Create Zinoviev.md

src/content/ru/magprog/mentors/Zinoviev.md

@@ -0,0 +1,49 @@
+---
+content_type: magprog_mentor
+title: Зиновьев Алексей Викторович
+id: Zinoviev
+photo: Zinoviev.jpg
+published: false
+language: ru
+---
+#### Организация
+AproximaLabs, руководитель исследовательской группы в области машинного обучения
+
+#### Биография
+Бакалавриат и магистратура математического факультете ОмГУ по направлению “Прикладная математика и информатика” (в 2011), аспирантура ИМ СО РАН (до 2015 года).
+
+Работа над диссертацией по поиску приближенных алгоритмов для решения задачи двухровневого программирования (bilevel programming) на дорожном графе большого размера. Использование ML, генетических алгоритмов, алгоритмов на больших графах.
+
+Работа программистом, использование и тренировка различных моделей для построения прогнозов, разработка библиотеки с открытым кодом для других исследователей и практиков машинного обучения на разных языках программирования (с 2008 года).
+
+Работа над проектами, где вычисления необходимо производить больше чем на одной машине. Использование таких вычислительных платформ, как Apache Hadoop, Kafka, Spark, Ignite, Flink, Hive, Giraph (с 2012 года).
+
+Адаптация алгоритмов машинного обучения (включая нейросети) для обучения в распределенной среде (с 2015 года).
+
+Участие в таких Open Source проектах, как Apache Ignite (distributed in-memory database), KotlinDL (Deep Learning library for Kotlin), TensorFlow, Apache Spark (с 2017 года).
+
+PMC (project management committee) member в проекте Apache Ignite, после создания значительной части ML-фреймворка для этой базы данных (с 2019).
+
+В 2020-2022 работа в JetBrains в команде Kotlin for Data Science, заложил основы библиотеки глубокого обучения на Kotlin (KotlinDL), аналога Keras над вычислительным ядром TensorFlow.
+
+#### Направление исследований
+* Выбор и построение новых конволюционных сетей при помощи методов машинного обучения (Neural architecture search, AutoML for CNN)
+* Разработка новых методов для поиска наилучших гиперпараметров моделей машинного обучения (HPO task, Hyperparameter optimization task)
+* Повышение доступности AI-инструментов в экосистеме Java и Kotlin (AI democratization task)
+* Алгоритмы распределеного машинного обучения (Distributed ML)
+* Экспорт/импорт моделей между различными фреймворками машинного обучения
+* Глубокое обучение на графах (Deep Learning on Graphs)
+* Kotlin для Data Science
+
+#### Требования к студентам
+* Базовые знания одного из языков программирования: Kotlin, Java, Python, C++
+* Понимание трудоемкости алгоритмов
+* Знакомство с точными и эвристическими методами решения задач оптимизации
+* Интерес к ML-методам
+* Интерес к любой из областей: Computer Vision, Natural Language Processing, Code Generation, Large Graphs, Evolutionary Algorithms, AutoML
+
+#### Особенности работы
+* Высокая культура кода (code review практики, git, работа через pr, документирование кода, CI/CD)
+* Знакомство с принципами работы в Apache Community, вклад в проекты с открытым исходным кодом на Github
+* Много читаем научные статьи и исходный код библиотек ПО, иногда пишем свои статьи и свой код
+* Сотрудничество в удаленном режиме (я нахожусь в Санкт-Петербурге)