Архипенко Константин Владимирович

Контакты

  • e-mail: arkhipenko<аt>ispras<dоt>ru
  • telegram: arxikv

Образование

  • ВМК МГУ (2012–2018)
  • ВМК МГУ, аспирант (2018–н. в.)

Научные интересы

  • explainable artificial intelligence (google it)
  • transfer/multi-task/meta learning для нейронных сетей

23.04.2021: набор закрыт до сентября! ¯\_(ツ)_/¯

Физтехам, которые сейчас на 2 курсе: с сентября можно со мной связываться. Студентам ВМК, которые в сентябре только станут второкурсниками: это тоже можно делать.

Есть руководители с близкими темами. Не можете найти — заполните анкету, вам помогут!

Направления работы

  • explainable artificial intelligence (XAI, объяснение моделей машинного обучения). Внедрение нейронных сетей в production, особенно в медицине/праве (где ошибки первого и второго рода могут очень дорого стоить), затрудняется из-за недостаточной интерпретируемости этих моделей и результатов их предсказаний. Т.е. для этих сложных нелинейных моделей сложно понять, как они принимают решение (какие признаки для них наиболее важны) в целом или в отдельном случае (для конкретных входных данных). Еще одна проблема — уязвимость нейросетей к состязательным (adversarial) атакам. Методы XAI нужны для повышения интерпретируемости, а также (как показывают недавние научные статьи) могут повышать устойчивость к атакам. Задачи, выполняемые в рамках курсовой/выпускной работы — исследование и разработка новых методов противодействия состязательным атакам с помощью XAI.
  • автоматическое тестирование мобильных приложений (android) с помощью машинного обучения. Задачи — применение компьютерного зрения для сегментации текущего экрана смартфона (выделение UI элементов), обучения с подкреплением (reinforcement learning) для выработки стратегии тестирования (выбор следующего действия — клик по конкретному элементу, swipe и т.д.) с целью исследования наибольшего числа состояний приложения.
  • анализ репозиториев исходного кода и автоматическое исправление багов с помощью машинного обучения. Задачи — обучение представлений исходного кода (code embedding) и абстрактных синтаксических деревьев (возможно применение графовых нейронных сетей), классификация коммитов (исправление/не исправление), разработка и обучение алгоритма исправления на основе code embedding.

Все направления связаны с совместными проектами ИСП РАН и Samsung (Корея). Желательным является написание статьи к концу 4 курса.

План приема весной 2021 (upd: 03.03.21)

  • 2-4 студента По второму направлению есть одно место, по третьему — не более 2 студентов. Предпочтительным является внедрение в нашу команду (т.е. трудоустройство в ИСП до 4 курса), так можно будет быстрее и проще получить желаемый результат.