Гущин Михаил Иванович

Заместитель заведующего Научно-учебной лабораторией методов анализа больших данных и ведущий научный сотрудник Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ. Одновременно доцент Департамента больших данных и информационного поиска и преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта. Работает в университете с 2017 года, научно-педагогический стаж по данным ВШЭ — 8 лет. Выпускник Московского физико-технического института: бакалавриат по прикладным математике и физике (2013), магистратура (2015), аспирантура по специальности «Информатика и вычислительная техника» (2019). В 2020 году защитил кандидатскую диссертацию в МФТИ. До прихода в Вышку с 2014 по 2017 год работал исследователем-разработчиком в компании «Яндекс».

Ведёт курсы «Машинное обучение 1» для бакалавров-экономистов, «Глубинное обучение» в магистратуре факультета компьютерных наук и в формате «Маго-лего», а также читал «Генеративные модели в машинном обучении», майнорские курсы «Основы глубинного обучения» и «Прикладные задачи анализа данных», научно-исследовательские семинары «Прикладные задачи анализа данных» и Data Analysis in the Natural Sciences. Руководит аспирантской работой по повышению робастности генеративных моделей.

Профессиональные интересы — анализ данных и физика высоких энергий. Участник коллаборации LHCb: его фамилия стоит в статьях об измерении времени жизни барионов, поиске нарушения CP-симметрии и реконструкции долгоживущих частиц. Одновременно ведёт собственную линию работ по машинному обучению: статьи Latent Stochastic Differential Equations for Change Point Detection (2023), Toward an understanding of the properties of neural network approaches for supernovae light curve approximation (2023), Prediction of Industrial Cyber Attacks Using Normalizing Flows (2024), Astronomical Data Approximation Based on Neural Network Models (2024), Online Neural Networks for Change-Point Detection (2026) и «Диффузионные модели для генерации синтетических табличных данных» (2025). Доклад Robust Neural Particle Identification Models представил на конференции ACAT 2021 в Тэджоне.

Соавтор зарегистрированных программ для ЭВМ: библиотек Probaforms для условной генерации табличных данных, Roerich для обнаружения точек разладки во временных рядах, WAGGON для оптимизации чёрных ящиков на основе неопределённости Вассерштейна и LINDA для деперсонализации массивов данных. В соавторстве заявлено изобретение «Способ обеспечения приватности промышленных данных на основе нейросетевого синтезирования». Разработал онлайн-курсы «Основы глубинного обучения» и «Продвинутые методы глубинного обучения», а также англоязычный МООК Addressing Large Hadron Collider Challenges by Machine Learning.

По итогам студенческой оценки отмечен как «Лучший преподаватель» в 2024 году. Получал благодарности первого проректора и проректора НИУ ВШЭ, благодарность факультета компьютерных наук, а также надбавки за публикации в журналах из Списка А и международных рецензируемых изданиях в 2018–2026 годах. В 2023 году прошёл повышение квалификации по эффективной командной коммуникации в Кочубей-центре НИУ ВШЭ.