Студенты ФКН НИУ ВШЭ разработали ИИ-решения для прогнозирования и маркетинга
24 мая в Вышке состоялись защиты и церемония награждения хакатона по машинному обучению для ретейла, организованного MAGNIT TECH и факультетом компьютерных наук НИУ ВШЭ. В течение четырех дней команды работали над индустриальными кейсами технологичного драйвера крупнейшего ретейлера страны — компании «Магнит». Участники анализировали данные, обучали модели, проверяли гипотезы и защищали свои решения перед экспертами компании, чтобы в итоге не только добиться высокого качества моделей, но и предложить подходы для использования в реальном бизнесе.
В хакатоне приняли участие 370 студентов технических специальностей, объединенных в 111 команд. Решения участников оценивали эксперты и руководители направлений MAGNIT TECH и НИУ ВШЭ, а также специалисты в области машинного обучения и аналитики данных, среди которых Вячеслав Кубаев, директор по цифровым технологиям MAGNIT TECH, Александр Бульдяев, руководитель продуктовой трансформации MAGNIT TECH, Евгений Соколов, руководитель департамента больших данных и информационного поиска ФКН НИУ ВШЭ.
Призовой фонд составил 600 000 рублей. Победители и призеры также будут иметь возможность пройти ускоренный отбор на стажировку в MAGNIT TECH, а лучшие решения смогут получить дальнейшее развитие внутри компании.
В течение четырех дней студенты:
анализировали реальные данные компании;
прорабатывали продуктовые гипотезы;
обучали и тестировали модели;
работали с экспертами и менторами MAGNIT TECH и НИУ ВШЭ;
презентовали решения экспертному жюри.
«Прогнозирование продаж с учетом изменения тенденций» — один из кейсов, над которыми работали команды. Для ретейла критически важно точно прогнозировать продажи новых магазинов и оценивать перспективность локаций. Однако со временем меняются поведение покупателей, конкурентная среда и внешние факторы, из-за этого даже точные модели постепенно теряют качество прогнозирования. Участникам предстояло разработать подход, который позволяет учитывать изменение распределения данных и сохранять стабильную точность прогноза между переобучениями моделей.
Победителем трека стала команда Даниила Хромова (капитан, ФКН, ОП «Прикладной анализ данных», AI Engineer) и Артема Рукавицы (МГУ, аналитик-разработчик). Студенты предложили устойчивый пайплайн прогнозирования продаж новых магазинов с учетом изменения распределения данных между переобучениями модели. В решении использовались ансамбли CatBoost и логистической регрессии, дополнительные фичи, калибровка прогнозов и усреднение нескольких сидов для повышения стабильности качества. Отдельный акцент команда сделала на снижении «недоторговки» — случаев, когда модель переоценивает потенциальные продажи новой точки. В результате команде удалось существенно сократить долю переоцененных прогнозов. Решение показало высокий уровень проработки ML-пайплайна — от feature engineering и fine-tuning до калибровки и подготовки модели к использованию.
«Uplift-моделирование для маркетинговых кампаний» — еще один кейс хакатона. Большинство маркетинговых кампаний в ретейле ориентируются на массовые механики и прошлые тренды. Однако такой подход не позволяет понять, какие клиенты действительно изменят свое поведение под влиянием персонального предложения. Участники разрабатывали модели для более точечного таргетинга, чтобы определять категории, клиентов и сценарии коммуникации с максимальной эффективностью для бизнеса.
Победителем трека «Uplift-моделирование для маркетинговых кампаний» стала команда Кирилла Рыжичкина (капитан, НИТУ МИСИС, Kaggle Master, Research Engineer) и Адиля Хабибуллина (НИТУ МИСИС, Kaggle Expert). Цель состояла в том, чтобы определить не просто клиентов с высокой вероятностью покупки, а тех, чье поведение действительно изменится под влиянием персонального предложения. С точки зрения бизнеса модель помогает точнее выбирать клиентов для персональных предложений, снижать неэффективные маркетинговые расходы и увеличивать инкрементальные покупки на тот же бюджет.
Елена Одоевская
«Преимущество среды Вышки — возможность учиться, работая с реальными данными, учиться собирать свои команды, быть частью команды своих одногруппников, выстраивать процессы, анализировать данные, — говорит Елена Одоевская, проректор НИУ ВШЭ. — Все это готовит их к реальной работе. Такие форматы позволяют университету проверить, насколько наши программы отвечают запросам рынка, а для компаний это шанс заранее увидеть ребят в деле. В результате выигрывают все».
