Присоединяйся к центрам исследований и разработок Huawei
Исследуй будущее вместе с нами
Продукты, решения и сервисы полного цикла Huawei конкурентоспособны и отвечают современным требованиям безопасности. Благодаря открытой коллаборации с нашими партнёрами, мы создаём постоянную ценность для наших клиентов, предоставляя им всё больше возможностей, обогащая их быт и привнося инновации в организации всех видов и масштабов.
В Huawei инновации сфокусированы на потребностях клиента. Мы много инвестируем в фундаментальные исследования, нацеленные на технологические прорывы, которые двигают мир вперёд.
Мы проводим исследования в области математики, алгоритмов, инструментов разработки, а также фундаментальные исследования в математике, физике, химии, биологии, геометрии, логике, термодинамике, бионике и других областях
<!–
–>
Московский исследовательский центр 
Санкт-Петербургский исследовательский центр 
Нижегородский исследовательский центр 
Новосибирский исследовательский центр 
Минский исследовательский центр <!–
–>
Huawei совместно с ведущими партнёрами исследует технологии будущего. Мы приглашаем студентов, аспирантов, специалистов, кандидатов и докторов наук присоединиться к решению наиболее интересных и ключевых задач.
С начала 2019 года Huawei открыла совместные образовательные программы уже более чем в 8 университетах. Эти программы призваны показать студентам путь к новейшим технологиям индустрии и помочь понять взаимосвязь между технологиями и академическим знаниями, чтобы дать студентам больше возможностей и опыта в цифровой трансформации будущего.
В докладе будет приведен обзор открытых математических задач глубокого машинного обучения и просуммирован опыт коллектива прикладных разработчиков в области создания промышленных систем компьютерного зрения с точки зрения составления списка открытых прикладных задач в данной области.
Реальный мир, за пределами традиционных границ, по своей сути является нелинейным. Дальнейшее развитие радио и оптических телекоммуникационных систем требует сложных подходов для уменьшения или компенсации нелинейных искажений устройств и каналов связи. В этой лекции мы рассмотрим типовые нелинейные алгоритмы ЦОС, такие как снижение пик-фактора (crest factor reduction - CFR), цифровое предискажение (digital predistortion - DPD) и нелинейную эквализацию (nonlinear equalization - NLE). Мы рассмотрим несколько примеров использования этих алгоритмов и продемонстрируем как их применение позволяет увеличить качество и эффективность работы систем связи, а также снизить их стоимость и энергопотребление. Дополнительно мы рассмотрим тесную связь этих алгоритмов с популярными сейчас машинным обучением и нейронными сетями.
Докладчик:
Павел Плотников, к.т.н. Ведущий инженер, Руководитель отдела Нелинейной обработки сигналов Московского R&D центра компании Huawei
Мы живем в быстро меняющемся мире и в следующее десятилетие станем еще более интегрированными с многочисленными устройствами вокруг нас, внутри нас и внутри нас. Но все эти устройства будут управляемы программным обеспечением, и наиболее важной частью программного обеспечения является системное программное обеспечение - скрытая часть «айсберга», которая фактически позволяет работать всему остальному - операционные системы, основные алгоритмы, сетевой стек, графические движки, средства разработки. В данном докладе будет представлено видение Huawei на такие технологии нового поколения, которые будут «управлять миром» в 2020-х годах.
Владимир Рубанов является главным техническим директором по разработке программного обеспечения в Российском научно-исследовательском институте Huawei и лидером лаборатории операционных систем. В прошлом он занимал руководящие должности в Росплатформе, Virtuozzo (Parallels Holding), РОСА («Российские операционные системы») и ИСП РАН (Институт Системного программирования РАН). Владимир с отличием закончил Московский физико-технический институт (магистр, средний балл 5.0). Имеет более 50 научных публикаций, многократно выступал на ведущих международных конференциях. Кандидат физико-математических наук, имеет ученое звание доцента по ИТ-специальности.
