-
Программа
ML Residency
предоставляет возможность принять участие в исследованиях мирового уровня в сфере машинного обучения.
Организаторы программы — Yandex Research и ВШЭ. Резиденты программы смогут заниматься прикладными и теоретическими исследованиями в области машинного обучения, работать над сложными проектами, публиковаться на ведущих научных конференциях (например, NeurIPS, ICML, ICLR, CVPR), вносить вклад в высокотехнологичные сервисы.
Резиденты будут работать вместе с исследователями Yandex Research, которые выступят в роли наставников и кураторов. Совместно они выбирают исследовательские проблемы в таких направлениях, как компьютерное зрение, речевые и диалоговые системы, обработка естественного языка и другие области машинного обучения, разрабатывая новые решения для них.
Мы ждем специалистов с любым уровнем подготовки — от студента в области машинного обучения до опытного исследователя из смежных дисциплин, например, математики, физики или компьютерных наук. Если вы интересуетесь машинным обучением и алгоритмами, следите за последними статьями с конференций и верите в себя как будущего ML-исследователя, мы будем рады с вами пообщаться.
С нашей стороны — перспективные задачи, вычислительные мощности и внимание к вашим идеям.
У нас вы сможете:
- Разрабатывать новые технологии;
- Проводить эксперименты;
- Писать статьи о результатах исследований;
- Представлять свои результаты на ведущих международных конференциях;
- Посещать курсы по машинному обучению в Школе анализа данных.
Студенты МФТИ и ВШЭ могут засчитать участие в ML Residency в рамках своей магистерской или кандидатской диссертации.
Участие в программе оплачивается и предполагает полную либо частичную занятость по согласованию.
Программа проходит в Москве.
Присоединяйтесь к нам, если вы:
- Хорошо подготовлены в области математики и алгоритмов;
- Имеете навыки программирования на Python (или С++), достаточные для проведения экспериментов;
- Хотите регулярно читать и анализировать научные публикации;
-
Хотите развиваться как учёный в области современного ML.
Заполните анкету на сайте
Ответы на задания и мотивационное письмо лучше написать на английском языкеСделайте разбор научной статьи
Список статей для разбора мы пришлём вам дополнительно
Пройдите собеседования
Обычно 2-3 интервью на проверку знаний математики и машинного обучения- Станьте резидентом ML ResidencyС рабочим местом в офисе Яндекса в отделе Research
Руководители исследований
Артём Бабенко, PhD
Область научных интересов:
- — анализ данных
- — компьютерное зрение
- — машинное обучение
Публикации:
доступны по ссылке
Людмила Прохоренкова, PhD
Область научных интересов:
- — градиентный бустинг
- — анализ графов
- — машинное обучение
Публикации:
доступны по ссылке
Андрей Малинин, PhD
- — вероятностный ML
- — оценка неопределенности
- — устойчивость к сдвигам
- — распознавание и синтез речи
- — беспилотники
Публикации:
доступны по ссылке
Андрей Войнов, PhD
Область научных интересов:
- — генеративные модели
- — unsupervised learning
- — интерпретируемость глубоких моделей
Публикации:
доступны по ссылке
Антон Осокин, PhD
Область научных интересов:
- — анализ и синтез программ
- — машинное обучение
- — обработка естественного языка
- — компьютерное зрение
Публикации:
доступны по ссылке
Иван Анохин
Область научных интересов:
- — self-supervised learning in computer vision, self-supervised object-centric learning
- — generative models, GANs, conditional GANs
- — ensemble methods in neural networks, structure of neural network loss surface
Публикации:
доступны по ссылке
Денис Корженков
Область научных интересов:
- — генеративные модели в компьютерном зрении
- — применение методов обработки сигналов в глубоком обучении
Публикации:
доступны по ссылке
Артём Бабенко, PhD
Область научных интересов:
- — анализ данных
- — компьютерное зрение
- — машинное обучение
Публикации:
доступны по ссылке
Людмила Прохоренкова, PhD
Область научных интересов:
- — градиентный бустинг
- — анализ графов
- — машинное обучение
Публикации:
доступны по ссылке
Андрей Малинин, PhD
- — вероятностный ML
- — оценка неопределенности
- — устойчивость к сдвигам
- — распознавание и синтез речи
- — беспилотники
Публикации:
доступны по ссылке
Андрей Войнов, PhD
Область научных интересов:
- — генеративные модели
- — unsupervised learning
- — интерпретируемость глубоких моделей
Публикации:
доступны по ссылке
Антон Осокин, PhD
Область научных интересов:
- — анализ и синтез программ
- — машинное обучение
- — обработка естественного языка
- — компьютерное зрение
Публикации:
доступны по ссылке
Иван Анохин
Область научных интересов:
- — self-supervised learning in computer vision, self-supervised object-centric learning
- — generative models, GANs, conditional GANs
- — ensemble methods in neural networks, structure of neural network loss surface
Публикации:
доступны по ссылке
Денис Корженков
Область научных интересов:
- — генеративные модели в компьютерном зрении
- — применение методов обработки сигналов в глубоком обучении
Публикации:
доступны по ссылке
