Страница руководителей по специальности Machine Learning & Data Science

Доктор Ph.D.
Ассоциированный профессор
H-index: 2
Количество докторантов: 0
Потенциальные научные исследования:

Доктор Ph.D.
Ассоциированный профессор
H-index: 2
Количество докторантов: 0
Потенциальные научные исследования:

Доктор физико-математических наук
Профессор
H-index: 7
Количество докторантов: 0
Потенциальные научные исследования:

Доктор технических наук
Профессор
H-index: 18
Количество докторантов: 1
Потенциальные научные исследования:
Машинное обучение в прикладных задачах, обработка естественного языка, искусственный интеллект, машинное зрение, наукометрия
***Machine Learning & Computer Vision – прикладные исследования, связанные с обработкой данных и машинным обучением и дистанционным зондированием земной поверхности с помощью спутников и БПЛА. Текущие области исследований: 1) Гидрологическая система, гидротехнические сооружения , прогнозирование стока вод рек Казахстана, загрязненности вод 2) Засоленность почвы 3) Задачи распознавания, идентификации и классификации с использованием снимков полученных с борта БПЛА 4) Приложения объяснимого машинного обучения 5) Обработка каротажных данных
***Artificial Intelligence – прикладные исследования связанные с задачами оптимизации с применением генетического программирования, алгоритмов роя и т.п. Текущие области исследований: 1) Управление группой БПЛА и наземных средств в различных прикладных задачах
***Scientometrics (bibliometrics) и обработка естественного языка – исследования по изучению развития научных областей и прогнозированию. Текущие области исследований: 1) Аспекты влияния искусственного интеллекта в различных прикладных областях и прогнозирование публикационной активности в сфере ИИ

Кандидат физико-математических наук
Профессор
H-index: 4
Количество докторантов: 0
Потенциальные научные исследования:

Магистр технических наук
Преподаватель
H-index: 0
Количество докторантов: 0
Потенциальные научные исследования:
Automatic detection of leaks in pipelines using drone images with semantic pixelwise image segmentation
The main goal of the study: 1. Semantic pixel-wise image segmentation; 2. Building a Leak Detection segmentation model; 3. Creating an application with exact coordinates of the pipeline leak.