Хрыльченко Кирилл Ярославович

Старший преподаватель департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Одновременно — младший научный сотрудник Научно-учебной лаборатории матричных и тензорных методов в машинном обучении Института искусственного интеллекта и цифровых наук ФКН и преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта. В университете с 2025 года, научно-педагогический стаж — 6 лет. Окончил бакалавриат (2018) и магистратуру (2020) МГУ им. М. В. Ломоносова по направлению «Прикладная математика и информатика». Научная специализация — рекомендательные системы.

До перехода в НИУ ВШЭ прошёл путь от исследователя до руководителя направления в индустрии. В 2018–2019 годах работал в лаборатории машинного интеллекта МФТИ, в 2019–2020 — старшим разработчиком лаборатории искусственного интеллекта Росбанка. С 2020 по 2022 год — старший разработчик команды нейросетевой персонализации в «Яндексе», с 2022 по 2025 год — руководитель группы исследования перспективных рекомендательных технологий там же. Этот опыт — внедрение рекомендательных нейросетей в Поиск, Рекламу, Яндекс Музыку, Кинопоиск и другие сервисы — лёг в основу его университетского курса.

Читает авторский курс «Нейросетевые рекомендательные системы» объёмом 6 кредитов и 80 контактных часов: в 3–4 модулях он идёт как курс по выбору для третьекурсников образовательной программы «Прикладная математика и информатика» и параллельно предлагается всем студентам магистратуры в формате «Маго-лего». В списке преподавателей курса он указан единственным. Программа выросла из последней итерации курса «Рекомендательные системы» в Школе анализа данных и участия авторов в RecSys Summer School и конференции ACM RecSys. Лекции проходят путь от постановки задачи рекомендаций до нейросетевых моделей генерации кандидатов и ранжирования; отдельно разбираются рекомендательные трансформеры, генеративные модели, графовые нейросети и обучение с подкреплением, а семинары строятся на разборах статей, кейсов внедрений и соревнований. Курс получил сразу три отметки студенческой оценки — «Лучший по критерию» за полезность для будущей карьеры, за расширение кругозора и за новизну полученных знаний.

Публикуется на ведущих международных конференциях по рекомендательным системам. Среди работ — «Scaling Recommender Transformers to One Billion Parameters» (материалы 32-й конференции SIGKDD по обнаружению знаний и интеллектуальному анализу данных, 2026), «Correcting the LogQ Correction: Revisiting Sampled Softmax for Large-Scale Retrieval» (труды девятнадцатой конференции ACM RecSys, 2025) и «Blending Sequential Embeddings, Graphs, and Engineered Features: 4th Place Solution in RecSys Challenge 2025» — описание решения, занявшего четвёртое место в соревновании RecSys Challenge 2025. Более ранняя статья «Optimizing Modality Weights in Topic Models of Transactional Data» вышла в журнале Automation and Remote Control (2022) в соавторстве с К. В. Воронцовым. Отдельно в его научном профиле числится препринт «Personalized Transformer-based Ranking for e-Commerce at Yandex» (2023).

Профиль ORCID 0009-0007-3640-8795 подтверждён: перечень заявленных в нём работ совпадает с записями базы публикаций НИУ ВШЭ, привязанными к странице преподавателя.