DSA Faculty
API
← к списку преподавателей

Незнанов Алексей Андреевич

Факультет компьютерных наук

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 22672 | +7 (985) 761-35-16
Публикаций
70
Языков
2
Наград
8
Конференций
0
Профиль Публикации (70) Курсы (10)

Профессиональные интересы

прикладная теория графовинтеллектуальный анализ данныхмедицинская информатикапрограммная инженериячеловеко-машинные интерфейсы27.45.17 Теория графов28.29.00 Системный анализ27.41.41 Алгоритмы решения задач вычислительной и дискретной математики50.05.09 Языки программирования50.41.21 Системы управления базами данных (СУБД)20.23.17 Информационно-поисковые массивы. Базы данных. Манипулирование данными и файлами20.23.25 Информационные системы с базами знаний50.05.13 Технология программирования. Автоматизация программирования. Программотехника50.41.29 Программное обеспечение пользовательского интерфейса50.41.17 Системное программное обеспечение27.47.23 Математические проблемы искусственного интеллекта28.23.24 Модели восприятия информации в интеллектуальных системах28.23.29 Программная реализация интеллектуальных систем

Должности

  • ДоцентФакультет компьютерных наук, Департамент анализа данных и искусственного интеллекта
  • ДоцентФакультет компьютерных наук, Департамент программной инженерии

Био

  • · Начал работать в НИУ ВШЭ в 2008 году.
  • · Научно-педагогический стаж: 9 лет.

Образование

  • 2011 · Ученое звание: Доцент
  • 2005 · Кандидат наук: Московский энергетический институт, специальность 05.13.11 «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», тема диссертации: Методы и программные средства различения расположения фрагментов графовых моделей систем
  • 2002 · Магистратура: Московский энергетический институт (технический университет), Институт автоматики и вычислительной техники, специальность «Прикладная математика и информатика», квалификация «Магистр математики. Преподаватель высшей школы.»
  • 2000 · Бакалавриат: Московский энергетический институт (технический университет), специальность «Прикладная математика и информатика», квалификация «Бакалавр»

Опыт работы

  • · Международная лаборатория интеллектуальных систем и структурного анализа.
  • · Старший научный сотрудник.
  • · Департамент анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ.
  • · Доцент.
  • · Федеральное государственное бюджетное учреждение «Федеральный научно-клинический центр детской гематологии, онкологии и иммунологии имени Дмитрия Рогачева» Минздрава России.
  • · Заведующий информационно-аналитическим отделом.
  • · Отделение прикладной математики и информатики НИУ ВШЭ.
  • · Доцент. Зам. зав. отделением. Читал курсы «Практикум на ЭВМ», «Базы данных и экспертные системы», «Объектно-ориентированные CASE-технологии», «Распределённые вычисления».
  • · Институт автоматики и вычислительной техники МЭИ (ТУ).
  • · Ассистент. Читал курсы «Распределённые информационные системы и базы данных», «Теория графов и комбинаторика», «Проектирование программного обеспечения автоматизированных систем». Занимался научной работой.
  • · Факультет инноваций и высоких технологий МФТИ.
  • · Доцент. Поставил и читал курсы «Проектирование взаимодействия с пользователем», «Распределённые информационные системы (клиент-серверные приложения)».
  • · Институт технологии, экономики и предпринимательства МЭИ (ТУ).
  • · Старший преподаватель. Поставил и читал курс «Управление организационными изменениями».
  • · Институт автоматики и вычислительной техники МЭИ (ТУ).
  • · Младший научный сотрудник.
  • · OOO «Фирма Перспектива».
  • · Программист.

