Национальный центр когнитивных разработок

Центр компетенции Национальной технологической инициативы по сквозной технологии «Технологии машинного обучения и когнитивные технологии».

о ЦЕНТРе

Наша миссия

Создать сбалансированную отечественную экосистему разработки и внедрения технологий машинного обучения и когнитивных технологий как основы для организации систем прикладного искусственного интеллекта в целях формирования высокотехнологичных продуктов и сервисов.

Цель центра

Способствование приобретению Университетом ИТМО устойчивого лидерства на рынке технологий прикладного ИИ за счет уникальной экосистемы развития и тиражирования научного задела, созданного в Исследовательском центре «Сильный ИИ в промышленности» (далее — ИЦИИ) применительно к различным отраслям науки, бизнеса, промышленности и социальной сферы

Задачи

Выполнение ОКР в целях разработки прикладных решений (до УГТ-8) с элементами ИИ на базе научно-технологического задела, созданного в ИЦИИ
Перенос и предметная адаптация разработок ИЦИИ для различных отраслей и партнеров (включая финансы, здравоохранение, социальную сферу, развлечение и пр.)
Создание цифровых инструментов для эффективной разработки, модернизации и сопровождения отраслевых решений с элементами ИИ на базе наработок ИЦИИ
Выполнение иной инжиниринговой деятельности, связанной с созданием прикладных разработок на высоких УГТ

Приоритетные направления

Решение задач предметной (отраслевой) адаптации БЯМ
Создание различных композитных решений на основе БЯМ (мультиагентные, мультимодельные системы, ансамбли и пр.)
Развитие новых методов и технологий решения различных отраслевых задач с помощью БЯМ

наблюдательный совет

Наблюдательный совет является высшим коллегиальным органом управления НЦКР.

Задачи Наблюдательного совета:

Содействие формированию и реализации стратегии и программы развития НЦКР;
Содействие координации усилий профессионального сообщества, информационное продвижение решений НЦКР в различных прикладных областях, связанных с механизмами цифровой экономики и рынков НТИ;
Содействие сотрудничеству НЦКР с деловыми, государственными и общественными организациями в части генерации новых знаний, выполнения НИОКТР и трансфера технологий;
Содействие координации усилий по обеспечению процессов непрерывной подготовки высококвалифицированных кадров на базе вузов — участников Консорциума НЦКР;
Содействие развитию международного образовательного, научного, технического и инновационного сотрудничества НЦКР;
Содействие созданию открытой научно-технологической инфраструктуры НЦКР для поддержки исследований, разработок и трансфера технологий, включая организацию системы консалтинга, экспертиз и оценки соответствия интеллектуальных технологий предъявляемым требованиям;
Содействие развитию систем внешнего и внутреннего аудита и оценки деятельности НЦКР для обеспечения его конкурентоспособности;
Содействие привлечению внебюджетных средств для реализации целей НЦКР.

Члены Наблюдательного совета:

Хасанов Марс Магнавиевич, ПАО «Газпром нефть» (председатель)
Серебрякова Владлена Сергеевна, Университет ИТМО (секретарь)
Хлебников Иван Борисович, ПАО «Сбербанк»
Антонов Евгений Николаевич, ООО «Рокет Груп»
Луценко Анна Евгеньевна, ООО «ИТМО.ИСКИН»
Бородина Ирина Борисовна, Фонд НТИ
Бухановский Александр Валерьевич, Университет ИТМО

консорциум

Национальный центр когнитивных разработок — объединение научных центров, университетов и коммерческих организаций, ориентированных на развитие технологий машинного обучения и когнитивных технологий — совокупности методов и средств создания систем с сильной функцией обучения, которые на качественно новом уровне способствуют принятию решений человеком при работе с интеллектуальными и творческими задачами, имеющими прикладное значение в различных отраслях, в условиях неопределенности и неполноты информации.

Оператором программы поддержки Центров компетенции НТИ выступает Фонд НТИ.
Подробнее о Национальной технологической инициативе можно узнать на сайте nti2035.ru.

Решения

Фреймворки

EPDE — это фреймворк для автоматического выявления дифференциальных уравнений, описывающих динамические системы, на основе данных. Он использует эволюционные алгоритмы для оптимизации структуры уравнений и их параметров, что делает его полезным для анализа сложных физических процессов.

