Программный
комитет

Занимался ML в Lamoda, Mail.ru и HeadHunter, а ещё преподавал в НИУ ВШЭ и МГТУ им. Баумана. Был одним из создателей сообщества ODS. Сейчас развивает бренд машинного обучения Яндекса и помогает делать конференции — например, HighLoad++, PyCon, DUMP и Data Fest.

Работает ML-бренд-менеджером Яндекс Поиска, экс-DevRel Яндекса по направлениям ML и мобильной разработки. С нуля построила внешнее сообщество ML-специалистов Яндекса и подготовила больше 100 спикеров Яндекса к выступлению на конференциях. Курирует программный комитет Practical ML Conf, пиар-активности Yandex Research и телеграм-каналы «Душный NLP», «Рекомендательная», ML Underhood. Больше 9 лет продюсирует международные фестивали и форумы в России и СНГ. Влюблена в AI и ML, воспитывает той-пуделя.

В науке 8 лет. Занимался high performance computing и писал диссертацию по эффективным вычислениям в гидродинамике. На протяжении 7 лет работает над машинным обучением в разных сервисах Яндекса (Поиск, Почта, Скоринг, Синтез речи). Сейчас отвечает за технологию перевода видео в браузере и синтез речи в Алисе и аудиокнигах.

Занимается развитием базовых технологий компьютерного зрения в Яндексе. Интересуется мультимодальными моделями. В 2022 году защитил кандидатскую диссертацию, сейчас преподаёт курс по генеративным моделям в МФТИ. Увлекается большим теннисом и трекингом.

Окончил ВМК МГУ. Сейчас занимается разработкой инфраструктуры обучения DL-моделей для рекомендательных систем и их внедрением в Рекламных технологиях. Помогает другим командам с использованием рекламных наработок в обучении рекомендательных моделей.

Окончил Государственный университет «Дубна» и Школу анализа данных Яндекса. Занимается анализом музыкального контента с использованием нейросетей. Участвовал в создании технологии распознавания музыки по фрагменту и технологии распознавания актёров в фильмах и сериалах.

Выпускник ФМГ № 30 и СПбГУ, защитил степень кандидата физико-математических наук в области информационного поиска. С 2002 года разрабатывал ядро IntelliJ IDEA в JetBrains. Затем перешёл в Яндекс, где отвечал за оценку качества Поиска, разрабатывал факторы ранжирования, тренировал формулы релевантности, отвечал за мобильный поиск. После небольшого перерыва на собственный стартап снова вернулся в Яндекс и стал ответственным за машинное обучение в Yandex Cloud (SpeechKit, DataSphere). В 2022-м перешёл в Huawei, где руководил лабораторией облачных технологий в Санкт-Петербурге. С осени 2023-го руководит направлением «Поиск и Каталог» в Ozon. Занимается исследованиями машинного обучения, распределённых вычислений и информационного поиска, пишет статьи и читает лекции по этим темам в НИУ ВШЭ.

Соосновал и руководил международным агентством по разработке решений на LLM. Занимался задачами продуктового матчинга в Яндексе и перефразированием заголовков товаров LLM’ками для оптимизации бизнес-метрик в Alibaba. Автор одного из популярных AI-каналов «Сиолошная» (@seeallochnaya) и блог-поста на Хабре про историю развития GPT от Т9 к ChatGPT, победившего в номинации ML. Занял первое место в рейтинге авторов на Хабре. Является лектором, преподавателем, ментором и организатором секций на DS-конференциях. Его открывающую лекцию на ODS Data Fest 2023 признали лучшей за год.

Выпускник механико-математического факультета МГУ и кандидат физико-математических наук. Работает в Яндексе с 2016 года. Руководил разработкой рекомендаций Музыки, Кинопоиска, Афиши и Букмейта.

Возглавлял разработку продуктов и алгоритмов компьютерного зрения в Яндексе на протяжении 9 лет. Сейчас отвечает за направление экспериментальных продуктов и технологий на базе искусственного интеллекта. Состоит в экспертном совете научной премии Яндекса.

