Преподаватели и разработчики курсов

Доктор физико-математических наук, профессор РАН, декан Факультета искусственного интеллекта МГУ, генеральный директор Института AIRI, профессор Сколтеха. Автор основополагающей работы по тензорному формату TT (Tensor-Train decomposition, более 3800 цитирований).

Кандидат PhD, научный сотрудник ФИАН, старший преподаватель МФТИ, академический руководитель программы бакалавриата Факультета искусственного интеллекта МГУ.
20-летний опыт преподавания в МФТИ и МГУ. Разработчик и организатор современных курсов по программированию (Python, C, C++) и анализу данных, включая программы для новых факультетов МФТИ и межфакультетский курс в МГУ.

Кандидат компьютерных наук, научный сотрудник AIRI, инженер Сколтеха. Автор 20+ публикаций,
h-index 9, в том числе 3 работ на Core A* конференциях (NeurIPS, ICLR).
Обладатель двух евразийских патентов
и четырёх свидетельств на ПО.

Кандидат компьютерных наук, магистр МФТИ. Старший научный сотрудник AIRI. Специалист в области теории вероятностей, математического анализа и верификации нейросетей.

PhD-кандидат, научный сотрудник AIRI. Магистр МФТИ и Сколтеха. Специалист в области computer vision, self-supervised learning и генеративного моделирования.

Преподаватель Data Engineering и ML System Design в Институте И И МГУ на программе AI Masters, технический директор рекламной платформы RWB Media.

Кандидат физико-математических наук, ведущий научный сотрудник AIRI. Руководитель грантов РНФ и РФФИ. Разработчик курсов по Python, анализу данных, машинному обучению, высокопроизводительным вычислениям.

Научные интересы: робототехника, генеративный искусственный интеллект.

Курс: Инструменты разработки программного обеспечения
В курсе студенты знакомятся с ОС Linux и прикладной работой в командной строке, работой с SSH и git. Также мы рассматриваем работу с данными в командной строке, а также автоматизацию работы с конфигурацией сервера и облака.

Научные интересы: компьютерное зрение, видеоаналитика, re-identification и трекинг людей, video understanding, self-supervised learning, мультимодальные нейронные сети

Курс: Компьютерное зрение
Курс предлагает глубокое погружение в методы обработки и анализа изображений, от классических алгоритмов до современных архитектур нейронных сетей. Вы научитесь решать практические задачи распознавания объектов, сегментации, детекции и др., используя передовые инструменты компьютерного зрения.

Научные интересы: разработка алгоритмов для работы с химическими данными и направленного дизайна новых материалов

Курс: Искусственный интеллект в химии
В рамках курса слушатели познакомятся с основами химии и материаловедения, а также с особенностями химических данных. Узнают лучшие, на текущий момент, ИИ-подходы в химии и попробуют построить предиктивные и генеративные модели для решения основной прикладной задачи химии – поиска новых материалов с заданными свойствами.

Научные интересы: ИИ для роботов, компьютерное зрение

Курс: Обработка текста и мультимодальные модели
Курс посвящен современным мультимодальным большим языковым моделям, которые объединяют и обрабатывают текст, изображения, видео, звук, 3D-данные и действия. Рассматриваются основы LLM, transfer learning, RLHF, RAG, vision-language модели, генеративные модели и мультимодальные агенты. Отдельное внимание уделяется практическим применениям таких моделей, включая робототехнику, работу с 3D-данными и аудиомодальностью.  

Научные интересы: онлайн оптимизация, многорукие бандиты, разные оптимизационные приложения

Курс: Генеративные модели и оптимизация
Курс посвящен алгоритмам онлайн-оптимизации и их практическим приложениям. Вы изучите формальные методы, позволяющие получать строгие теоретические гарантии для решений, - то есть освоите подход, который сочетает надежность классической научной школы с востребованностью в современных технологических задачах.

Научные интересы: Deep Learning Theory

Курс: Теория глубокого обучения
Курс посвящен главной проблеме обучения с учителем: «почему обученные модели хорошо работают на данных, которых не было в обучающем наборе?». Из-за того, что современные нейронные сети обладают очень высокой выразимостью, эта проблема стоит для них наиболее остро. Мы затронем как непосредственно оценки обобщающей способности, так и связанные с этим темы: implicit bias of learning rules и infinitely wide networks.

