CV

<!DOCTYPE html>

Aleksey Morozov
å | D | H | ã |
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
machinelearning.ru
Образование
МФТИ Москва
магистратура Сен. 2016 – Авг. 2018
•
ФУПМ, кафедра «Интеллектуальные системы»
•
специализация «Интеллектуальный анализ данных»
•
GPA, 4.6/5
аспирантура Сен. 2018 – настоящее время
•
Верификация моделей нестационарных зависимостей
КНУ им. Тараса Шевченко Киев
бакалавриат Сен. 2012 – Авг. 2016
•
факультет кибернетики, специальность прикладная математика
•
GPA, 4.5/5
Дополнительное образование
ШАД Москва
Data science Авг. 2019 – Июнь 2021
Корпоративный университет Сбербанка Москва
Академия риск-менеджмента Нояб. 2018 – Май 2019
Тинькофф Финтех Школа Москва
Управление рисками и курс Финтех-тренды Окт. 2017 – Май 2018
Опыт работы
Младший научный сотрудник, исследователь Сен. 2019 – настоящее время
МФТИ – кафедра «Интеллектуальные системы»
•
Создание единой методологии построения алгоритмов восстановления широкого класса
зависимостей по большим массивам эмпирических данных в терминах обобщенных
линейных моделей
•
Разработка методологии дифференциальной кроссвалидационной схемы для подбора
гиперпараметров в обобщенных линейных моделях
•
Реализация схемы для подбора гиперпараметров путем дифференциальной
кросс-валидации
Член жюри Сен. 2016 – Июль 2017
Олимпиада «Ломоносов» Москва
•
организацие и проведение олимпиады
•
проверка работ учасников
Преподаватель математики Сен. 2014 – Авг. 2015
ZNOUA Киев
•
3 класса выпускников
•
базовая и углубленная математика
Член жюри, оргкомитет Сен. 2012 – Авг. 2016
Всеукраинское олимпиадное движение Киев
•
организация, проведение множества амтематических олимпиад и турниров
•
проверка работ, проведение матбоев, занятия со школьниками
Основные публикации
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors
Constrained Regularized Regression Model Search in Large Sets of Regressors Июль 2018
•
Sparse constrained regression; Returns based analysis of invest portfolios; Investment portfolio
composition
•
DOI: 10.1007/978-3-319-96133-0_30
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces
•
computational complexity, learning (articial intelligence), pattern recognition, regression
analysis
•
DOI: 10.1109/SIBIRCON48586.2019.8958417
Выступления на конференциях
• «Алгоритмическая реализация методологии оценивания состава инвестиционных
портфелей». Интеллектуализация обработки информации, октябрь 2018, Гаэта,
Италия. DOI: 10.30826/IDP201845
• «Последовательное восстановление обобщенных линейных моделей зависимостей
по возрастающей обучающей совокупности». Математические методы
распознавания образов, ноябрь 2019, Москва.
Гранты (РФФИ)
• 19-37-90159 «Алгоритмы линейной вычислительной сложности для
восстановления зависимостей по большим массивам эмпирических данных»
• 20-07-00382 «Методы снижения вычислительной сложности алгоритмов
восстановления зависимостей в больших массивах эмпирических данных»
Навыки
Языки: Python, C/C++, L
A
T
E
X
Человеческие языки: Русский, Английский, Украинский
Инструменты разработчика: Jupyter Notebooks, VS Code
Библиотеки: pytorch, keras, transformers, plotly, neptune, ampligraph, dask, jax, skimage, nltk, etc.