Окончил бакалавриат, магистратуру и аспирантуру Физтеха (ФПМИ ФИВТ), 3 года работал в ABBYY, 4,5 года — в Яндекс Новостях и Поиске. Побеждал в нескольких контестах по ML от Телеграма. Сделал морфологический анализатор rnnmorph, генератор стихов rupo, популярные модели суммаризации и русский тюн языковых моделей Сайгу. Сейчас работает старшим инженером машинного обучения в Booking.com.

Около 10 лет занимается машинным обучением в разных доменах — финтех, political science, геймдев. Последние 5 лет работает в Цельсе и развивает сферу ИИ в медицине. Любит рассказывать про ML и процессы ML-разработки на конференциях и в телеграм-канале «Варим ML».

Руководит командой претрейна YandexGPT — семейства больших языковых моделей, которые уже используются в большинстве продуктов Яндекса. Задача его команды — сделать максимально умную модель, которая будет способна с минимальным дообучением ответить на любой вопрос пользователя.

Выпускник ВМК МГУ и ШАДа. В Яндексе с 2015 года. Занимался проектами, связанными с применением технологий компьютерного зрения: улучшением поиска по картинкам, распознаванием дорожных знаков для Навигатора, улучшением технологии автономного вождения и развитием технологии поиска дубликатов видео. Сейчас отвечает за нейронные сети на складских роботах Маркета, а ещё организует учебные курсы и читает лекции в ШАДе по беспилотным автомобилям, глубинному компьютерному зрению и графике.

Окончил МФТИ, работал исследователем в Межведомственном суперкомпьютерном центре РАН, развивал технологии распознавания лиц как ведущий исследователь и разработчик NtechLab. Среди интересов — глубокое обучение, компьютерное зрение и информационный поиск. Собирался исследовать компьютерные сети, а занялся нейронными. Любит рыбалку и видео про моду.

Исследует и разрабатывает решения на базе машинного обучения, чтобы бороться с хакерами и находить уязвимые места в сервисах, которые используют ML. Ранее отвечала за ML-направление в Positive Technologies. Сейчас помогает команде Yandex Go масштабировать безопасность в любимых сервисах. Верит, что с помощью технологий информационная безопасность может перестать быть головной болью.

Окончил МФТИ по специальности «Прикладная математика и физика», получил степень бакалавра по океанологии и магистра — по нефтяному инжинирингу. Работал в научном центре компании Schlumberger. Пришёл в Яндекс в 2018 году на позицию аналитика в один из финтех-проектов. Через 2 года присоединился к команде Алисы и Умных устройств, которая поменяла вектор и переключилась на задачи шумо- и эхоподавления в колонках. За год удалось выстроить процессы тестирования, создать алгоритмы и перевести умные устройства Яндекса на собственные решения. Никита продолжил развивать свою карьеру в этом направлении и уже больше года занимает должность руководителя службы технологий голосового ввода. Вместе с командой отвечает за разработку технологий голосового ввода во всех продуктах Яндекса: Алисе, Клавиатуре, Переводчике, Поиске, Браузере и других. За время работы над голосовыми технологиями нашёл решение, как обеспечить слышимость принципиально новых умных устройств — например, far-field-телевизоров. А ещё значительно улучшить качество работы алгоритмов и создать новые фичи на основе технологий службы.

Окончил МФТИ по специальности «Прикладная математика и физика», получил степень бакалавра по океанологии и магистра — по нефтяному инжинирингу. Работал в научном центре компании Schlumberger. Пришёл в Яндекс в 2018 году на позицию аналитика в один из финтех-проектов. Через 2 года присоединился к команде Алисы и Умных устройств, которая поменяла вектор и переключилась на задачи шумо- и эхоподавления в колонках. За год удалось выстроить процессы тестирования, создать алгоритмы и перевести умные устройства Яндекса на собственные решения. Никита продолжил развивать свою карьеру в этом направлении и уже больше года занимает должность руководителя службы технологий голосового ввода. Вместе с командой отвечает за разработку технологий голосового ввода во всех продуктах Яндекса: Алисе, Клавиатуре, Переводчике, Поиске, Браузере и других. За время работы над голосовыми технологиями нашёл решение, как обеспечить слышимость принципиально новых умных устройств — например, far-field-телевизоров. А ещё значительно улучшить качество работы алгоритмов и создать новые фичи на основе технологий службы.