Научные интересы: пересечение ИИ и компьютерной графики: прямой и обратный рендеринг, технологии программирования GPU, нейронные модели в компьютерной графике

Курс: Трехмерное компьютерное зрение и графика
Искусственный Интеллект (ИИ) в компьютерной графике, а именно дифференцируемые и нейронные модели, все чаще применяется в решении научных и практических задач. Это прежде всего реконструкция 3D объектов и их свойств по фотографиям, оптимизация (в смысле поиска оптимальных конфигураций) оптических систем, дополненная реальность, генеративные ИИ модели в компьютерной графике. Цель курса – дать учащимся расширенные знания и практические умения по тематике дифференцируемого рендеринга, являющейся фундаментальной базой при решении озвученных задач.

Научно-педагогический стаж — 12 лет. Преподавал вычислительную математику, алгоритмы и структуры данных, математический анализ в МФТИ, НИУ ВШЭ и УрФУ. Автор научной публикации по численному моделированию МЭМС-переключателей.

Научно-педагогический стаж — 3 года. Преподаёт дискретную математику и алгоритмы в МФТИ и НИУ ВШЭ, также вёл курсы по теории вероятностей и дискретной оптимизации. Исследует дискретный анализ и теорию графов. Готовит диссертацию о дискретно-аналитических подходах к гипотезе Оды.

Кандидат компьютерных наук, специалист по трехмерному компьютерному зрению. Первый автор исследований, опубликованных на ведущих конференциях по компьютерному зрению и ИИ — CVPR и AAAI. Разработанные с его участием модели OneFormer3D и UniDet3D показали лучшие результаты на международных бенчмарках по 3D-сегментации и распознаванию объектов. Руководит научной работой студентов.

Научно-педагогический стаж — 6 лет. Преподаёт дискретную математику, теорию алгоритмов и языки программирования. Исследует формальные языки и модели вычислений. Соавтор работ по анализу нейросетей и оценке взаимной информации, опубликованных на ведущих конференциях по машинному обучению ICLR и NeurIPS.

Кандидат медицинских наук, специалист по применению искусственного интеллекта в медицине. Соавтор исследования ИИ-систем на данных более 800 тысяч флюорографических исследований. Исследует компьютерное зрение и vision-language модели для анализа рентгеновских изображений и автоматического описания патологий.

Исследователь генеративных моделей и машинного обучения. Первый автор работы Logit-KL Flow Matching, опубликованной на ICLR 2026, а также исследований по инверсии и оценке генеративных моделей. Преподавал численную линейную алгебру в Сколтехе и участвовал в разработке учебных материалов.

Кандидат физико-математических наук, старший научный сотрудник AIRI и исследователь Сколтеха. Преподаёт оптимизацию и теорию вероятностей в МФТИ. Специализируется на оптимизации, тензорных методах и квантовых вычислениях. Автор исследований по тензорным сетям в машинном обучении и квантовым алгоритмам.

Научно-педагогический стаж — 3 года. Аспирант Сколтеха и младший научный сотрудник AIRI, преподавал вычислительную линейную алгебру в Сколтехе. Исследует тензорные разложения и низкоранговые методы в машинном обучении. Соавтор публикации в журнале Neurocomputing.

Программист VK с многолетним индустриальным опытом. Преподаватель и разработчик учебных курсов по программированию. Научно-педагогический стаж — 5 лет.

Научно-педагогический стаж — 3 года. Аспирант Сколтеха и младший научный сотрудник AIRI, преподавал вычислительную линейную алгебру в Сколтехе. Исследует тензорные разложения и низкоранговые методы в машинном обучении. Соавтор публикации в журнале Neurocomputing.

Аспирант Сколтеха и младший научный сотрудник AIRI. Исследует устойчивость нейросетей, безопасность ИИ и методы обнаружения аудиодипфейков. Первый автор работы по сертификации устойчивости систем распознавания голоса, опубликованной на AAAI 2025. Преподаёт курс по доверенному искусственному интеллекту в Сколтехе.