Evolutionary Partial Differential Equations

Open source

FEDOT

Open source

FEDOT — open-source фреймворк автоматического машинного обучения (AutoML), который позволяет автоматически создавать и оптимизировать цепочки задач (пайплайны) машинного обучения или отдельные их элементы. Для повышения степени автоматизации и обеспечения возможности обрабатывать текстовые запросы от пользователей был создан модуль, основанный на больших языковых моделях, благодаря чему, пользователю достаточно описать задачу по работе с данными в свободной форме, а система в режиме диалога запросит дополнительную информацию, уточнит задание, переведет в понятные для разработки термины, сама напишет код и интерпретирует результаты.

EPDE

ODRS — это библиотека для оптимизации онлайновых процессов с использованием методов активного обучения и адаптивного ранжирования. Она предназначена для задач, где необходимо быстро и эффективно принимать решения в условиях ограниченных данных, например, в рекомендательных системах или управлении экспериментами.

ODRS

Open source

GEFEST — библиотека для генеративного дизайна физических объектов, представленных в виде геометрических структур и взаимодействующих со сплошными средами. GEFEST обладает модульной структурой — обеспечивает различные способы сэмплирования решений, оценки их качества и оптимизации структуры.

GEFEST

Open source

Библиотеки

Библиотека алгоритмов оценки качества городской среды и генерации требований к функциональному зонированию на основе квартально-сетевой модели города. Программа предназначена для моделирования урбанизированных территорий для задач генерации ценностно-ориентированных требований к мастер-планированию. Программа предоставляет программные классы для генерации информационной квартально-сетевой модели города и оценки городской среды.

BlocksNet

Open source

Библиотека, предназначенная для выявления точек общественной активности и связанных с ними объектов городской среды, а также прогнозирования социальных рисков, связанных с объектами общественной активности, на основе применения методов анализа естественного языка (NLP) к текстовым сообщениям горожан на открытых коммуникационных платформах. SOIKA состоит из нескольких модулей: классификации, геолокации и выявления рисков.

SOIKA

Open source

Online Dynamic Ranker System

Generative Evolution For Encoded STructures

Платформа представляет собой веб-сервер, основанный на FastAPI, обеспечивающий представление методов машинного обучения и обработки данных в графовой нотации, позволяя эффективно управлять задачами пользователей, обеспечивая наглядность решений и контроль над их исполнением в рамках Low/No-Code подхода. Платформа обобщает модели машинного обучения и методы управления данными и представляет в виде отдельных узлов графа, сгруппированных по признаку общего поведения. Такие вычисления позволяют создавать, хранить и переиспользовать высокоуровневые компоненты, повышая гибкость и эффективность разработки.

SMILE

Commercial

Цифровые платформы

Показать подробнее о проектах

Платформа предоставляет экосистему для организации процессов выполнения проектов по созданию и исследованию объектов искусственного интеллекта с использованием больших данных. Экосистема включает в себя:

Биржу данных — предоставляет возможности продажи и/или предоставления доступа в различных режимах к наборам данных.
Биржу специалистов — позволяет размещать проекты с целью поиска исполнителей, согласования с ними сроков и условий.
Биржу вычислительных ресурсов — позволяет согласовывать условия использования и ввод в эксплуатацию ВР.
Биржу ИИ-объектов — позволяет размещать и согласовывать условия (пере-)использования ИИ-объектов в других проектах.

DataMall

Commercial

Технология для создания комплексов машинного обучения глубоких нейронных сетей компьютерного зрения

Commercial

Инструментальная среда для обучения отраслевых систем компьютерного зрения. Проект направлен на снижение трудоемкости разработки и обучения систем CV при сохранении качества в условиях ограниченной квалификации персонала.

SMILE.CV

Commercial

Инструментальная среда для создания и анализа публичных рекомендательных сервисов (РС). Проект направлен на снижение трудоемкости разработки и оценки рекомендательных систем в Интернет при сохранении качества в условиях ограниченной квалификации персонала.

SMILE.RS

Commercial

Программная платформа для создания комплексов машинного обучения глубоких нейронных сетей, позволяющая выбирать готовое типовое решение, подходящее под задачу пользователя, обеспечивающая подготовку и разметку обучающих выборок, запуск обучения, тестирование и выгрузку готовой модели.

Контакты

АДРЕС

Юридический адрес: Российская Федерация, Санкт-Петербург, Биржевая линия, д. 14, 199034

Почтовый адрес: Российская Федерация, Санкт-Петербург, Биржевая линия, д. 14, кабинет 212, 199034

Почта:

director_nccr@itmo.ru

КОНТАКТНАЯ ИНФОРМАЦИЯ

Телефон:

+7 (812) 909 31 56 – общий номер Центра

Все материалы, размещённые на данном сайте, являются объектами авторского права. Запрещается их копирование, распространение или любое иное использование без указания первоисточника.

Политика организации в отношении обработки персональных данных