• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Научно-учебная группа «Машинное обучение и социальный компьютинг»

НУГ “Машинное обучение и социальный компьютинг” возникла из студенческих проектов и научных исследований на стыке цифровых социальных наук и информатики, развивавшихся в кампусе с 2013 года.

Деятельность нашей группы направлена на изучение и применение методов машинного обучения к широкому спектру задач, таких как репутационные, рекомендательные и рейтинговые алгоритмы и выстраивающиеся вокруг них практики в области оценок репутации, вклада, значимости или предпочтений в различных областях: организации онлайн-сообществ, многопользовательских онлайн-курсах и играх.

Работа группы началась в 2017 году с проекта  «Социальные алгоритмы: онлайн-сообщества, рейтинги, сети, рекомендации», посвященного роли социальных алгоритмов в организации сообществ. 

Текущий проект (2020) "Эффекты социальных алгоритмов: обнаружение противоречий и контрпримеров" продолжает общую тематику, но посвящен другому аспекту анализа -- исследованию уже построенной модели, поиску смещений, обусловленных моделью, выявлению контрпримеров, т.е. примеров, противоречащих общей тенденции. Одним из направлений исследования является разработка моделей на основе байесовских сетей для генерации подвыборок контрпримеров, что позволит изучить противоречивые случаи более подробно. Обнаруженные таким образом смещения и противоречия в моделях планируется затем корректировать за счет внесения изменений в уже построенную модель.

tidymodels: построение моделей машинного обучения в R

На очередном семинаре НУГ обсудили tidymodels - сборник пакетов машинного обучения в R, который заменяет привычный многим caret. О том, зачем это нужно, как работают пакеты, и чем он отличается от caret, рассказал участник научно-учебной группы - Александр Попов.

Анализ паттернов и контр-примеров в событийной аналитике социальных медиа

На этой неделе в рамках семинара НУГ состоялось обсуждение готовящегося препринта по анализу коммуникации в чатах трансляций в киберспорте.

Практики оценивания товаров на виртуальных площадках

На этой неделе в рамках семинара НУГ обсуждалась тематика потребления и оценивания товаров на виртуальных площадках.

Анализ "цифровых следов" в образовании

Что можно узнать из логов поведения студентов в образовательной среде, что такое "цифровые следы", как извлечь содержательные характеристики из таких данных, как анализировать взаимосвязи между ними и на какие особенности нужно обратить внимание -- обсудили на очередном семинаре НУГ.

iML + HCI: особенности использования инструментов iML

Тематика интерпретируемого машинного обучения (Interpretable Machine Learning — iML) и объяснимого искусственного интеллекта (eXplainable Artificial Intelligence — XAI) с каждым годом становится все более "горячей". Но не все так просто, как хотелось бы. На семинаре обсудили работы, изучающие особенности взаимодействия с объясняющими сервисами, представленные на конференции CHI 2020.

Байесовские сети в исследовании сообществ

Участники НУГ, Виктория Захарова и Александр Попов, поделились результатами применения байесовских сетей в различных предметных областях на примере данных GitHub и Stack Overflow

Участники НУГ на конференции DTGS 2020

Студенты 2-3 курсов ОП “Социология и Социальная информатика” под руководством участников НУГ представили свои исследования на постерной сессии международной конференции “Digital Transformation & Global Society”.

Conjoint analysis: выявление предпочтений пользователей

На прошедшем семинаре обсудили, как можно выявить предпочтения респондентов, чем в этой задаче поможет conjoint-анализ и что нужно, чтобы спланировать исследование, включающее применение этого метода. Также участники НУГ поделились своим опытом применения conjoint-анализа

Прототипирование методов визуализации библиографических сетей

На недавнем семинаре НУГ обсуждали работу Кузнецовой Анастасии про визуализацию библиографиечских сетей. Основная цель работы Анастасии - создать набор эвристик, который облегчил процесс цитирования и дальнейшего написания литературного обзора в научных, академических и исследовательских работа. В рамках семинара обсудили не только результаты работы Анастасии, но и то, зачем нужны эвристики при написании литературного обзора, зачем вообще делать обзоры и что отличает хороший обзор.

iML: Интерпретируемое машинное обучение

На семинаре поговорили про одно из ключевых понятий проекта НУГ этого года -- интерпретируемое машинное обучение