Науки о данных и предсказательное моделирование

Четверг, 27 сентября, 15.00–17.05

Университет Иннополис, 3 этаж, читальный зал, зона А

Руководитель секции: Михаил Беляев

 

15.00 – 15.20   

Ответ на общий вопрос: семантика слова НЕТ

Светлана Тимошенко

15.20 – 15.40

Etalog - a natural-looking knowledge representation formalism

Ivan Rygaev

15.40 – 16.00           

Использование синтаксических признаков при построении морфологического теггера на основе GRU

Андрей Мовсесян

16.00 – 16.20

Синтез медицинских изображений с помощью циклических генеративно-состязательных сетей

Владимир Кондратенко

16.20 – 16.35

Глубокие сверточные сети в задаче классификации томограмм головного мозга, пораженного микроангиопатией и рассеянным склерозом

Софья Якушева

16.35 – 16.50

Fine-tuning Convolutional Neural Networks for Ischemic Stroke Lesion Segmentation Based on CT Images

Mikhail Goncharov

16.50 – 17.05

Предсказание дебюта болезни Альцгеймера методами обучения представлений и анализа выживаемости

Алексей Домрачев

 

Четверг, 27 сентября, 17.35–19.30

Университет Иннополис, 3 этаж, читальный зал, зона А

Руководитель секции: Михаил Беляев

 

17.35 – 17.55

What can we learn from 10 years of ITaS collaboration?

Anvar Kurmukov

17.55 – 18.15    

Построение вложений вершин графов с помощью максимизации расстояния Вассерштейна

Станислав Цепа

18.15 – 18.35

Восстановление матриц в задаче предсказания лекарственной устойчивости бактерий туберкулеза

Мария Буркина

18.35 – 18.50    

Гетероскедастичные гауссовские процессы и их применение для байесовской оптимизации

Максим Колодяжный

18.50 – 19.10

Сравнительный анализ: оценка влияния шизофрении на формы субкортикальных структур головного мозга

Аягоз Мусабаева

19.10 – 19.30

Анализ воздействия деформаций земной поверхности на процесс подготовки сильных землетрясений

Константин Петров

 

Науки о данных: Постерные доклады

Н1. Towards Hypothesis Testing for Random Graphs with Community Structure. Valentina Shumovskaia.

Н2. Сравнение ядерного алгоритма k-средних с методом Уорда в задачах кластеризации на графах. Николай Козырский.

Н3. Реализация алгоритма Grassman&Stiefel Eigenmaps на языке Python. Андрей Афонин.

Н4. Классификация метастаз головного мозга по анатомическим областям. Алексей Шевцов.

Н5. Прогнозирование клинически значимого ухудшения функционального статуса у носителей мутации болезни Гентингтона на основании данных наблюдательного исследования Enroll-HD. Игорь Медведев.

Н6. Влияние предобработки и аугментации данных на качество сегментации гиперинтенсивности белого вещества методами глубокого обучения. Борис Широких.

 

О платформе «Науки о данных»:

Науки о данных – новая междисциплинарная область знаний, которая под влиянием быстро растущих запросов от широкого круга научных и прикладных проблем выделилась в XXI веке в отдельную академическую и университетскую дисциплину, основанную на взаимодействии методов математики, интеллектуального анализа данных, визуализации и машинного обучения, а также теоретической информатики. Науки о данных являются научной основой для современных индустриальных технологий обработки данных, сигналов, изображений и распознавания образов; задач прогноза и выявления зависимостей, взаимосвязей, регуляторных механизмов и их эволюции.

Методы, основанные на данных предсказательного моделирования, служат доказательной базой для принятия эффективных научно-технических решений о структуре и параметрах проектируемых систем или исследуемых явлений, для прогнозирования их поведения при различных воздействиях и условиях окружающей среды.

Тематика платформы включает в себя работы по передовым методам машинного обучения, статистики, оптимизации и смежным дисциплинам, формирующим современные науки о данных.