Лекция будет посвящена одной из основных тенденций в сетях беспроводной связи 5G - Massive-MIMO. Практические проблемы систем Massive-MIMO появляются из-за роста пространственного разрешения в сетях беспроводной связи. В реальных системах связи существует множество ограничений, которые не позволяют реализовать весь потенциал massive-MIMO систем. В тоже время, системы беспроводной связи относятся к динамических системам, которые всегда работают на фоне разного рода шумов. Поэтому возможность адаптировать алгоритм под эти условия (динамика, шумы) важная составляющая таких систем. В лекции будут предприняты попытки определения источников ошибок и устойчивости беспроводной связи к этим ошибкам, а также рассмотрены способы минимизировать их влияние.
Спикер: Ляшев Владимир, руководитель лаборатории RTT в MRC.
В докладе будет приведен обзор открытых математических задач глубокого машинного обучения и просуммирован опыт коллектива прикладных разработчиков в области создания промышленных систем компьютерного зрения с точки зрения составления списка открытых прикладных задач в данной области.
Спикер: Иван Мазуренко, старший научный сотрудник лаборатории проблем теоретической кибернетики механико-математического факультета МГУ им. М.В. Ломоносова, руководитель лаборатории Интеллектуальных систем Московского исследовательского центра компании Huawei, Москва, Россия
В лекции будет дан обзор алгоритмов, позволяющих отвечать на вопросы.
В качестве источников информации может быть использована база знаний (knowledge-base question answering);
ресурсы, содержащие большое количество пар вопрос-ответ (ranking algorithms);
отдельный документ (reading comprehension);
и, наконец, вся Википедия, или любая другая большая коллекция текстов (open domain question answering).
Разберемся, какие есть достоинства и недостатки у каждого из подходов, и рассмотрим на примерах, как далеко продвинулся прогресс в этой области.
Ирина Пионтковская, Руководитель NLP команды в лаборатории "Ноев ковчег", Huawei RRI.
Разработка программного обеспечения сегодня и двадцать лет назад существенно отличаются: языки программирования стали проще, доступность открытого кода и его объемы возросли во много раз, среды разработки стали мощнее, появились методики и инструменты автоматизации программирования. Однако, мы еще очень далеко от цели. Мы, программисты, по-прежнему делаем ошибки, выпускаем некачественные продукты, и проваливаем большинство проектов (по мнение многих исследователей). В чем же дело и что может стать решением? Мы считаем, что искусственный интеллект может быть новым этапом в развитии индустрии ПО и сможет повысить качество выпускаемых решений. На лекции мы обсудим, как именно это может произойти и каковы наши шансы повлиять на этот тренд.
Егор Бугаенко, руководитель лаборатории системного программирования Московского исследовательского центра Huawei, автор нескольких книг по разработке ПО, в том числе Elegant Objects, об объектно-ориентированном программировании, автор нескольких популярных Java библиотек с открытым кодом, часто выступает на международных конференциях и активно борется за повышение качества работы программистов.
Разработка программного обеспечения сегодня и двадцать лет назад существенно отличаются: языки программирования стали проще, доступность открытого кода и его объемы возросли во много раз, среды разработки стали мощнее, появились методики и инструменты автоматизации программирования. Однако, мы еще очень далеко от цели. Мы, программисты, по-прежнему делаем ошибки, выпускаем некачественные продукты, и проваливаем большинство проектов (по мнение многих исследователей). В чем же дело и что может стать решением? Мы считаем, что искусственный интеллект может быть новым этапом в развитии индустрии ПО и сможет повысить качество выпускаемых решений. На лекции мы обсудим, как именно это может произойти и каковы наши шансы повлиять на этот тренд.
Егор Бугаенко, руководитель лаборатории системного программирования Московского исследовательского центра Huawei, автор нескольких книг по разработке ПО, в том числе Elegant Objects, об объектно-ориентированном программировании, автор нескольких популярных Java библиотек с открытым кодом, часто выступает на международных конференциях и активно борется за повышение качества работы программистов.
Стремительное увеличение объема больших данных и развитие компьютерных мощностей привело к прорыву в облачном машинном обучении (ML). Тем не менее, классическое машинное обучение предъявляет серьезные требования к компьютерной мощности, памяти и вычислительным ресурсам, делая невозожным их применение для многих устройств. Необходимы новые, более совершенные интеллектуальные устройства, которые требуют быстрого и надёжного управления по беспроводной сети. Меруан Дебба, директор Лаборатории математических алгоритмов Huawei в Париже, член Института инженеров электротехники и электроники и Всемирного Исследовательского Форума Беспроводной Связи.
