Гринберг Петр Маркович

Приглашённый преподаватель Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Данные университета о начале работы расходятся: в шапке профиля указан 2026 год, тогда как архив учебных курсов показывает его в списках преподавателей уже с 2023/2024 учебного года. До прихода в Вышку с 2020 по 2023 год работал в ООО «Исследовательский центр Самсунг» — сначала стажёром, затем ассистентом. Профессиональные интересы: глубинное обучение, машинное обучение и анализ данных, обработка аудиосигналов.

Ключевая нагрузка — курс «Глубинное обучение 1» для 2-го курса бакалавриата программы «Прикладная математика и информатика», который читается в 3-м и 4-м модулях и имеет статус обязательного. Объём дисциплины — 6 кредитов и 80 контактных часов, и в списке преподавателей курса он значится единственным. Программа построена вокруг базовых принципов глубинного обучения и его основных техник для изображений, текста и звука, освоения фреймворка PyTorch и практики эффективного проведения экспериментов. Отдельная цель курса — научить студентов читать научные статьи и вести собственную исследовательскую работу: лекции, семинары и домашние задания разработаны с научным уклоном и знакомят с текущими исследованиями в области. Курс получил студенческие отметки «Лучший по критерию» сразу по трём критериям — полезности для будущей карьеры, новизны полученных знаний и полезности для расширения кругозора.

Второй авторский курс — «Глубинное обучение в обработке звука» для 4-го курса бакалавриата ПМИ, дисциплина по выбору объёмом 5 кредитов и 56 контактных часов, открытая для всех кампусов НИУ ВШЭ. Курс посвящён нейросетевым подходам к работе с человеческим голосом и звуком: цифровым представлениям звука, распознаванию речи (ASR), синтезу голоса и вокодерам, преобразованию текста в речь (TTS), разделению источников звука, верификации и идентификации говорящего, защите от подделки голоса (anti-spoofing), преобразованию голоса и генерации музыки. Отдельные занятия отведены гостевым лекциям и проектированию решений для прикладных задач обработки звука. Итоговая оценка складывается из двух домашних заданий по распознаванию и синтезу речи, проекта (код и отчёт) и экзамена. Он ведёт этот курс с 2023/2024 учебного года в команде с А. Алановым, М. Л. Калединым и другими преподавателями департамента, и курс также отмечен студенческой оценкой «Лучший по критерию».

В магистратуре факультета компьютерных наук он участвует в «Семинаре наставника» — обязательной дисциплине программы «Искусственный интеллект» для 2-го курса, рассчитанной на 1–3 модули и 9 кредитов. Формат семинара практический: студенты проходят пробные собеседования по машинному и глубинному обучению на позицию Junior Data Scientist, разбирают специфику таких интервью и получают первый опыт их прохождения. Контроль состоит из устных собеседований по ML и DL и письменных тестирований по обоим направлениям; зачёт выставляется по формуле, учитывающей лучший результат из устной и письменной частей.

Рекомендованная литература его курсов задаёт уровень подготовки: классический учебник T. Hastie, R. Tibshirani и J. Friedman «The Elements of Statistical Learning» (Springer, 2009), русскоязычное «Глубокое обучение» С. Николенко, А. Кадурина и Е. Архангельской (Питер, 2020), а также базовые статьи по распознаванию речи — «Listen, Attend and Spell» (W. Chan и соавторы, 2015), «Deep Speech: Scaling up end-to-end speech recognition» (A. Hannun и соавторы, 2014) и работа A. Graves с соавторами о connectionist temporal classification. Департамент больших данных и информационного поиска, где он преподаёт, входит в структуру факультета компьютерных наук НИУ ВШЭ и отвечает за подготовку студентов по направлениям машинного обучения и анализа данных.