«Все чаще ФКН совместно с партнерами проводит соревнования по машинному обучению и анализу данных, — отметил Евгений Соколов, руководитель и доцент департамента больших данных и информационного поиска, академический руководитель бакалавриата «Прикладная математика и информатика» ФКН. — У нас есть большая экспертиза в организации и методике, а компании глубоко понимают свою область, ставят интересные задачи и делятся данными, кейсами. Приятно, что среди участников — больше сотни студентов Вышки, то есть интерес к теме ИИ и к соревновательному формату у нас определенно высок». Евгений Соколов отметил и многогранное плодотворное сотрудничество с MAGNIT TECH. «Соревнования и хакатоны сегодня становятся особенно важны из-за генеративного ИИ, — считает он. — Сделать домашнее задание можно с помощью той или иной модели, а обойти всех конкурентов по качеству или сделать полезный продукт невозможно без экспертизы, без аналитики, без творческого подхода. Мы определенно будем и дальше вкладываться в подобные форматы, развивать их и экспериментировать с ними».
Вячеслав Кубаев
«Существование современного ретейла невозможно представить без ИИ-технологий, “Магнит” активно внедряет такие решения во всех сферах бизнеса — от магазинов до коммуникаций с клиентами. Это непрерывный процесс, который требует новых нестандартных подходов, совершенствования компетенций и развития команды, — говорит Вячеслав Кубаев, главный директор по цифровым технологиям группы компаний «Магнит». — Нам важно привлекать к работе лучших профессионалов, и формат хакатона стал хорошей возможностью познакомиться с будущими ML-специалистами индустрии. Участники смогли попробовать свои силы в решении прикладных задач и получить опыт работы с условиями, приближенными к реальным бизнес-процессам».
Вам также может быть интересно:
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
В НИУ ВШЭ появится суперкомпьютер для работы с ИИ
Высшая школа экономики готовит к запуску второй суперкомпьютер. Новый кластер будет ориентирован прежде всего на задачи ИИ и дополнит уже действующий суперкомпьютер cHARISMa. Его запуск планируется на конец 2026 года.
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.
Нейросеть НИУ ВШЭ iFORA.LLM включена в Реестр российского программного обеспечения
Адаптированная большая языковая модель для сферы науки, технологий и инноваций (далее — iFORA.LLM, модель), разработанная экспертами Института статистических исследований и экономики знаний НИУ ВШЭ, включена в Реестр российского ПО. Модель создана для эффективного анализа массивов научно-технической информации — от поиска релевантных публикаций до оценки технологических трендов и формирования аналитических отчетов.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
Студенты МИЭМ ВШЭ разработают два спутника собственной конструкции для орбитальных экспериментов
Аппараты, созданные студенческими командами, проведут в условиях космоса исследования свойств перспективных солнечных элементов, бортовых систем накопления энергии и серийной электроники для студенческих спутников.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
«Защищать конкуренцию от ИИ нам придется с помощью самого искусственного интеллекта»
В НИУ ВШЭ прошел двухдневный семинар «Искусственный интеллект и конкурентная политика в странах БРИКС». Его участники обсудили две ключевые для конкурентной политики темы: трансформация конкуренции и рынков под влиянием технологий ИИ и усилени е регуляторного потенциала антимонопольных органов за счет технологий искусственного интеллекта.
Крупные города как драйверы роста и новая логика пространственного развития
Крупные города в России выступают не только центрами притяжения населения, но и ключевыми генераторами экономического роста, человеческого капитала и инфраструктурного развития. К такому выводу пришли авторы исследования «Новые модели пространственного развития. Международный опыт и актуальная ситуация в России». Работу проводят в 2026 году ученые НИУ ВШЭ при участии приглашенных экспертов МГУ имени М.В. Ломоносова и РАН.
Дрожь земли: ученые ВШЭ научились отслеживать опасные подземные вибрации в реальном времени
Исследователи из МИЭМ ВШЭ и ИПКОН РАН разработали новую математическую модель мониторинга, которая позволяет фиксировать источник опасных подземных вибраций в реальном времени. Технология поможет снизить риск повреждения зданий, дорог и другой инфраструктуры рядом с карьерами и шахтами. Работа ученых опубликована в журнале «Горная промышленность».