Награды и поощрения

  • · Благодарственное письмо ректора НИУ ВШЭ (сентябрь 2021)
  • · Благодарность проректора НИУ ВШЭ (апрель 2019)
  • · Почетная грамота Высшей школы экономики (декабрь 2015)
  • · Благодарность Высшей школы экономики (ноябрь 2013)
  • · Надбавка за академическую работу (2021–2022, 2017–2018, 2016–2017, 2014–2015, 2013–2014, 2012–2013, 2011–2012)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2019–2021)
  • · Лучший преподаватель — 2020, 2016, 2011
  • · Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ)Категория "Будущие профессора" (2011–2012)Категория "Новые преподаватели" (2009–2010)

Гранты и проекты

  • · на соискание учёной степени кандидата наук

Идентификаторы исследователя

Публикации (70)

Interpretable Machine Learning in Guided Synthesis of Stable Sols Based on Nanosized Titanium Oxides

2026 · CHAPTER · en

This report discusses the guided synthesis of sols containing nanosized titanium(IV) oxides for use in biological and medical applications. These sols vary in size (from ∼2 up to 2000nm) and different stability (from 0 up to 90 days). They are synthesized under changing fabrication conditions (temperature, hydrolysis duration, titanium-containing precursors composition and concentration) without surfactants. A specific set of machine learning tools was developed for well interpretable analysis of experimental data. These tools were used in three experimental stages to optimize the three functional characteristics of the synthesized sols changing by five synthesis parameters. The result is a, universal minimalist mechanism for guided synthesis, which allows the relationships between synthesis parameters and functional characteristics to be studied in various experiments.

Использование реактивных сред для вычислительных экспериментов в химии и материаловедении

2025 · CHAPTER · ru

Ведение современных исследований сопряжено с использованием различных вычислительных модулей, при этом исследователь часто не обладает широким набором IT-компетенций. Существенно повысить эффективность работы с вычислительными модулями может использование реактивной среды со стандартизированным набором компонентов управления, визуализаторов, инструментов доступа к данным, гарантирующей воспроизводимость, интерактивность и повторное использование получаемых артефактов. В работе раскрываются преимущества использования реактивных интерактивных блокнотов в системах анализа результатов натурных/вычислительных экспериментов в химии и материаловедении. Рассматриваются современные открытые стеки, проверяется скорость разработки, внедрения и эволюции расчестных модулей с точки зрения архитектора, инженера данных, программиста, лаборанта и аналитика. Анализируются интерактивный доступ к аналитическим инструментам, совмещающим формализованное знание, имитационные модели и хорошо интерпретируемое машинное обучение. Аргументация опирается на комплексные исследовательские проекты, включая направленный синтез.

Интеллектуальная гармонизация и трансформация данных механизированной добычи на основе открытых решений

2024 · CHAPTER · ru

Сложность задач обработки данных в корпоративных информационных системах нефтегазовой отрасли постоянно растёт в том числе в связи с постоянным ростом количества и разнообразия данных, что требует внедрения современных методологий и инструментов управления данными и знаниями. Многие архитектурные решения уже апробированы консорциумом OSDU, но в условиях локализации и быстро изменяющегося IT-ландшафта необходима не просто попытка повторить известные архитектуры на открытых компонентах, но и улучшить их, собрав минималистичный вариант комплексного онтологически контролируемого ETL с учётом гетерогенных источников данных и их версионирования. В докладе предлагается вариант минималистичной архитектуры комплексного ETL на открытых компонентах, созданной в компании "Шлюмберже" при разработке нового поколения систем мониторинга и управления механизированной добычей, развёртываемых в частных облачных окружениях. Также приводится таблица основных компонентов и критерии обоснования их выбора.

Современные методы анализа временных рядов в мониторинге и прогнозировании состояния оборудования для механизированной добычи

2024 · CHAPTER · ru

С развитием систем мониторинга мы получили возможность собирать ключевые показатели работы устройств в процессе механизированной добычи. Каждый день генерируется огромное количество телеметрии, которая пройдя процесс гармонизации и трансформации может быть использована для прогнозирования состояния оборудования. В докладе представлен обзор и произведён отбор современных математических методов и программных реализации инструментов анализа многомерных нерегулярных временных рядов для решения задач поиска аномалий, изменения режимов работы и прогнозирования аварийных отказов оборудования. Эти методы тестируются компанией Шлюмберже в новом поколении компонентов предиктивной аналитики, расширяющих функциональность системы мониторинга и управления погружным оборудованием.

