Лаборатория машинного обучения и представления данных
Джанкарло Суччи
Факультет компьютерных и инженерных наук

Лаборатория машинного обучения и представления данных 

Задача машинного обучения: чтобы компьютеры учились на данных из окружающего мира, как это делает человек. За последние годы в этой области произошла революция. Глубокое обучение (один из методов машинного обучения) сыграло решающую роль в создании ряда решений: беспилотных автомобилей, пользовательских интерфейсов с функцией поддержки речи, автоматического анализа медицинских изображений, веб-поисковых систем, рекомендательных систем, кибербезопасности, обнаружения и распознавания объектов и проч. 

Хотя уже достигнут значительный прогресс в разработке алгоритмов машинного обучения и лежащей в их основе теории, остается ряд вопросов: как обучить глубоким моделям при отсутствии больших объемов данных? Как создать глубокие модели мобильных устройств с ограниченными ресурсами? Как улучшить обобщающие характеристики глубоких нейронных сетей? Как дать возможность глубоким моделям адаптироваться к неизвестным целевым доменам? Как защитить глубокие модели от враждебных атак? 

Исследование лаборатории сосредоточено на поиске ответов на эти и другие вопросы.

деятельность лаборатории

Машинное обучение связано с изучением вычислительных методов, позволяющих машинам учиться на данных. Исследования лаборатории в области машинного обучения охватывают: 


— Глубокое обучение 

— Адаптацию и обобщение домена 

— Машинный перевод

— Состязательное обучение 

— Иерархическое обучение

— Ресурсоэффективное обучение нейронных сетей

— Обработку текстов на естественных языках (публикация)

— Информационный поиск и индексные структуры (публикация)

— Медицинские изображения и компьютерное зрение (пример)

— Квантовые вычисления и квантовое машинное обучение 


ПРОЕКТЫ

Хотите совместный проект?
Свяжитесь с нами

01

Решение для анализа компьютерной томографии аорты при планировании операций по шунтированию

Включает комплекс методов и алгоритмов для сегментации, визуализации и автоматического измерения аорты для планирования хирургических операций.

02

Индексирование данных на пользовательских устройствах и в сети

Построение компактного индекса поиска в больших наборах текстов и изображений на пользовательских устройствах. Теоретические исследования в области эффективности распределённых индексов.

03

Анализ текстов на русском, английском и других языках

Решаем задачи построения и визуализации тезауруса, низкоресурсного машинного перевода. Умеем классифицировать научные тексты и устную речь, генерировать аннотации.