Евгений Бурнаев «Статистические задачи оценки многообразий для предсказательного моделирования»

Время проведения: 6 декабря в 18:30

Место проведения: 115 КПМ

Лектор: Евгений Бурнаев — Доцент Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных, канд. физ.-мат. наук. В 2006 году получил степень магистра прикладной физики и математики МФТИ. После защиты диссертации в 2008 году работал в ИППИ РАН руководителем лаборатории интеллектуального анализа данных и предсказательного моделирования. С 2007 года принимал участие в ряде проектов с такими компаниями, как Airbus, SAFT, IHI, Sahara Force India Formula 1 team, и др. В настоящее время Евгений руководит научной группой Advanced Data Analytics in Science and Engineering в Сколтехе и специализируется на приложениях в области индустриальной аналитики и разработке соответствующих методов машинного обучения. Основные направления исследований связаны с построением предиктивных моделей для оптимизации технологических процессов и 3D компьютерном зрении с приложениями в медицине. В 2017 г. Евгений Бурнаев стал лауреатом премии Правительства Москвы молодым ученым в номинации «Передача, хранение, обработка, защита информации» по теме «Разработка методов предсказательной аналитики в задачах обработки индустриальных, биомедицинских и экономических данных»

Аннотация: Задачи предсказательного моделирования требуют обработки многомерных данных, и из-за т.н. проклятия размерности использование многих методов для их решения затруднено. В приложениях реальные данные зачастую занимают лишь очень малую часть пространства наблюдений, внутренняя размерность которого существенно ниже размерности самого пространства. Популярной моделью для таких данных является модель многообразия, в соответствии с которой данные лежат на неизвестном низкоразмерном многообразии (Data Manifold, DM), встроенном в окружающее высокоразмерное пространство. Задачи предсказательного моделирования, изучаемые в рамках этого предположения, называются задачами оценки многообразий, общей целью которых является обнаружение низкоразмерной структуры многомерных данных по заданной выборке точек. Если точки выборки порождаются в соответствии с неизвестной вероятностной мерой на DM, возникают статистические задачи оценки многообразий. В докладе мы представим краткий обзор этих задач, и обозначим некоторые подходы к их решению.