Спикеры и ведущие
конференции
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.
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.
Пришёл в автономный транспорт Яндекса в 2021 году, развивал движок планирования движения. Выпускник Школы анализа данных и Дальневосточного федерального университета. Занимал призовые места на международных студенческих соревнованиях по автономным подводным роботам Singapore AUV Challenge и RoboSub.
Отвечает за рекомендации заведений в Картах и модели, которые описывают эти места. Знает всё о проблемах с алкоголем у нейросетей и может ответить, почему в ваших рекомендациях шашлычная у МКАД.
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.
Синтез выразительной речи для аудиокниг
Шесть лет создавал алгоритмы для беспилотных автомобилей, распознавания лиц и обработки видео в Huawei. За это время получил степень кандидата физико-математических наук. Теперь работает над генерацией голоса в Яндексе.
Верит, что, зная алгоритм обратного распространения ошибки и умея пользоваться бродкастингом, можно и нужно добиваться крутых результатов в разных областях глубокого обучения.
Секретный доклад
Разработал первую нейросеть для Поиска, ставшую основой алгоритма «Палех». Руководил командой Алисы и запустил YandexGPT и Шедеврум. Отвечает за все поисковые технологии Яндекса и внедрение нейросетей в сервисы компании для внутреннего и мирового рынков. Больше пяти лет работал в Google — занимался разработкой платформы для машинного обучения. Занял второе место на чемпионате мира по программированию ACM ICPC. Покорил Килиманджаро и Эльбрус. Выжимает 190 кг и прививает любовь к тяжёлым тренировкам команде.
Отвечает за улучшение качества поисковых алгоритмов, разработку и внедрение в поиск новых технологий. Одно из фокусных направлений — интеграция в поиск генеративной нейросети YandexGPT.
Присоединилась к команде Яндекса в 2012 году. Начинала с разработки ML-моделей ранжирования для регионального поиска. В 2015 году возглавила группу разработки формул ранжирования и внесла большой вклад в обновления Поиска 2016-го и 2017-го годов.
В 2020 году команда под руководством Кати запустили YATI — технологию анализа текста на основе нейросетей-трансформеров. Благодаря этой технологии Поиск стал лучше оценивать смысловую связь между поисковыми запросами и содержанием документов в интернете. В 2022 году внедрила в Поиск нейросеть CS YATI, что значительно улучшило качество выдачи для разработчиков и ML-специалистов и сделало навигацию по запросам более удобной.
Окончила факультет прикладной математики Высшей школы экономики и Школу анализа данных Яндекса. Специализируется на машинном обучении.
Использование LLM в разметке данных: можно ли убрать людей?
Занимается дата-инженерией и помогает Сберу делать его флагманский ИИ лучше: проектирует и руководит разработкой внутренней платформы для DS/ML-команд, позволяющей быстро и качественно размечать мультимодальные данные практически любой сложности. Находит, готовит и размечает данные для GigaChat, Kandinsky, R&D и многих других сервисов. Больше всего любит разные сложные штуки и путешествия.
AI-инструмент для разработчика: как мы обучали LLM работе с кодом
Отвечает за разработку и развитие AI-инструментов, повышающих эффективность разработчиков. В Яндексе с 2010 года. До Yandex Cloud руководил ML-командами в качестве Поиска, Видео, Почте и Финтехе. Считает, что главное в работе — делать жизнь пользователей продуктов лучше и за счёт этого приносить компании профит.
Оптимизация генеративного ридера в составе RAG системы
Более 15 лет разрабатывает сложные алгоритмы и вычислительные системы. Последние годы практикует методы машинного обучения и искусственного интеллекта. Развивается как архитектор и техлид, разрабатывает интеллектуальные системы. Учился в аспирантуре МГУ им. Ломоносова и писал диссертацию об оценках сложности обучения формальных нейронов. Теперь в том же университете делится опытом со студентами.
Более 5 лет занимается разработкой в области искусственного интеллекта. В последние годы работала над обработкой естественного языка, включая разработку RAG-систем и решений с использованием больших языковых моделей, а также проектами в области автоматического распознавания речи (ASR).
(Не)реальные данные — генерация синтетических данных
Окончила факультет компьютерных наук ВШЭ в 2022 году. Сейчас работает с языковыми моделями в X5 Tech. Параллельно успевает вести курсы NLP в ВШЭ. А ещё делает образовательный контент по ML для МИЭМ НИУ ВШЭ.
Исследование экосистемных эффектов методами Causal Inference
Окончил физический факультет МГУ им. М. В. Ломоносова. Сейчас интересуется аналитикой и Data Science. Более трех лет анализирует и управляет рисками в страховании: прошёл путь от джуна до лида команды. Нашёл себя в преподавании: учит управлять рисками на финтех-курсах Т-Банка.
Онтология: что находится под капотом рекламы
Работает в Яндексе пять лет. Оптимизирует рекламные процессы на всех уровнях. В свободное время увлекается робототехникой, финансами, любит сёрфинг и путешествия.
