Тараканов Александр Александрович

Доцент Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ, научный руководитель онлайн-магистратуры «Искусственный интеллект в маркетинге и управлении продуктом». Имеет степень PhD, полученную в 2017 году в Техасском университете. Высшее образование получил по специальности «Прикладная математика и физика»: бакалавриат окончил в 2011 году, магистратуру Московского физико-технического института — в 2013-м. Аспирантуру проходил в Техасском университете A&M с 2014 по 2017 год, где разрабатывал численные методы моделирования течения жидкости и газа в пористой среде.

До прихода в академическую науку год работал специалистом в «Газпромнефть-НТЦ» (2013–2014), занимаясь оптимизацией добычи нефти и газа. Затем прошёл две постдокторские позиции за рубежом: в Университете Хериота-Уатта (2018–2019) разрабатывал методы интерполяции на основе ортогональных многочленов и оптимизировал системы сбора данных байесовскими методами, в Университете Манчестера (2019–2021) — методы машинного обучения для сжатия снимков стальных сплавов и алгоритмы численного интегрирования на основе методов Монте-Карло и марковских цепей. С июня 2021 по август 2022 года был ведущим инженером Российского исследовательского института Huawei, где разрабатывал алгоритмы обработки HDR-контента. В НИУ ВШЭ работает с 1 сентября 2022 года.

Профессиональные интересы — прикладная математика, математическая статистика, численные методы и машинное обучение. В 2025/2026 учебном году читает бакалаврам направления «Прикладная математика и информатика» англоязычный курс Differential Equations и «Глубинное обучение в естественных науках», а также маго-лего-курс RecSys в русскоязычной и англоязычной версиях. Курс RecSys в наборе 2026/2027 года ведёт единолично: 3 кредита и 24 контактных часа, программа охватывает матричную факторизацию, разреженные линейные модели, спектральные и графовые методы и современные нейронные подходы к рекомендательным системам. В том же наборе он входит в состав преподавателей обязательного англоязычного курса «Классическое и нейросетевое моделирование» для четвёртого курса программы «Прикладной анализ данных» (9 кредитов, 96 контактных часов), где разбираются теория сложных систем, классические численные методы и физически информированные нейросетевые архитектуры. Ранее вёл «Численные методы», «Основы обучения с подкреплением», семинар наставника для магистрантов, а также англоязычные Surrogate Modelling and Statistical Analysis of Engineering Systems и исследовательский семинар Mathematical and Computational Engineering in Science and Business.

Курс «Глубинное обучение в естественных науках», который он ведёт вместе с двумя коллегами, рассчитан на 6 кредитов и 80 контактных часов и посвящён применению нейросетей к задачам квантовой физики, механики жидкостей, биологии и материаловедения — от полносвязных и свёрточных сетей до графовых нейронных сетей, генеративных моделей и физически информированных архитектур для решения дифференциальных уравнений.

Научные публикации связаны с байесовским планированием эксперимента и суррогатным моделированием: «Regression-based sparse polynomial chaos for uncertainty quantification of subsurface flow models» в Journal of Computational Physics (2019), «Optimal Bayesian experimental design for subsurface flow problems» в Computer Methods in Applied Mechanics and Engineering (2022) и «Digital fingerprinting of microstructures» в Computational Materials Science (2023). Работа в университете отмечена благодарностью проректора НИУ ВШЭ (ноябрь 2024) и благодарностью старшего директора по научным исследованиям и разработкам (август 2024). В 2024 году получил отметку «Лучший академический руководитель» в номинации «Привлечение студентов».