Среда Онтологически Контролируемых Вычислительных Экспериментов в Химии и Материаловедении

2024 · CHAPTER · ru

Работа раскрывает основные принципы, проектные решения и инструменты, которые легли в основу программной системы для анализа результатов реальных экспериментов и проведения вычислительных экспериментов в химии и материаловедения. Акцент сделан на формализации знания на нескольких уровнях и повышении эффективности работы экспертов предметной области за счёт обогащения классического представления данных разделяемыми онтологиями. Это, в свою очередь, облегчает выполнение комплексных исследовательских проектов, особенно при необходимости решения взаимосвязанных оптимизационных задач, в частности, при направленном синтезе соединений и создания на их основе материалов.

Interactive Research Toolbox for Chemical Compounds Analysis Based on Well-interpretable ML Methods

2024 · CHAPTER · en

This paper provides an overview of tool for computational experiments, which are utilized in the realm of compound property analysis. Moreover, it outlines the initial outcomes of developing a novel research toolbox system that concentrates on exploring the interpretability and explainability of machine learning outcomes. The proposed solution is based on open-source tools and offers a convenient approach to address specific material science issues. The efficacy of this solution is currently being tested on problems related to compound synthesis optimization, antibacterial activity analysis, and other related areas.

Ontology-Controlled Automated Cumulative Scaffolding for Personalized Adaptive Learning

2022 · CHAPTER · en

Различение хаотических и регулярных временных рядов для идентификации состояния артериовенозной фистулы

2022 · ARTICLE · ru

Распространенность хронической болезни почек ежегодно растет и уже сопоставима с такими социально значимыми заболеваниями, как гипертоническая болезнь и сахарный диабет, а также с ожирением и метаболическим синдромом [1,2]. Стандартным решением для гемодиализных пациентов является создание постоянного сосудистого доступа а виде артерио-венозной фистулы. Однако, ее использование ограничивается частыми тромбозами, что влечет за собой риски для жизни пациента. В данной работе предлагается метод автоматической классификации рядов отвечающих, нормально и патологически функционирующей фистулам. Метод основывается на гипотезе о том, что нормально функционирующей фистуле соответствует течение крови, близкое к ламинарному, а патологически функционирующей – близкое к турбулентному. С математической точки зрения мы рассматривали задачу различения регулярных и хаотических временных рядов. Для решения указанной задачи было рассмотрено два метода различения хаотических рядов от регулярных. Первый предполагает отыскание позиции ряда на плоскости энтропия-сложность. Далее указанная позиция сравнивается с выявленными кластерами значений множества временных рядов. Второй (предложенный авторами) метод предполагает построение объектно-атрибутного графа в рамках концепции анализа формальных понятий. Оба используемых метода оказались эффективными в определении состояния фистулы, второй метод был более оптимальным для определения тромбированных фистул.

The Lessons of Forced Distance Learning: Software Engineering Approach in the Gap of Generations of Educational Software

2021 · CHAPTER · en

Cloud-Based Education: Why Corporate Educational Platforms Lead Total Distance Learning Shift?

2021 · CHAPTER · en

Recently the World faced force push to distant learning caused by COVID-19 disease. Statistical numbers show a notable increasing number of users of corporate educational solutions utilizing cloud architecture. However, non-cloud-based learning tools do not meet this growth. In this work the authors consider the causes of that contradictory behaviour and present an explanation based on differences between two types of these educational systems. Also, the authors formulate an interpretation giving a list of extracted technologies or product features that allow corporate solutions to quickly gain popularity among educational society. In addition, clear examples of their connection to learning methods that can improve teaching, learning, and the last, but not the least a user’s experience are provided. And finally, the authors highlight a sig- nificant role of integration and interoperability standards supporting easy com- ponents replacement and scaling.

Курсы (10)