Как улучшить знакомые подходы для рекомендации незнакомого
Окончил бакалавриат и магистратуру МФТИ и Школу анализа данных. В Яндексе уже четыре года: вырос из стажёра в старшего разработчика. Успел поработать над рекомендациями в Дзене и Яндекс банке. Сейчас два года развивает «Мою волну» в Яндекс Музыке. Для души преподаёт: обучает студентов программированию в МФТИ и ВШЭ.
Кандидатогенерация для рекламы. Как учитывать ставки на всех этапах ранжирования
Руководит командой качества рекламы в Яндекс Маркете. Ранжирует и генерирует рекламные объявления, разрабатывает продукты для рекламодателей.
Актуальный опыт внедрения Feast в командах Купера
Занимается разработкой на Python уже больше шести лет. Попробовал себя в разных сферах — от кибербезопасности до геймдева. Последние четыре года работает в направлении MLOps — разрабатывает платформы машинного обучения и интегрирует в них Open Source решения (Feast и другие).
Рекомендательные системы: сложности разработки и пути решения
Руководит командой «DSML-Соискатели» в HeadHunter. До этого успел поработать в различных сферах, где в России применяют ML. Победитель и призер соревнований по машинному обучению, включая Kaggle-соревнования.
Адаптация VLM под продуктовые требования
Руководит командой алайнмента Visual-Language Models (VLM) в службе компьютерного зрения — отвечает за адаптацию VLM моделей для нужд разных продуктов Яндекса. Выпускница ФКН ВШЭ и ШАД. Преподавала машинное и глубинное обучение на факультете компьютерных наук ВШЭ, занималась компьютенрым зрением в Центре глубинного обучения и байесовских методов НИУ ВШЭ и Лаборатории Касперского.
SOTA в анализе медицинских снимков, MedSAM, разметка, веса в открытом доступе. Что можно предсказать, имея свой МРТ?
Старший инженер в области компьютерного зрения с шестилетним опытом в ИИ для медицины. Автор более 20 научных статей и финалист трёх соревнований по анализу МРТ-снимков.
Человек и LLM. Как оценивать качество моделей и строить их метрики качества
Отвечает за аналитику основных нейросетевых технологий Яндекс Поиска: от генерации изображений YandexArt и Переводчика до распознавания и синтеза речи и LLM YandexGPT. До Яндекса защитила кандидатскую по физике и работала постдоком в Vanderbilt University, где на стыке физики, биологии и CV исследовала возможность ранней диагностики рассеянного склероза. А после занималась задачей детекции эмоции в Samsung R&D Center. Больше всего на свете любит смотреть в данные и искать в них здравый смысл.
Мультиагентные подходы для работы с языковыми моделями на базе сервисов Yandex Cloud
Работает в Yandex Cloud, где отвечает за развитие платформы для обучения и деплоя ML-моделей Yandex DataSphere и большой языковой модели YandexGPT. Помогает клиентам разобраться с ML-технологиями Яндекса, участвует в социальных проектах Yandex Cloud, где разрабатывает решения на базе ML для экологии, медицины и образования.
В области анализа данных и машинного обучения уже более 7 лет. В компаниях IBM и Ramax занимался разработкой и внедрением аналитических и оптимизационных решений в различных отраслях (например, банки и авиация). Сейчас с большим интересом следит за развитием направлений MLOps и LLM.
Ветеран Microsoft, проработал в компании больше 16 лет. Как технологический евангелист, участвовал во множестве конференций и мероприятий, дважды оказывался на одной сцене со Стивом Балмером и Алексеем Пажитновым, встречался с Биллом Гейтсом. В течение 2 лет был ведущим экспертом по машинному обучению и искусственному интеллекту, помогал крупным европейским компаниям создавать пилотные проекты цифровой трансформации на основе данных.
Сейчас доцент МАИ, НИУ ВШЭ и МФТИ, читает курсы «Искусственный интеллект» и «Функциональное и логическое программирование».
Вольюметрик студия на коленке
Описание появится позже
Окончил Школы анализа данных, запустил Яндекс Плюс, делал Кинопоиск. Разрабатывал автономный транспорт — зрение машины и робота. Сейчас руководит исследованиями в 3D в Фантехе Яндекса.
Занимается реконструкцией 3D-сцен в Фантехе Яндекса: делает трёхмерный контент из набора картинок. До этого работал над задачами компьютерного зрения для real-time-безопасности водителей Такси и локализацией объектов для роботов Маркета.
Персонализированная генерация изображений с использованием диффузионных моделей
Занимается генеративными моделями, в частности автоэнкодерами для изображений и видео, а также обучением и дистилляцией диффузионных моделей.
Последние пять лет занимается исследованиями в области искуственного интеллекта. Полтора года из которых работает над генеративными моделями. Младший научный сотрудник в AIRI и аспирант ФКН в НИУ ВШЭ. Окончила МФТИ и Сколтех.
Как достать соседа — бенчмаркаем ANN алгоритмы
На мастер-классе разберёмся, зачем нужны алгоритмы приближенного поиска соседей. Рассмотрим реализацию популярных алгоритмов IVF, HNSW. Научимся делать бенчмарк различных подходов на своих данных с использованием библиотеки ann-benchmarks.
