Профессор РАН, профессор Сколтеха, директор Центра технологий искусственного интеллекта, доктор физико-математических наук, лауреат премии Президента Российской Федерации в области науки и инноваций для молодых ученых

Доцент Сколтеха. Получил PhD в Принстонском университете (США). Был ведущим ученым в GE Global Research (США), где руководил проектами по медицинской аналитике изображений, искусственному интеллекту и биоимаджингу Дмитрий разработал новую теоретическую и вычислительную парадигму для обработки шумов в системах визуализации. Результатом этой работы стали публикации в ведущих научных журналах, таких как Physical Review Letters и Nature Photonics. В список достижений Дмитрия входят более 20 международных патентов и 110 рецензированных публикаций.

Профессор Сколтеха, руководитель Исследовательского центра прикладного ИИ, доктор физико-математических наук, руководитель научной группы AIRI

Доцент Сколтеха, возглавляет группу NLP и совместную лабораторию МТ- Сколтех. В прошлом постдок в Гамбурском университете и Дармштадском техническом университете в Германии. Получил PhD в области компьютерной лингвиситки в Католическом университете Лувена (Бельгия) Автор более 100 научных публикаций.

Профессор Сколтеха. Защитил диссертацию в МГУ им. М.В. Ломоносова по специальности физика полимеров. Выиграл грант немецкого научного общества. Изучал вопросы аномальных случайных процессов, неравновесных систем и оптимизации поиска в Техническом университете Мюнхена и университете Потсдама. Две из опубликованных в тот период статьи превзошли отметку в 100 цитирований на работу. Работал в Кембриджском университете, где опубликовал серию работ по механике неупорядоченных систем (стекол). С 2019 года работает в Сколтехе, где занимается вопросами на стыке применения теории случайных процессов и машинного обучения, а также вопросами статистической физики.

Получить расшифровку Расшифровать своего генома, сделать трехмерные МРТ или провести анализ всех метаболитов организма сегодня могут многие люди может каждый человек практически в разных любой точке мира. Современные экспериментальные методы позволяют собирать большие массивы данных о работе организма, а их анализ уже сегодня начал приводить к новому уровню диагностики и прогноза течения заболеваний, а также к созданию систем поддержки врачебных решений и планирования лечения. Но чтобы построить по ним модели машинного обучения нужны новые подходы и методы. Что сегодня необходимо для их создания? Какие подходы к сбору, обработке и разметке биомедицинских данных сегодня существуют и как по ним строят современные модели машинного обучения?Получить расшифровку своего генома, сделать трехмерные МРТ или провести анализ всех метаболитов организма сегодня может каждый человек практически в любой точке мира. Современные экспериментальные методы позволяют собирать большие массивы данных о работе организма, а их анализ уже сегодня начал приводить к новому уровню диагностики и прогноза течения заболеваний, а также к созданию систем поддержки врачебных решений и планирования лечения. Но чтобы построить по ним модели машинного обучения нужны новые подходы и методы. Что сегодня необходимо для их создания? Какие подходы к сбору, обработке и разметке биомедицинских данных сегодня существуют, и как по ним строят современные модели машинного обучения?

Кандидат физико-математических наук, руководитель группы Интеллектуальной обработки сигналов и изображений Центра прикладного ИИ Сколтеха. Занимается разработкой и внедрением методов и технологий анализа разнородных мультимодальных данных, в том числе изображений, сигналов и омиксных данных для биомедицинских задач.