Подразделения
Факультет цифровых трансформаций
Направления / тематики исследований
- Предсказательное моделирование в медицине и здравоохранении
- Моделирование сложных систем
- Высокопроизводительные и распределенные вычисления
- Интеллектуальные технологии моделирования
- Технологии поддержки принятия решений
- Методы структурного автоматического машинного обучения.
- Методы машинного обучения для моделирования процессов в сплошных средах.
- Методы суррогатной оптимизации для настройки суперкомпьютерных моделей.
- Методы суррогатного моделирования.
- Методы вероятностного моделирования и эффективного семплирования многомерных процессов.
- Технологии органивации интеллектуальных средств сбора данных
- Анализ неструктурированных данных, задачи классификации, кластеризации и моделирование процессов в социальных медиа
- Разработка технологий построения чат-ботов, в том числе, в отсутствии построенных выборок больших данных
- Разработка технологических платформ управления большими данными и процессами создания моделей и объектов поверх.
- Разработка сервисов массового использования на основе ансамблирования и совмещения моделей МО
- Разработка высокоэффективных систем хранения больших объемов временных рядов
- Планирование высокопроизводительных приложений на основе методов глубокого обучения и эволючионных вычислений
- Планирование высокопроизводительных приложений на суперкомпьютерах с использованием codesign парадигмы
- Обработка геопространственных данных социальных медиа и прогнозирование различных процессов и событий в городах.
- Теория и практика сложных социо-экономических систем
- Комплексные сети
- Машинное обучение в задачах объяснения, воспроизведения и предсказания социо-экономических систем
- Модели поведения клиентов и рекомендательные алгоритмы
- Обучение представлений
- Оптимизационно-имитационные модели
- Алгоритмы планирования
- Параллельные и распределенные вычисления
Технологические мощности, оборудование
- Программно-аппаратный комплекс Forsite (2xDGX-1 - до 2ПФлопс)
- Программно-аппаратный комплекс “Кластер больших данных” (30 серверов CISCO UCS C220 M5)
- Программно-аппаратный комплекс хранения данных состоит из системы хранения данных IBM Elastic Storage Server GL2S (1,4 ПБ)
- Вычислительный кластер Т-Платформы T-Vision x 5 (HPC-0013206-001).
- Гибридный сервер для машинного обучения, укомплектованный двумя 18-ти ядерными процессорами Intel Хeon и двумя сопроцессорами Nvidia Tesla P100 NVLink с 3584-мя вычислительными ядрами в каждом. Производительность до 42,2 ТФлопс.
Ключевые конференции, в которых принимают участие аспиранты
Аспиранты принимают активное участие в крупных международных конференциях (pHealth, Conference on Complex Systems, ACM SIGSPATIAL, SOCO), в том числе конференциях класса А1, А2 (International Conference on Computational Science (ICCS), Genetic and Evolutionary Computation Conference (GECCO), IEEE International Conference on Data Mining (IEEE ICDM), а также в научных мероприятиях, организованных USENIX, ECTA.
Ключевые журналы, в которых публикуются аспиранты
Аспиранты факультета регулярно публикуются в журналах, индексируемых Scopus и Web of Science, в том числе в журналах первого квартиля Q1:
- Journal of Computational Science
- Journal of Biomedical Informatics
- Future Generation Computer Systems
- Известия высших учебных заведений. Приборостроение
- Ocean Modelling,
- Complexity
- PLOS One