Котов Феодосий Игоревич

Приглашённый преподаватель кафедры информационной безопасности киберфизических систем Московского института электроники и математики им. А. Н. Тихонова НИУ ВШЭ. В университете с 2026 года, в обязанности входят проведение научно-исследовательской работы и семинарских занятий. Профессиональные интересы — машинное обучение, теория информации и помехоустойчивое кодирование. С 2022 года работает специалистом по данным (Data Scientist) в банке ВТБ, то есть совмещает преподавание с практикой промышленной аналитики данных.

Ведёт две магистерские дисциплины МИЭМ, каждая из которых читается и как обязательный курс программы «Технологии искусственного интеллекта в телекоммуникациях», и как курс формата «Маго-лего», доступный студентам всех кампусов Вышки. «Машинное обучение и технологии искусственного интеллекта» — курс на 6 зачётных единиц и 52 контактных часа, посвящённый основным моделям машинного обучения и их практическому применению: разбираются задачи обучения с учителем и без учителя — классификация, кластеризация, регрессия. Программа идёт от введения в машинное обучение и его трактовки как математического моделирования к линейным моделям в задачах регрессии и классификации; элементы контроля включают неблокирующее задание на реализацию модели линейной регрессии с понижением размерности и блокирующий устный экзамен по билетам.

Второй курс — «Математические основы машинного обучения» (3 зачётные единицы, 20 контактных часов) — посвящён математическому аппарату метода. В нём формализуются основные задачи машинного обучения, разбираются алгоритмы обучения для линейно разделимых выборок, метод градиентного спуска и его разновидности, обучение нейронных сетей, метод опорных векторов и ядерные методы, регрессионный анализ, метрические, вероятностные и логические модели, а также статистические оценки и проверка гипотез. Цель курса — дать студентам представление о классах моделей (линейных, логических, нейросетевых), метриках качества и подходах к подготовке данных, чтобы они могли осознанно выбирать метод под прикладную задачу. В списке рекомендованной литературы — Elements of Information Theory Т. Ковера, «Python для сложных задач: наука о данных и машинное обучение» Дж. Вандер Пласа и «Математические основы машинного обучения и прогнозирования» В. В. Вьюгина.

Научная работа лежит на стыке машинного обучения и теории кодирования. В базе публикаций НИУ ВШЭ к его профилю привязана работа Method of Critical Set construction for Successive Cancellation List Decoder of Polar Codes Based on Deep Learning of Neural Networks, представленная на XVIII Международном симпозиуме Problems of Redundancy in Information and Control Systems (REDUNDANCY) и изданная IEEE в 2023 году в соавторстве с И. Тимохиным и Ф. Ивановым. Работа посвящена построению критического множества для списочного декодера полярных кодов с последовательным исключением — то есть применению нейронных сетей к задаче помехоустойчивого кодирования, которое используется в современных стандартах связи.

Кафедра, к которой он приписан, входит в Департамент кибербезопасности МИЭМ и была создана в ответ на задачи защиты информации в киберфизических и других высокотехнологичных системах. Кафедра ведёт бакалаврскую программу «Информационная безопасность», магистерские программы «Кибербезопасность», «Информационная безопасность и технологии искусственного интеллекта», «Информационная безопасность в кредитно-финансовой сфере» и майнор «Кибербезопасность», а также научно-учебную группу квантовых коммуникаций. Курсы по машинному обучению, которые ведёт преподаватель, читаются Департаментом электронной инженерии и связывают эту подготовку с прикладным анализом данных.