Большинство наших разработок в области анализа данных и машинного обучения тесно связаны с научной деятельностью проводимой на факультете информационных технологий и программирования Санкт-Петербургского исследовательского университета информационных технологий, механики и оптики (ИТМО). Участники нашей команды – молодые ученые, сотрудники научных лабораторий университета и участники исследовательских проектов, реализуемых совместно с ведущими российскими и международными институтами. Мы очень гордимся тем, что наши технологии и продукты разрабатываются на стыке математики, программирования, визуализации больших данных и находят применение в различных областях повседневной человеческой деятельности.

Основная тематика исследований связана с разработкой алгоритмов автоматического построения моделей машинного обучения. Наши исследования ведутся в таких областях, как:

✔ Кластеризация данных
✔ Выбор моделей
✔ Выбор признаков
✔ Нейронные сети
✔ Обработка естественного языка
✔ Машинное зрение
✔ Анализ социальных сетей
✔ Байесовские сети
✔ Обучение с подкреплением
✔ Прогнозирование
✔ Рекомендательные системы
✔ Выбор вспомогательных критериев
✔ Разработка API для библиотек машинного обучения TensorFlow, Caffe, Theano

Наши научные работы публикуются в рецензируемых журналах в России и за рубежом.

―Избранные публикации:―

1. Zabashta A., Smetannikov I., Filchenkov A. Rank aggregation algorithm selection meets feature selection [MLDM 2016]
2. Efimova V., Filchenkov A., Shalyto A. Reinforcement-based Simultaneous Algorithm and its Hyperparameters Selection [AWRL@ACML 2016]
3. A. Filchenkov, A. Pendryak Datasets Meta-Feature Description for Recommending Feature Selection Algorithm
4. Smetannikov I., Filchenkov A. MeLiF: Filter Ensemble Learning Algorithm for Gene Selection [Symintech 2016]
5. Smetannikov I., Varlamov E., Filchenkov A. Swarm MeLiF: Feature Selection with Filter Combination Found via Swarm Intelligence [FIERCES ON BICA 2016]
6. Isaev I., Smetannikov I. MeLiF+: Optimization of Filter Ensemble Algorithm with Parallel Computing [AIAI 2016]
7. Smetannikov I., Isaev I., Filchenkov A. New Approaches to Parallelization in Filters Aggregation Based Feature Selection Algorithms [YSC 2016]
8. Smetannikov I., Deyneka A., Filchenkov A. Meta learning application in rank aggregation feature selection [ISCMI 2016]
9. Konoplich G., Putin E., Filchenkov A. Application of Deep Learning to the Problem of Vehicle Detection in UAV Images [SCM 2016]
10. Khanzhina N., Putin E. Pollen Recognition for Allergy and Asthma Management using GIST features [DTGS 2016]
11. Golubtsov N., Galper D., Filchenkov A. Active adaptation of expert-based suggestions in ladieswear recommender system LookBooksClub via reinforcement learning
12. Samborskii I., Filchenkov A., Farseev A., Korneev G. Person, organization or character: prediction of Twitter account category based on textual features
13. Efimova V., Shalamov V., Filchenkov A. Synthetic Dataset Generation for Text Recognition with Generative Adversarial Networks
14. Kachalsky I., Zabashta A., Filchenkov A., Korneev G. Generating Datasets for Classification Task and Predicting Best Classifiers with Conditional Generative Adversarial Networks