейронные сети и другие алгоритмы ML. Принимал участие в соревнованиях по машинному обучению.
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Стас Батурурими
31 год, Москва
- разработка рекомендательных систем для BigData для многопользовательских аккаунтов (spark ml[als], nlp,BigDL, DAAL ...)
- разработка распределенного краулера (50+ машин)
- разработка предсказания моделей оттока клиентов крупнейшего интернет провайдера страны (timeseries forecasting)
- разработка системы распознавания номеров машин для Министерства транспорта Москвы
- разработка протоколов end-to-end шифрования - оптимизация и ведение таких проектов как: Аудиогид Эрмитаж, TouchBank, Blitz chat (Russia)
- CTO Messapps New York, несколько лет: разработка проектов с удаленном управлением колонок воды для города New York (совместно с NYU- New York University)
- работа в Game Insight - разработка модификации симплекс метода с CORE (Center For Operations Research and Econometrics, Belgium)
- решение систем нелинейных уравнений больших размерностей на кластерах(1М+)
- участие в проектах дополнительной реальности
Работа с изображениями
Компьютерное зрение
Работа с текстовыми задачами
Работа с временными рядами
Работа с регрессией
Машинное творчество
Работа со звуком (распознавание голоса)
Классическое машинное обучение
Sensor fusion, localization & control, path planning, AR, slam
Мария Корлякова
49 лет, Калуга
Разработка нейросетевых моделей обработки изображений (поиск объектов заданного типа - каскадный классификатор, AlexNet, ResNet, SqueezeNet, трекинг - особые точки+вероятность, сегментация - SegNet, SVMC) для бортовых систем навигации и ориентации в пространстве.
Задача семантической сегментации изображений (гистология - выделение областей - SegNet, текcтурная сегментация - SVMC).
Решение задачи аппроксимации в нейросетевом базисе (построение модели объекта вход-выход по результатам экспериментов - цифровые двойники - Многослойный перцептрон).
    Работа с изображениями
    Компьютерное зрение
    Работа с текстовыми задачами
    Работа с временными рядами
    Работа с регрессией
    Машинное творчество
    Работа со звуком (распознавание голоса)
    Классическое машинное обучение
    Олег Конорев
    29 лет, Москва
    Занимаюсь применением классического машинного обучения и нейронных сетей в различных задачах, связанных с обработкой естественного языка (NLP). Имею опыт разработки моделей для распознавания образов на изображениях. Технологии и инструменты: Python 3, Pandas, Matplotlib, Numpy, scikit-learn, Keras/Tensorflow.
      Работа с изображениями
      Компьютерное зрение
      Работа с текстовыми задачами
      Работа с временными рядами
      Работа с регрессией
      Машинное творчество
      Работа со звуком (распознавание голоса)
      Классическое машинное обучение
      Может быть интересно
      Другие страницы сайта