50 lines
4.8 KiB
Markdown
50 lines
4.8 KiB
Markdown
---
|
||
content_type: magprog_mentor
|
||
name: Алексей Викторович Зиновьев
|
||
id: Zinoviev
|
||
image: images/mentors/Zinoviev.jpg
|
||
language: ru
|
||
published: false
|
||
---
|
||
#### 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)
|