Окончил Санкт-Петербургский государственный университет и Computer Science Center (Санкт-Петербургское отделение ШАД). Работал над библиотекой машинного обучения CatBoost, был основным разработчиком GPU-версии библиотеки. C 2014 года работает в Яндексе, занимается развитием технологий вокруг машинного обучения и высокопроизводительными вычислениями на GPU. Руководит направлением Machine Learning в Yandex Cloud. Кроме этого, является академическим руководителем трека анализа данных магистратуры «Разработка программного обеспечения и науки о данных» на факультете математики и компьютерных наук СПбГУ.

Окончил МИФИ и защитил диплом по распределённым вычислениям для задачи моделирования физических процессов. Начал карьеру в интеграторе в построении DWH/BI-систем. Перешёл в Яндекс Маркет на задачи построения DWH/BI. Дорос до техлида DWH, а DWH — до нескольких сотен пользователей, сотни контрибьюторов, десятков терабайт в ClickHouse-витринах и сотен терабайт в промежуточных слоях. После этого сменил род занятий на ML, начал извлекать пользу из собранных данных. Построил оптимизатор пополнения складов, от простого прогноза спроса и эвристик в алгоритмах и тонн экселя и ручных корректировок менеджерами в процессах пришёл к прогнозированию распределений и дифференцируемому программированию для оптимизации в алгоритмах и высочайшей доли автоматизации в процессах. Сейчас работает над ценообразованием Маркета. С помощью ML (и чуть-чуть RL) делает цены для конечных пользователей лучше, инвестируя фиксированное количество собственных денег.

Занимается машинным обучением с 2010 года. Защитил кандидатскую диссертацию в 2013 году, пишет докторскую диссертацию про применение мультимодальных архитектур для задач обеспечения пассивной безопасности мультимедийного контента. Руководит лабораторией мультимодального генеративного ИИ FusionBrain в Институте искусственного интеллекта AIRI. Один из основателей семейства моделей Kandinsky, преподаёт в Самарском университете и ИТМО, выступает с лекциями и пишет о событиях в AI и ML в телеграм-канале @complete_ai. Автор более 90 научных публикаций, в том числе в топ-журналах (Q1/Q2) и сборниках конференций Core A/A*. Индекс Хирша — 12.

Получает докторскую степень в Университете Глазго, специализируется на использовании трансформерных моделей для рекомендательных систем на основе больших данных. Пишет статьи для ведущих научных журналов и конференций по рекомендательным системам RecSys, WSDM и ACM TORS. Его работа была отмечена на RecSys 2023 как лучшая статья и стала номинантом на RecSys 2022. Больше 10 лет работает в индустрии, занимал руководящие должности в крупных технологических компаниях (Amazon и Яндекс), а также был соучредителем стартапа E-Contenta, специализирующегося на рекомендательных системах.

Занимается R&D для рекомендаций в Яндексе. Внедрял рекомендательные технологии в разные сервисы Яндекса: веб-поиск, Рекламу, Маркет, Музыку, Кинопоиск и Алису. Ведёт телеграм-канал про рекомендательные системы @Inforetriever.

Окончил ВМК МГУ, работал в SberDevices, где отвечал за качество поиска. Сейчас развивает рекомендательные технологии Яндекса. Увлекается лёгкой атлетикой, «Формулой-1» и теорией игр. Окончил музыкальную школу по классу скрипки.

Эксперт в сфере машинного обучения с прикладным фокусом, десятью годами опыта и званием Kaggle Grandmaster. Занимался задачами антифрода в Авито, строил рекомендации и поднимал высоконагруженную ML-инфраструктуру в Joom. Сейчас занимается задачами компьютерного зрения. Вне работы любит спортивный анализ данных, InfoSec и электронную музыку. Ездил в горящем автобусе, организовывал ML-тренировки, подрабатывал моушен-дизайнером и был соавтором курса на 100 000+ студентов.

Больше 10 лет в области AI — успел поработать в Яндексе, VK и Huawei. Защитил диссертацию по анализу текстов и сейчас является доцентом в Высшей школе цифровой культуры ИТМО.