Участник:Dj
Материал из MachineLearning.
(Различия между версиями)
(→Полезное) |
|||
| (14 промежуточных версий не показаны.) | |||
| Строка 5: | Строка 5: | ||
|[[Изображение:AvDyakonov.jpg]] | |[[Изображение:AvDyakonov.jpg]] | ||
|'''Дьяконов Александр Геннадьевич''' | |'''Дьяконов Александр Геннадьевич''' | ||
| - | + | ООО "ВК",<br/> | |
| + | руководитель отдела исследований | ||
<br/> | <br/> | ||
| - | |||
<br/> | <br/> | ||
| - | + | Лектор программы [https://aimasters.ru/ AI Masters] | |
<br/> | <br/> | ||
| + | <br/> | ||
| + | Выпускник факультета [[ВМиК МГУ|ВМК]] [[МГУ]], [http://lnip.su/ школы научно-инженерного профиля №4 г. Королёв]. | ||
| + | |||
<br/> | <br/> | ||
| Строка 16: | Строка 19: | ||
|} | |} | ||
| - | == | + | == Личный сайт == |
| - | [https://dyakonov.org dyakonov.org] | + | * Персональная информация [https://dyakonov.org/ag/ dyakonov.org/ag/] |
| + | * Блог [https://dyakonov.org dyakonov.org] | ||
| - | == | + | == Полезное == |
| - | https:// | + | * Большое интервью: [https://ozonmasters.ru/page19938687.html «С собой соревноваться интереснее - выиграть или проиграть невозможно»]. |
| + | |||
| + | * Интервью [https://www.youtube.com/watch?v=0sa8XT0oC9o «История развития Data Science в России»] | ||
| + | |||
| + | * Подкаст «Сила Тока» [https://youtu.be/3DOoeYB_k3c «Решение реальных бизнес-задач с помощью анализа данных»] | ||
| + | |||
| + | * Мини-лекции на сайте Постнаука: [http://postnauka.ru/video/34960 одна] и [https://postnauka.ru/video/53575 вторая]. | ||
== Научные интересы == | == Научные интересы == | ||
* машинное обучение (machine learning) и прикладные задачи анализа данных (data mining) | * машинное обучение (machine learning) и прикладные задачи анализа данных (data mining) | ||
* алгебраический подход и теория интерполяции | * алгебраический подход и теория интерполяции | ||
| - | * дискретная математика | + | * дискретная математика |
| + | == Старые курсы == | ||
| - | + | В прошлом - профессор кафедры «[[Математические методы прогнозирования (кафедра ВМиК МГУ)|Математических методов прогнозирования]]» [[ВМиК МГУ|ВМК МГУ]], | |
| + | <br/> | ||
| + | руководитель спецсеминара '''[[Алгебра над алгоритмами и эвристический поиск закономерностей|«Алгебра над алгоритмами и эвристический поиск закономерностей»]]'''. | ||
| - | * обязательный курс для 3 потока бакалавров ВМК [https://github.com/Dyakonov/MLDM Машинное обучение и анализ данных (Machine Learning and Data Mining)] | + | * <strike> обязательный курс для 3 потока бакалавров ВМК [https://github.com/Dyakonov/MLDM Машинное обучение и анализ данных (Machine Learning and Data Mining)] </strike> |
| - | * спецкурс для бакалавров ВМК [[Введение в машинное обучение]] | + | * <strike> спецкурс для бакалавров ВМК [[Введение в машинное обучение]] </strike> |
| - | * обязательный курс для магистров ММП [[Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)|Прикладные задачи анализа данных]] | + | * <strike> обязательный курс для магистров ММП [[Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)|Прикладные задачи анализа данных]] </strike> |
| - | * курс для бакалавров ММП (лекции и семинары) [[Прикладная алгебра (часть I)]] | + | * <strike> курс для бакалавров ММП (лекции и семинары) [[Прикладная алгебра (часть I)]] </strike> |
| - | * экспериментальный курс для бакалавров ММП [https://github.com/Dyakonov/DL Глубокое обучение (Deep Learning)] | + | * <strike> экспериментальный курс для бакалавров ММП [https://github.com/Dyakonov/DL Глубокое обучение (Deep Learning)] </strike> |
| - | * программа в рамках проекта OzonMasters [https://ozonmasters.ru/ml Машинное обучение] | + | * <strike> программа в рамках проекта OzonMasters [https://ozonmasters.ru/ml Машинное обучение] </strike> |
Текущая версия
|
| Дьяконов Александр Геннадьевич
ООО "ВК",
Почта: djakonov+собака+мэил.ру |
Личный сайт
- Персональная информация dyakonov.org/ag/
- Блог dyakonov.org
Полезное
- Большое интервью: «С собой соревноваться интереснее - выиграть или проиграть невозможно».
- Подкаст «Сила Тока» «Решение реальных бизнес-задач с помощью анализа данных»
Научные интересы
- машинное обучение (machine learning) и прикладные задачи анализа данных (data mining)
- алгебраический подход и теория интерполяции
- дискретная математика
Старые курсы
В прошлом - профессор кафедры «Математических методов прогнозирования» ВМК МГУ,
руководитель спецсеминара «Алгебра над алгоритмами и эвристический поиск закономерностей».
-
обязательный курс для 3 потока бакалавров ВМК Машинное обучение и анализ данных (Machine Learning and Data Mining) -
спецкурс для бакалавров ВМК Введение в машинное обучение -
обязательный курс для магистров ММП Прикладные задачи анализа данных -
курс для бакалавров ММП (лекции и семинары) Прикладная алгебра (часть I) -
экспериментальный курс для бакалавров ММП Глубокое обучение (Deep Learning)
-
программа в рамках проекта OzonMasters Машинное обучение
-
Алгоритмы, модели, алгебры, лекции -
Практикум на ЭВМ (317), архив: старый сайт -
«Математические основы теории прогнозирования» (3 поток 4 курса) в Казахстанском филиале МГУ. -
Спецкурс «Прикладные задачи анализа данных» -
Спецкурс «Булевы уравнения и проблема SAT» -
Мини-спецкурс «Шаманство в анализе данных» -
Спецкурс «Прикладной анализ данных» для бакалавров
Избранные статьи
- T. Grigorios, P. Apostolos, Q. Weining et al. Wise 2014 challenge: Multi-label classification of print media articles to topics // Lecture Notes in Computer Science. — 2014. — Vol. 8787. — P. 541–548.
- Дьяконов А.Г. Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей // Бизнес-информатика. — 2014. — Т. 1, № 27. — С. 68–77.
- Дьяконов А.Г. A blending of simple algorithms for topical classification // Lecture Notes in Computer Science. — 2012. — Vol. 7413. — P. 432–438.
- Дьяконов А.Г. Критерии вырожденности матрицы попарных l1-расстояний и их обобщения // Известия РАН. Серия математическая. — 2012. — Т. 2012, № 76:3. — С. 93–110.
- Дьяконов А. Г. Алгоритмы для рекомендательной системы: технология lenkor // Бизнес-информатика. — 2012. — № 1 (19). — С. 32–39.
