Smbat Shakhpazyan

أنا باحث في التعلم الآلي والتعلم العميق ولدي أكثر من 3 سنوات من الخبرة في بناء وتحسين نماذج عالية الأداء. أنا متخصص في تجاوز تطبيقات "الصندوق الأسود" من خلال تطبيق الحدس الرياضي الدقيق لحل المهام المعقدة. عملي يجسر الفجوة بين البحث الأكاديمي عالي المستوى والتطبيقات الجاهزة للإنتاج.

الخبرة الأساسية
أبحاث التعلم العميق: تنفيذ متقدم لشبكات CNN والمحولات وشبكات الرسم البياني العصبي (GNNs).

النمذجة الرياضية: الكفاءة الخبيرة في الجبر الخطي، والتفاضل والتكامل، والاحتمالات المستخدمة لتحسين تقارب النموذج (مثل خوارزمية EM، الانتشار العكسي).

التعلم المراقب وغير المراقب: تطوير مخصص لنماذج SVM، طرق المجموعة، الانحدار السوفت ماكس، ونماذج التجميع.

نشر الذكاء الاصطناعي الكامل: تطوير أنظمة شاملة باستخدام Django و Next.js لجعل نماذج الذكاء الاصطناعي واقعية.

التدريب الأكاديمي
أساسي التقني مبني على المنهج الصارم لجامعة ستانفورد وبرنامجي الحالي:

ستانفورد CS229 (تعلم الآلة): إتقان شامل للتعرف على الأنماط الإحصائية، التعلم التوليدي، والتعلم التعزيزي.

ستانفورد CS109 (احتمالية علماء الحاسوب): خبرة عميقة في النماذج الاحتمالية، تقدير المعلمات، ونظرية عدم اليقين.

جامعة يريفان الحكومية: يتابع حاليا دراسة في كلية المعلوماتية والرياضيات التطبيقية، مع التركيز على نظرية الرسوم البيانية والرياضيات المتقطعة.

المشاريع المميزة
الأكاديمية القادمة: تصميم وبناء نظام هجين لإدارة القضاة والتعلم عبر الإنترنت باستخدام Next.js وDjango.

تحليل الزمان: البحث في انتشار المشاعر على رسوم سلسلة التوريد العالمية باستخدام طبقات GCN ومنطق مصفوفة المجاور.

أنظمة التحسين: بناء وتحسين أدوات مخصصة مدعومة بالذكاء الاصطناعي، بما في ذلك تطبيقات التعرف على الكتابة اليدوية وتطبيقات إعادة مزج الفيديو.