Тибилов Таймураз Валерьевич

Преподаватель базовой кафедры компании 1С Высшей школы бизнеса НИУ ВШЭ и базовой кафедры Яндекс департамента больших данных и информационного поиска факультета компьютерных наук. В университете преподаёт с 2022 года — того же года, когда окончил бакалавриат НИУ ВШЭ по направлению «Программная инженерия». Профессиональные интересы — машинное обучение, науки о данных и большие данные. Владеет английским и японским языками.

С октября 2021 года работает аналитиком-разработчиком в компании «Яндекс.Технологии». Круг рабочих задач — улучшение качества поиска и пользовательского опыта, разработка продуктовых метрик, проведение A/B-тестов и создание методов обработки и агрегирования больших данных. Этот промышленный опыт напрямую переносится в его курсы: две из трёх дисциплин, которые он ведёт сейчас, посвящены именно работе с данными в продуктовой разработке.

Базовый курс — «Алгоритмы и структуры данных» для первокурсников программы «Бизнес-информатика» Высшей школы бизнеса (направление 38.03.05), объёмом 7 кредитов и 84 контактных часа, третий и четвёртый модули. Курс читается коллективом преподавателей и охватывает асимптотический анализ, сортировки, хеш-таблицы, деревья поиска, графы и алгоритмы поиска кратчайших путей, остовные деревья, динамическое программирование и обработку строк. Оценивание построено на трёх программистских контестах, устном экзамене и блокирующем итоговом экзамене; в списке литературы — классические работы Седжвика, Кормена и Ахо. Ранее он вёл этот же курс на программе «Прикладная математика и информатика» факультета компьютерных наук, а также продолжение — «Алгоритмы и структуры данных 2» — для второкурсников ПМИ.

Второй курс — «Аналитика данных» для третьекурсников программы «Прикладная математика и информатика» ФКН, объёмом 6 кредитов и 80 контактных часов (третий и четвёртый модули). Дисциплина подготовлена совместно с Яндексом: практикующие аналитики и руководители разбирают реальный рабочий процесс — от метрик и A/B-экспериментов до применения продвинутых методов машинного обучения. Программа охватывает продуктовую аналитику, статистику и проверку гипотез, инфраструктуру, визуализацию и краудсорсинг; итоговая оценка складывается из домашних заданий (60%) и контрольной работы (40%). Курс входит и в общефакультетский пул дисциплин ФКН.

Для магистрантов программы «Современные компьютерные науки» (направление 01.04.02) читал курс «Сбор и разметка данных для машинного обучения» объёмом 3 кредита во втором модуле. Его цель — научить самостоятельно проходить полный цикл работы с данными: от сбора обучающей выборки до контроля и поддержания качества модели на меняющихся данных. Разбираются краудсорсинг и декомпозиция задач, контроль качества данных, автоматизация конвейеров и подходы human-in-the-loop; формат работы — пять домашних заданий и три групповых проекта. Кроме того, вёл в Высшей школе бизнеса курс «Технологии программирования» и профориентационный семинар «Введение в бизнес-информатику» для первокурсников.