Информация о жилом, учебном и спортивном комплексах, медцентре, питании и досуге на территории города и Университета Иннополис. Ответы на часто задаваемые вопросы
Информация об образовательной деятельности, приёмной кампании, структуре и органах управления университетом, финансово-хозяйственной деятельности
Специализируется на образовании, исследованиях и разработках в области информационных технологий и робототехники
Образовательные программы для бизнеса по темам ИТ, цифровой трансформации, управления продуктами и инновациями. Ускоренная подготовка ИТ-специалистов
Программы обучения разработаны совместно с мировыми экспертами в сфере информатики, робототехники и программной инженерии с опытом работы в топ-100 вузов мира в партнерстве с компаниями IT‑индустрии
Сведения о научных разработках и инновационных проектах, осуществляемых учеными Университета Иннополис
В Университете Иннополис действуют 17 лабораторий и 9 научных центров, в которых ведется исследовательская работа в области искусственного интеллекта, робототехники, big data, разработки ПО, информационной безопасности
Исследуем и проектируем новые технологические решения совместно с ведущими ИТ-компаниями России, вендорами и 297 ведущих ИТ-компаний в партнерстве.
активно взаимодействует с партнерами по всему миру
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.
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
Адил Хан
Руководитель лаборатории
Станислав Протасов
Доцент
Сергей Городецкий
Доцент
Нурсултан Аскарбкеулы
Старший преподаватель
Бадер Рашид
Ассистент
Патрик Жослен Кенфак
Ассистент
Альбина Хусаинова
Ассистент
Марина Лисниченко
Ассистент
Злата Щедрикова
Ассистент
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.
Они помогают улучшить работу сайта и сделать его удобнее. Посещая страницы сайта, вы соглашаетесь с условиями использования файлов cookie.