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

  • Доцент — Факультет компьютерных наук, Департамент анализа данных и искусственного интеллекта
  • Доцент — Факультет 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)

Predictive mathematical modelling of recurrence periods for the secondary distant metastases in patients with ER/PR/HER2/Ki-67 subtypes of breast cancer

2021 · CHAPTER · en

P108 - Predictive mathematical modelling of recurrence periods for the secondary distant metastases in patients with ER/PR/HER2/Ki-67 subtypes of breast cancer

DOI ↗ PDF ↗

Проект «зеркальная лаборатория»: успешное сотрудничество флебологов со специалистами по искусственному интеллекту //13-й Санкт-Петербургский Венозный Форум. (Рождественские встречи)

2021 · BOOK · ru

Накопленный объем знаний по анатомии, физиологии и патологии венозной системы нуждается в тщательном анализе. Однако, компетенций отдельного исследователя и даже их группы зачастую для этого недостаточно вследствие невозможности удерживать в памяти огромные массивы информации. В этом случае помощь способны оказать машинные способы обучения на основе нейронных сетей. И для достижения этой цели в рамках изучения анатомо-физиологических особенностей магистральных вен забрюшинного пространства был создан междисциплинарный проект «Интеллектуальный анализ данных в медицинских информационных системах - IDA4MIS», включающий специалистов в области сердечно-сосудистой хирургии, рентгенологии, практической математики и программирования.

Collaborative Learning in Data Science Education: A Data Expedition as a Formative Assessment Tool

2020 · CHAPTER · en

The paper addresses the questions of data science education of current importance. It aims to introduce and justify the framework that allows flexibly evaluate the processes of a data expedition and a digital media created during it. For these purposes, the authors explore features of digital media artefacts which are specific to data expeditions and are essential to accurate evaluation. The rubrics as a power but hardly formalizable evaluation method in application to digital media artefacts are also discussed. Moreover, the paper documents the experience of rubrics creation according to the suggested framework. The rubrics were successfully adopted to two data-driven journalism courses. The authors also formulate recommendations on data expedition evaluation which should take into consideration structural features of a data expedition, distinctive features of digital media, etc.

DOI ↗ PDF ↗

A Mathematical Model to Predict Diagnostic Periods for Secondary Distant Metastases in Patients with ER/PR/HER2/Ki-67 Subtypes of Breast Cancer

2020 · ARTICLE · en

Previously, a consolidated mathematical model of primary tumor (PT) growth and secondary distant metastasis (sdMTS) growth in breast cancer (BC) (CoMPaS) was presented. The aim was to detect the diagnostic periods for visible sdMTS via CoMPaS in patients with different subtypes ER/PR/HER2/Ki-67 (Estrogen Receptor/Progesterone Receptor/Human Epidermal growth factor Receptor 2/Ki-67 marker) of breast cancer. CoMPaS is based on an exponential growth model and complementing formulas, and the model corresponds to the tumor-node-metastasis (TNM) staging system and BC subtypes (ER/PR/HER2/Ki-67). The CoMPaS model reflects (1) the subtypes of BC, such as ER/PR/HER2/Ki-67, and (2) the growth processes of the PT and sdMTSs in BC patients without or with lymph node metastases (MTSs) in accordance with the eighth edition American Joint Committee on Cancer prognostic staging system for breast cancer. CoMPaS correctly describes the growth of the PT in the ER/PR/HER2/Ki-67 subtypes of BC patients and helps to calculate the different diagnostic periods, depending on the tumor volume doubling time of sdMTS, when sdMTSs might appear. CoMPaS and the corresponding software tool can help (1) to start the early treatment of small sdMTSs in BC patients with different tumor subtypes (ER/PR/HER2/Ki-67), and (2) to consider the patient almost healthy if sdMTSs do not appear during the different diagnostic periods.

DOI ↗ PDF ↗

A mathematical model to predict the diagnostics periods for the secondary distant metastases in patients with ER/PR/HER2/Ki-67 subtypes of breast cancer

2020 · CHAPTER · en

Previously, a mathematical model of primary tumor (PT) growth and secondary distant metastasis (sdMTS) growth in breast cancer (BC) (CoMPaS), considering the TNM classification, was presented. Nowadays, the updated model CoMPaS and the corresponding software tool can help to optimize the process of detecting the different diagnostic periods for sdMTSs in BC patients with different tumor subtypes ER/PR/HER2/Ki-67 and the growth rate of the PT and sdMTSs.

