Носков Федор Андреевич

Младший научный сотрудник Лаборатории теоретических основ моделей искусственного интеллекта Института искусственного интеллекта и цифровых наук и преподаватель базовой кафедры Института проблем передачи информации им. А.А. Харкевича РАН на факультете компьютерных наук НИУ ВШЭ. В 2021 году окончил бакалавриат Московского физико-технического института по направлению «Прикладная математика и физика», в 2023 году — магистратуру НИУ ВШЭ по направлению «Прикладная математика и информатика». В университете работает с 2021 года. Специализация — математическая статистика в высокой размерности, теория вероятностей и математические основы машинного обучения.

Ведёт англоязычный курс «Вероятность и статистика в высокой размерности» (High Dimensional Probability and Statistics) — дисциплину департамента больших данных и информационного поиска, которая читается в 3 и 4 модулях, оценивается в 6 кредитов при 80 контактных часах и предлагается как магистрантам направления «Прикладная математика и информатика», так и всем студентам в формате «Маго-лего»; занятия ведёт совместно с К.П.Б. Пари. Курс вводит в современные вероятностные и статистические методы анализа данных с упором на гарантии для конечных выборок и задачи, возникающие при работе с данными высокой размерности: неравенства концентрации, линейная регрессия в высокой размерности, оценивание матриц.

Второй авторский курс — «Оптимальный транспорт и его приложения» (Optimal Transport and Its Applications), дисциплина по выбору магистерской программы «Математика машинного обучения» (3 кредита, 40 контактных часов, английский язык). Программа охватывает постановки задачи оптимального транспорта по Монжу и по Канторовичу, условия существования оптимального плана, расстояния Канторовича — Вассерштейна, теорему Бренье о структуре оптимального отображения, связь задачи с уравнением неразрывности и риманову структуру на 2-Вассерштейновом пространстве, а также приложения в экономике, машинном обучении, обработке изображений и статистике. Кроме того, читает базовый курс «Математическая статистика 1 (углублённый курс)» для второкурсников бакалавриата направления «Прикладная математика и информатика» (3 кредита, 60 контактных часов, 4 модуль), а в 2023/2024 году вёл «Mentor's Seminar „Math of Machine Learning“».

До прихода на постоянную работу в Вышку и параллельно с ней занимался исследованиями в двух научных коллективах: в 2021–2023 годах — в Лаборатории статистического машинного обучения Сколтеха, с 2021 года — в Лаборатории комбинаторных и геометрических структур МФТИ. Работа отмечена званием «Лучший преподаватель — 2025», благодарностью факультета компьютерных наук НИУ ВШЭ (июнь 2026), включением в кадровый резерв университета — группу высокого профессионального потенциала, категория «Новые исследователи» (2024–2025), и надбавками за публикации в журналах из Списка А (2024–2025 и 2025–2026 годы).

Публикуется в ведущих математических журналах и на профильных конференциях по машинному обучению. Совместная работа «Octopuses in the Boolean cube: Families with pairwise small intersections» вышла двумя частями в Journal of Combinatorial Theory, Series B (2023 и 2025) и относится к экстремальной комбинаторике. Статья «Sharper dimension-free bounds on the Frobenius distance between sample covariance and its expectation» опубликована в журнале Bernoulli (2025). Доклад «Nonparametric Uncertainty Quantification for Single Deterministic Neural Network» вошёл в сборник Advances in Neural Information Processing Systems (2022). К статистической линии относятся работы «Selective Nonparametric Regression via Testing» (2023), «Optimal Estimation in Mixed-Membership Stochastic Block Models» (2023) и «Efficient Conformal Prediction under Data Heterogeneity» (2024). Ранняя публикация — «About the Power Law of the PageRank Vector Component Distribution. Part 2» в журнале Numerical Analysis and Applications (2018).