Томащук Корней Кириллович

Преподаватель департамента анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ и младший научный сотрудник Лаборатории анализа семантики того же факультета. Аспирант Вышки. Оба диплома получил в этом же университете: бакалавриат по прикладной математике и информатике окончил в 2022 году, магистратуру по той же специальности — в 2024 году. В университете работает с 2020 года, начинал стажёром-исследователем в Международной лаборатории интеллектуальных систем и структурного анализа.

Учебная нагрузка охватывает и математические, и прикладные дисциплины. В бакалавриате ведёт «Машинное обучение 1» и «Машинное обучение 2» — курсы читаются студентам прикладной математики и информатики, экономики, социологии, психологии, политологии и государственного управления, а также как дисциплина общефакультетского пула. Преподаёт англоязычные курсы Differential Equations, Calculus 2 и Methods of Mathematic Modeling, а в магистратуре — Methods of Artificial Intelligence in Decision Making и How to Examine and Predict Time Series: Methods and Applications. Читает «Методы оптимизации в машинном обучении», авторский курс «Пролегомены к сильному искусственному интеллекту» и ведёт исследовательский семинар Data Analysis in Applied Research.

Курс «Машинное обучение 1» рассчитан на 5 кредитов и 80 контактных часов и построен вокруг трёх блоков: работа с данными и разведочный анализ на Python, обучение с учителем (линейные модели, решающие деревья, случайный лес и градиентный бустинг, рекомендательные системы) и обучение без учителя — кластеризация, визуализация и понижение размерности. По итогам студент должен уметь пройти полный цикл построения модели: сформулировать задачу, выбрать метрику качества, обучить модель, подобрать гиперпараметры и провести валидацию. Этот курс получил отметку «Лучший по критерию "Новизна полученных знаний"». В 2026/2027 учебном году он вошёл в число преподавателей обязательного англоязычного курса «Классическое и нейросетевое моделирование» для четвёртого курса программы «Прикладной анализ данных» — 9 кредитов и 96 контактных часов, курс объединяет теорию сложных систем, классические численные методы и физически-информированные нейросетевые архитектуры.

Научные интересы: прогнозирование хаотических временных рядов на много шагов вперёд, бифуркации в нелинейных краевых задачах для уравнений в частных производных (прямые и обратные задачи) и численные методы решения таких задач. Соавтор статей «Generalized relational tensors for chaotic time series» (PeerJ Computer Science, 2023), «Multi-Step-Ahead Prediction of Chaotic Time Series: Self-Healing Algorithm for Restoring Values at Non-Predictable Points» (Qubahan Academic Journal, 2024), «Relative Chaoticity of Natural Languages» (Complexity, 2026) и работы «Метод построения полной бифуркационной картины краевой задачи для нелинейных уравнений в частных производных: применение теоремы Колмогорова — Арнольда» (Известия вузов. Прикладная нелинейная динамика, 2025). Ранняя публикация «Анализ структуры временных рядов количества дел в суде» вышла в «Вестнике кибернетики» в 2022 году.

Прикладная часть исследований закреплена двумя зарегистрированными программами для ЭВМ: «Прогнозирование количества дел арбитражных судов РФ» и «Программа анализа структуры количества дел в суде с помощью плоскости "энтропия — сложность"» (обе 2023 года, в соавторстве с П. П. Лукьянченко, В. А. Громовым и Ю. Н. Бесчастновым). Входит в группу высокого профессионального потенциала кадрового резерва НИУ ВШЭ: категория «Новые исследователи» в 2022 году, категория «Новые преподаватели» в 2025–2026 годах. Университет назначал ему надбавку за публикации в журналах из списка А в 2024–2026 годах и надбавку для молодых преподавателей факультета компьютерных наук. Отмечен благодарностями факультета компьютерных наук (2022) и проректора НИУ ВШЭ (2025); студенты выбрали его лучшим преподавателем в 2025 году.