Зайцев Алексей Алексеевич
Skoltech Center for Artificial Intelligence Technology,
Лаборатория №10 интеллектуального анализа данных и предсказательного моделирования
Кандидат физико-математических наук, доцент Сколковского института науки и технологий, лауреат премии Правительства Москвы.
Лаборатория №10 интеллектуального анализа данных и предсказательного моделирования
Кандидат физико-математических наук, доцент Сколковского института науки и технологий, лауреат премии Правительства Москвы.
Специалист в области машинного обучения с богатым опытом работы на стыке академических исследований и прикладных индустриальных задач. Свою карьеру в data science он начал в компании Datadvance, пионере в области аналитики для аэрокосмической отрасли, где участвовал в проектах, позволивших снизить стоимость разработки новых самолётов для Airbus на 10%.
Впоследствии Алексей применял технологии ML в нефтегазовом секторе, включая Газпром Нефть, и проводил обучение специалистов в международных компаниях: Airbus, TOTAL, Porsche, а также менеджеров в Сбербанке и Газпром Нефти. Он — один из авторов курса по байесовским методам машинного обучения, читаемого в МФТИ и Сколтехе.
Публиковался на ведущих международных конференциях, таких как AISTATS.
Впоследствии Алексей применял технологии ML в нефтегазовом секторе, включая Газпром Нефть, и проводил обучение специалистов в международных компаниях: Airbus, TOTAL, Porsche, а также менеджеров в Сбербанке и Газпром Нефти. Он — один из авторов курса по байесовским методам машинного обучения, читаемого в МФТИ и Сколтехе.
Публиковался на ведущих международных конференциях, таких как AISTATS.
Алексей Алексеевич активно совмещает научную работу с преподаванием и развитием образовательных программ. Он является старшим преподавателем и руководителем лаборатории прикладных исследований "Сколтех–Сбербанк", где ведёт курсы, объединяющие современные достижения в машинном обучении с практикой реальных индустриальных задач.
Кандидатская диссертация Алексея Алексеевича была посвящена эффективности байесовских методов в регрессионных задачах с гауссовскими процессами. Результаты его исследований внедрены в компаниях AREVA, TOTAL и Airbus, что принесло ему и его коллегам премию Правительства Москвы в 2018 году за работу «Разработка методов предсказательной аналитики для обработки промышленных, биомедицинских и экономических данных» (совместно с Е. Бурнаевым и М. Пановым).
По результатам опросов студентов в 2024 году, его курс получил высокие оценки за:
Студенты особенно отмечают комфортную атмосферу на занятиях и то, что полученные знания действительно пригодились в профессиональной деятельности.
Кандидатская диссертация Алексея Алексеевича была посвящена эффективности байесовских методов в регрессионных задачах с гауссовскими процессами. Результаты его исследований внедрены в компаниях AREVA, TOTAL и Airbus, что принесло ему и его коллегам премию Правительства Москвы в 2018 году за работу «Разработка методов предсказательной аналитики для обработки промышленных, биомедицинских и экономических данных» (совместно с Е. Бурнаевым и М. Пановым).
По результатам опросов студентов в 2024 году, его курс получил высокие оценки за:
- Практическую применимость
- Понятность подачи материала
- Открытость преподавателя к диалогу
Студенты особенно отмечают комфортную атмосферу на занятиях и то, что полученные знания действительно пригодились в профессиональной деятельности.
LARSS — исследовательская лаборатория, работающая на стыке фундаментальных методов машинного обучения и их применения в индустрии.
- 9 аспирантов (в том числе индустриальных),
- 30+ выпускников бакалавриата и магистратуры,
- исследователи с опытом в банковской сфере, нефтегазе и телекоме
- Сбер – совместная лаборатория (LLM, рекомендательные системы, устойчивость моделей)
- BIMSA (Пекин) – международное исследовательское сотрудничество
- Airbus, TOTAL, Mitsubishi – индустриальные кейсы
- Обработка последовательностей событий. Предсказание поведения пользователей и транзакций в реальном времени.
- Обучение с неопределённостью. Оценка уверенности предсказаний нейросетей для задач с высоким риском.
- Self-supervised обучение. Модели без необходимости ручной разметки данных.
- Атаки и защита нейросетей. Исследование уязвимостей и построение защищённых ML-систем.
- Интерпретируемость и валидация моделей. Пояснение решений моделей и контроль их стабильности.
- Геологические данные. Предсказание аварий, анализ пород и логов скважин.
- Данные с переменной точностью. Совмещение моделей и экспериментов в инженерных приложениях.
- Рекомендательные системы. Персонализация предложений в банковских и потребительских сервисах.
Студентам
Ищу студентов с базовыми знаниями в области машинного обучения, которые готовы работать в команде, делиться идеями и вместе решать амбициозные задачи. Важно стремление к росту, открытость к новым подходам и желание углубляться в реальные применения современных моделей.
Количество студентов в группу.
Количество студентов в группу.
- Аспирантура: 1 – 2 студента
- Магистратура: 1 – 2 студента
- Бакалавриат: 1 – 2 студента