Vitae  Projects  Publications  CV^en  Резюме^ru

Михаил Юдельсон, Ph.D. & к.т.н.

Эл. почта | myudelson.github.io | Питтсбург, США – Москва, Россия

О себе

Опытный специалист в data science, машинном обучении и методах искусственного интеллекта, имею степени кандидата технических наук и doctor of philosophy в информатике. Имею опыт руководства: разработкой решений, охватывающих миллионы пользователей, повышения эффективности вычислительных методов, улучшением интерфейса пользователя и процессов человеко-машинного взаимодействия. Ищу позицию руководителя в областях data science, аналитики и машинного обучения.

Ключевые Достижения

• Разработка дата-пайплайнов и систем машинного обучения. Внедрил решение бизнес-аналитики и генеративного ИИ в компании Chegg, Inc., повысившее эффективность критического компонента на 11%.
• Стратегическое управление продуктами. Разработал диагностическую модель в ACT, Inc., которая удвоила использование нового пользовательского приложения.
• Научно-прикладные исследования высокого уровня. Соавтор 2 патентов США и 90+ статей; организовал 5 семинаров и 1 конференцию; выступил с 20+ докладами на научно-практических конференциях.

Опыт работы

Главный технический директор
• Построение технологической инфраструктуры.
• Разработка стратегии вывода на рынок.
• Создание минимально жизнеспособного ИИ-продукта.

Основатель
• Построил рабочий процесс и инфраструктуру ИИ в издательской группе из 20 журналистов.
• Создал приложение аудио-видео обработки, что увеличило отдачу от работы команды клиента в 5 раз.
• Разработал, внедрил и тщательно оценил вспомогательного чат-бота-консультанта, используя 1000 часов аудиопотоков, предоставленных экспертами, и методологию оценки, применяемую к кандидатам из числа юристов, имеющих степень магистра права.

staff-инженер по ИИ
• Разработал сервис генерации, дополненной поиском, разработал и выполнил 20+ аналитических экспериментов.
• Выполнил тонкую настройку ИИ гибридного поиска в тексте, что повысило эффективность работы продукта, обслуживающего 10 тыс. пользователей/день на 11%.
• Координировал работу 20 экспертов по разметке данных для задач оценки качества функционирования ИИ.

principal-инженер по ИИ
Руководил разработкой инф. системы машинного обучения/ИИ для оценки ответов на естественном языке.

старший учёный-исследователь/старший разработчик, отдел перспективных технологий
• Разработал вычислительную модель для ИИ продукта с траффиком от 100 тысяч студентов в месяц.
• Разработал методику выбора алгоритма моделирования, вошедшей в выданный патент США.

проектный учёный-исследователь, институт изучения вопросов человеко-машинного взаимодействия
• Координировал работу по масштабированию ИИ-детекторов настроения для работы с 60 млн. записей.
• Выступил соавтором работ по созданию человеко-машинного репетитора (процитирована 20+ раз).
• Осуществлял посредничество в получении многолетних данных о студентах для теоретических и практических исследований.

учёный-исследователь
• Оптимизировал выдачу материала для 0.5 млн. студентов/год, что сэкономило 37% времени учащихся.
• Возглавил межгрупповую работу по анализу данных 350 тыс. человек и создал вычислительный аппарат.
• Выступил брокером передачи 1 млрд. записей данных, провел 1000+ экспериментов по оценке сценариев.

пост-док, институт изучения вопросов человеко-машинного взаимодействия
• Разработал, апробировал и опубликовал новый подход к моделированию процесса усвоения знаний и адаптации обучения (публикация получила 600+ цитирований).
• Разработал первую open-source библиотеку для построения байесовских моделей на данных до 1 млрд. записей, которая была использована в 20+ рецензируемых публикациях.

Образование

доктор философии (PhD) в информатике, с отличием
Диссертация: Обеспечение персонализации на основе сервисов в адаптивной гипермедийной системе.

Кандидат технических наук, Системы Автоматизации Проектирования (05.13.12)
Диссертация: Разработка моделей и методов опережающего интернет-обучения эксплуатационного персонала САПР.

Инженер-системотехник, Системы Автоматизации Проектирования, с отличием

Навыки

Программирование

Python, C/C++, Java, SQL, R, Matlab, Shell script, GNU AWK.

Технологии

AWS (RedShift, DynamoDB Sage Maker), Docker, Terraform, PyTorch, TensorFlow, Postman, CI/CD, CNN, RNN, JIRA, Confluence.

Методы

Статистика и регрессионный анализ, создание сопровождение и оценка моделей машинного обучения, моделирование данных, инжиниринг данных, обработка данных на естественном языке, deep learning, SaaS, обработка аудио/видео сигналов, транскрибация речи, майнинг образовательных данных, моделирование пользователей, А/Б тестирование.

Мягкие навыки

Адаптивность, высокая культура сотрудничества и коммуникации, современные подходы к принятию решений, эмоциональный интеллект, лидерские качества.

Значимые проекты

Компания Chegg, Inc. предлагает решение на основе чат-ботов в своем приложении. Я разработал конвейер оценки для компонента выбора подсказок от Большой Языковой Модели. Я отвечал за задачи по маркировке данных, координировал работу экспертов, обеспечивал соблюдение требований конфиденциальности и безопасности данных на протяжении всего процесса, а также разработал процесс автоматизации еженедельных графических отчетов по эффективности работы.

Разработал, протестировал и внедрил пользовательскую настроенную модель крупного языка для извлечения математических выражений из текстов вопросов для системы решения проблем Chegg, которая обслуживает пользовательскую модель глубокого обучения. Скорость извлечения улучшилась на 11%.

Этот межкомандный проект был сфокусирован на создании сервиса, соответствующего стандарту IMS Global Caliper. Я руководил работой по внедрению в эксплуатацию передовой модели машинного обучения для моделирования поведения пользователей. Кроме того, я возглавлял работу по согласованию данных и адаптации модели для двух внешних партнеров, которые имели существенно различную детализацию и скорость обработки данных.

Этот межинституциональный проект, финансируемый Министерством обороны США, был посвящен гибридному методу обучения, сочетающему взаимодействие человека и машины. Я руководил работой по интеграции потоков данных машинного обучения с журналами работы инструкторов-наставников от наших партнеров. Кроме того, я возглавлял работу по автоматизации и масштабированию множества детекторов поведения пользователей.

Это совместный проект с Питтсбургским и Хельсинкским университетами. Я руководил процессом обработки студенческих данных за 10 семестров, возглавлял аналитическую работу и был соруководителем докторантов. Я являлся первым авторов рецензируемых публикаций по результатам проекта.

Я инициировал эту межкомандную работу по созданию конвейера для итеративного улучшения компонента когнитивного моделирования в продукте Когнитивный наставник (Cognitive Tutor) от Carnegie Learning. Результаты позволили сэкономить пользователям 37% времени. Проект потребовал обработки около миллиарда элементов данных, а также большого объема симуляций поведения пользователей.

Я разработал эту утилиту с открытым исходным кодом для построения инновационных скрытых марковских моделей. Он был использован в ряде рецензируемых публикаций. HMM-scalable поддерживает стандартные алгоритмы, а также иерархические факторы, регуляризацию и мультиплексирование параметров.