Образование и ученая степень:

  • Бакалавриат — МФТИ, специальность «прикладные математика и физика» (2017-2021 гг.);
  • Магистратура — МФТИ, специальность «прикладные математика и физика» (2021-2023 гг.);
  • Аспирантура — МФТИ специальность 1.2.1  «Искусственный интеллект и машинное обучение» (2023 г. — н.в.).

Область научных интересов: исследования в области доверенного искусственного интеллекта, особое внимание уделяется исследованиям на пересечении при одновременном обеспечении сразу нескольких критериев доверия (например, обеспечение одновременной интерпретируемости и защищенности моделей ИИ). AutoML. Домены данных: графы, изображения, временные ряды, табличные данные.

Опыт подготовки курсов/программ/лекций:

  • преподаватель смены доверенного искусственного интеллекта в Сириусе;
  • подготовка и проведение лекций в МГУ им. М.В. Ломоносова;
  • разработка кандидатского экзамена и вступительного экзамена в аспирантуру по специальности 1.2.1.

Руководство/консультация по дипломным и курсовым работам за последние два года:

  1. «Сравнение методов свёрток графовых нейросетей», 2023.
  2. «Интерпретация отдельных нейронов в графовых нейросетевых алгоритмах обнаружения аномалий», 2023.
  3. «Усовершенствованный поиск архитектур в граафовом autoML: расширение и динамическая приоритизация пространства поиска для повышения эффективности», 2024.
  4. «Взаимосвязь интерпретируемости и защищенности моделей машинного обучения», 2024.
  5. «Взаимосвязь методов защиты моделей машинного обучения от различных типов угроз», 2024.

Публикации за последние два года:

  1. Adversarial Attacks and Defenses in Automated Control Systems: A Comprehensive Benchmark; 2024; Q1.
  2. AADMIP: Adversarial Attacks and Defenses Modeling in Industrial Processes; 2024; A*.
  3. A study of graph neural networks for link prediction on vulnerability to membership attacks; 2023.
  4. Model Mimic Attack: Knowledge Distillation for Provably Transferable Adversarial Examples 2024; A* (подано).
  5. Экстраполяция байесовского классификатора при неизвестном носителе распределения смеси двух классов, 2024.
  6. Graph Neural Network for Crawling Target Nodes in Social Networks; 2022.
  7. Так ли безопасна интерпретируемость ИИ: взаимосвязь интерпретируемости и защищенности моделей машинного обучения; 2024.
  8. Усовершенствованный поиск архитектур в графовом autoML: расширение и динамическая приоритизация пространства поиска для повышения эффективности; 2024.
  9. Detecting and Eliminating Covariate Shifts in Data for a More Robust HDD Failure Prediction; 2024.