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)

Formal Concept Analysis Research Toolbox and failure deterministic finite automata

2015 · CHAPTER · en

Formal Concept Analysis Research Toolbox (FCART) is an integrated environment for knowledge and data engineers with a set of research tools based on Formal Concept Analysis (FCA). In the paper we consider main FCA workflow and some applications in the field of the text pattern matching.

PDF ↗

Full-text Search in Intermediate Data Storage of FCART

2015 · CHAPTER · en

The speed of full-text search directly affects the process of text analysis. Search engine creates a text index, which is used for fast full-text search. Solr and ElasticSearch are two popular search engines. A text analysis system requires fast implementing searching and indexing at the same time. This paper describes preprocessing workflow of the analysis system called Formal Concept Analysis Research Toolbox (FCART) and experiment of searching and indexing social networking service data at the same time. Results of the experiment show which search engine is better as the core of FCART search subsystem.

PDF ↗

FCA Analyst Session and Data Access Tools in FCART

2014 · CHAPTER · en

Formal Concept Analysis Research Toolbox (FCART) is an integrated environment for knowledge and data engineers with a set of research tools based on Formal Concept Analysis. FCART allows a user to load structured and unstructured data (including texts with various metadata) from heterogeneous data sources into local data storage, compose scaling queries for data snapshots, and then research classical and some innovative FCA artifacts in analytic sessions.

PDF ↗

About Universality and Flexibility of FCA-based Software Tools

2014 · CHAPTER · en

There is a big gap between variety of applications of Formal Concept Analysis (FCA) methods and general-purpose software implementations. We discuss history of FCA-based software tools, which is relatively short, main problems in advancing of such tools, and development ideas. We present Formal Concept Analysis Research Toolbox (FCART) as an integrated environment for knowledge and data engineers with a set of research tools based on Formal Concept Analysis. FCART helps us to illustrate methodological and technological problems of FCA approach to data analysis and knowledge extraction.

PDF ↗

Advancing FCA Workflow in FCART System for Knowledge Discovery in Quantitative Data

2014 · CHAPTER · en

We describe new features in FCART software system, an integrated environment for knowledge and data engineers with a set of research tools based on Formal Concept Analysis. The system is intended for knowledge discovery from various data sources, including structured quantitative data and text collections. Final version of data transformation from external data source into concept lattice is considered. We introduce new version of local data storage, query language for conceptual scaling of data snapshots as multi-valued contexts, and new tools for working with formal concepts.

PDF ↗

О формирующем контроле и информативной обратной связи при проектировании учебных курсов по программированию

2014 · ARTICLE · ru

В статье вводятся понятия формирующего контроля и информативной обратной связи, раскрывается их место в образовательном процессе. Дается их развернутое последовательное описание с акцентом на применение этих важных механизмов в обучении программированию. Насколько известно авторам, никто из российских преподавателей не описывает в публикациях соответствующие механизмы комплексно и не применяет их на практике в полном объеме.

PDF ↗

О роли и эффективных методах информативной обратной связи при контроле знаний по дисциплинам цикла "Программирование"

2013 · CHAPTER · ru

В докладе рассматривается понятие формирующего контроля знаний и связанная с ним информативная обратная связь. Приводится обоснование эффективности внедрения формирующего контроля в сочетании с современными методами информативной обратной связи в учебные курсы, связанные с обучением программированию.

PDF ↗

Information Retrieval and Knowledge Discovery with FCART

2013 · CHAPTER · en

We describe FCART software system, a universal integrated environment for knowledge and data engineers with a set of research tools based on Formal Concept Analysis. The system is intended for knowledge discovery from big dynamic data collections, including text collections. FCART allows the user to load structured and unstructured data (texts and various metainformation) from heterogeneous data sources, build data snapshots, compose queries, generate and visualize concept lattices, clusters, attribute dependencies, and other useful analytical artifacts. Full preprocessing scenario is considered.

PDF ↗

Practical Computing with Pattern Structures in FCART Environment

2013 · CHAPTER · en

A new general and efficient architecture for working with pattern structures, an extension of FCA for dealing with “complex” descriptions, is introduced and implemented in a subsystem of Formal Concept Analysis Research Toolbox (FCART). The architecture is universal in terms of possible dataset structures and formats, techniques of pattern structure manipulation.

PDF ↗

FCART: A New FCA-based System for Data Analysis and Knowledge Discovery

2013 · CHAPTER · en

We introduce a new software system called Formal Concept Analysis Research Toolbox (FCART). Our goal is to create a universal integrated enviroment for knowledge and data engineers. FCART is constructed upon an iterative data analysis methodoly and provides a built-in set of research tools based on Formal Concept analysis for working for object-attribute data representations. The provided toolset for the fast integration of extensions on several levels: from internal scripts to plugins. FCART was succesfully applied in several data mining and knowledge discovery tasks. Examples of applying the system in medicine and criminal investigations are considered.

PDF ↗

Курсы (10)