PDF ↗

Providing Cognitive Scaffolding Within Computer-Supported Adaptive Learning Environment for Material Science Education

2019 · CHAPTER · en

These day adaptivity is the cutting edge of modern education. Technologies are being developed rapidly and bringing new possibilities to educators. Thus, diverse types of adaptive learning environment have appeared during these last decades. Material Science and Engineering Education (MSEE) have a solid formalized foundation, which consists of standards, recommendations and clear rules. Moreover, investigators report on growing role of computer in teaching and learning in MSEE. These brings great perspectives to computer adaptive learning system based on a material science and engineering ontology. This paper aims to justify general pedagogical foundations of adaptivity and to collect requirements to a computer adaptive learning system. As an extra result we introduce the architecture of ontology-based adaptive learning system to MSEE.

DOI ↗ PDF ↗

Adaptive education and Open Educational Resources in vocational education and training

2019 · CHAPTER · en

This article is devoted to the issue of developing adaptive learning systems for vocational education and training (VET). Firstly, it justifies the urgency of developing and using personalized adaptive learning in vocational educational organizations. Specific features of the Russian VET system and its students are described, demonstrating a number of arguments for the importance of a search for new digital educational solutions. Secondly, the paper elaborates on the theoretical framework of personalization of vocational education and training, which takes into account the necessity for both skills and knowledge. Finally, the authors present a prototype of an adaptive educational system, which is based on ontologically-controlled management of learning trajectories. The developed software is aimed at improving the effectiveness of the VET material science curriculum.

The mathematical model for predicting the earliest diagnostics period of the secondary distant metastases growth process of breast cancer

2019 · ARTICLE · en

Previously, the mathematical models (CoMPaS and CoM-III) of primary tumor (PT) growth and secondary distant metastases (sdMTS) growth of breast cancer (BC) considering TNM classification have been presented (Tyuryumina E., Neznanov A.; 2017, 2018). Goal: To detect the earliest diagnostics period of visible sdMTS via CoMPaS and CoM-III.

DOI ↗ PDF ↗

Коллаборативные технологии в образовании: как выстроить эффективную поддержку гибридного обучения?

2019 · ARTICLE · ru

Современное образование существенно изменилось под влиянием повсеместно проникающих в него цифровых решений, становятся популярными ранее невозможные формы организации учебного процесса. Одной из таких форм является гибридное обучение, поддержка которого стала возможной повсеместно благодаря глобальному распространению и конвергенции телекоммуникационных технологий, а также созданию облачных информационных систем учебного назначения. Цифровые технологии приносят не только видимые прелести автоматизации рутинных операций, но и становятся причиной переосмысления и трансформации ставших привычными процессов не только в преподавании, но и в управлении современным образованием. Данная работа сфокусирована на возможностях, предоставляемых коллаборативными информационными технологиями поддержки учебного процесса, и отвечает на некоторые важные вопросы, связанные с организацией эффективной поддержки гибридного обучения, в том числе на уровне управления.

DOI ↗ PDF ↗

Using Data Expedition as a Formative Assessment Tool in Data Science Education: Reasoning, Justification, and Evaluation

2019 · ARTICLE · en

The paper addresses the questions of data science education of current importance. It aims to introduce and justify the framework that allows flexibly evaluate the processes of a data expedition and a digital media created during it. For these purposes, the authors explore features of digital media artefacts which are specific to data expeditions and are essential to accurate evaluation. The rubrics as a power but hardly formalizable evaluation method in application to digital media artefacts are also discussed. Moreover, the paper documents the experience of rubrics creation according to the suggested framework. The rubrics were successfully adopted to two data-driven journalism courses. The authors also formulate recommendations on data expedition evaluation which should take into consideration structural features of a data expedition, distinctive features of digital media, etc.

DOI ↗ PDF ↗

Курсы (10)