Все в ШАД!

Открытый интенсив AI Agents Security Week от ШАДа: как создавать надёжные ИИ-системы ИИ-агенты всё чаще становятся частью продуктов и рабочих процессов: они пишут код, работают с данными, принимают решения и взаимодействуют с внешними сервисами. Чем больше задач мы им делегируем, тем важнее становится обеспечение безопасности и предсказуемости таких систем. На онлайн-интенсиве AI Agents Security Week с 27 июля по 31 июля вместе с экспертами Яндекса разберём, как защищать персональные и корпоративные данные, безопасно выдавать агентам доступ к инструментам и инфраструктуре, предотвращать утечки информации и устранять уязвимости. Вы узнаете новое или углубите свои знания в следующих областях: — Что такое автономные ИИ-агенты и чем они отличаются от больших языковых моделей — Как защищать системы от взломов, утечек данных, ошибок конфигурации и других угроз — Какие принципы и подходы лежат в основе защиты агентных ИИ-систем — С какими проблемами сталкивались разработчики разных ИИ-моделей Для практических заданий пригодятся понимание жизненного цикла разработки ПО (SDL) и опыт вайб-кодинга: базовые навыки промпт-инжиниринга и умение запускать получившийся код. Формат: пять онлайн-занятий по вечерам с возможностью задать вопросы. Чтобы получить сертификат, нужно пройти отборочное тестирование и выполнить итоговую работу. Подать заявку можно до 27 июля включительно. Программа, спикеры и регистрация — на сайте: https://clck.ru/3UpBnS Ваш 🔼🔵🟦 #курсышад

Продолжаем рассказывать о проектах шадовцев 🐈 Студентка Женя Никишкина вместе с ментором Вячеславом Ждановским разработала инструмент для нагрузочного тестирования больших языковых моделей ⚡ Зачем это нужно? Чтобы понимать, сколько вычислительных мощностей потребуется сервису, чтобы стабильно работать и выполнять свои продуктовые ограничения. Женя создала решение, которое автоматически определяет максимальную допустимую нагрузку для конкретной модели и учитывает случайные шумы в измерениях. Сейчас инструмент интегрируют в инфраструктуру Яндекса и оформляют результаты работы в научную статью, но с кодом можно ознакомиться уже сейчас 📖 Такие проекты хорошо показывают, как знания из курсов постепенно превращаются в инструменты для решения прикладных задач, а работа над ними нередко выходит за рамки учебного процесса. Ваш ШАД 🎓 #проектныйкурс

🚀 Траектория рядом с ШАД: где и как собирать собственные ИИ-проекты Это можно сделать с нашей партнерской программой⬇️ AI Talent Hub — проектная магистратура ИТМО по искусственному интеллекту, которая сотрудничает с ШАДом. 🎓 Таланты Хаба могут усиливать свой учебный трек курсами ШАДа по машинному обучению, компьютерному зрению и 3D CV, продуктовому ML, вычислениям на GPU и другим направлениям — а затем применять знания в реальных проектах в актуальных задачах AI/ML. Как работает эта связка, показываем на примере проектов Хаба, в оценке которых в этом году принял непосредственное участие Лёша Толстиков👆 Если хочется создавать такие же проекты — необязательно ждать ➡️ Прими участие в конкурсе ML-проектов: подай свой AI-проект, защити его на питчинге и получи возможность поступить в Хаб без экзаменов. ⚡ Подай заявку на JMLC до 20 июля #AITalentHub #ITMO #NapoleonIT #друзьяшад На связи 🥳

Руководитель академических программ ШАДа в университетах вошла в A-List от SETTERS Media — список людей, которые задают новые стандарты в своих сферах, развивают инновации и помогают формировать будущее. Сегодня Валя Бронер руководит ML-направлением ШАДа, развивает программы с университетами и помогает студентам находить свои темы, команды и научные интересы. А своим главным достижением считает не награды и проекты, а людей, которые благодаря образованию становятся сильными исследователями, инженерами и преподавателями. Самое ценное для меня — не сам факт успеха, а преемственность: когда люди, которым когда-то дали знания и направление, потом сами начинают вкладываться в других Поздравляем Валю и рекомендуем прочитать полное интервью. В нём — про образование, науку, карьеру, ошибки, людей и то, как помогать другим находить свой путь 🎉 Ваш ШАД 🎓 #командашад

Завершилась ICML 2026 — давайте встретимся и обсудим конференцию 👀 🗓 Приглашаем 16 июля в 17:30 на открытый митап на площадке московского ШАД (Москва, БЦ «Мамонтов», 1 этаж, ШАД) Исследователи Yandex Research, ШАД, ФКН НИУ ВШЭ и BRAIn Lab вернутся из Сеула и поделятся главными идеями, трендами и работами, которые действительно стоит прочитать. Не просто перескажем лучшие статьи, а обсудим, что изменилось в ML за последний год и на какие направления стоит обратить внимание. 💡 О чём поговорим? 🎙 Дмитрий Феоктистов (выпускник ШАД 2025) — Optimization Расскажет о самых интересных работах по оптимизации: новых оптимизаторах, подходах к обучению моделей и результатах, которые могут повлиять на развитие современных ML-систем. 🎙 Егор Петров (исследователь Yandex Research и BRAIn Lab) — Efficient Large-Scale Model Training Обзор ключевых работ по эффективному обучению больших моделей: pretraining, post-training, parallelism, оптимизация, а также подходы для работы с длинным контекстом. 🎙 Дмитрий Еремеев и Глеб Баженов (выпускники ШАД 2026) — Graph Machine Learning Совместный обзор главных результатов по Graph ML: Graph Foundation Models, Prior-Data Fitted Networks и Relational Deep Learning. 🎤 Модератор: Екатерина Мамонтова, ML Brand Lead и преподаватель НИУ ФКН ВШЭ ⚡️ Регистрация по ссылке, количество мест ограничено. До встречи! Ваш 🔼🔵🟦 #встречишад

⚡⚡⚡Молния из Кореи! Работа преподавателей ШАДа получила Best Paper Award на воркшопе ICML 2026 🎉 Выше мы упоминали статью GraphPFN: A Prior-Data Fitted Graph Foundation Model. И вот она получила статус лучшей работы на воркшопе Graph Foundation Models: A New Era for Graph Machine Learning. GraphPFN представили исследователи Yandex Research: Дмитрий Еремеев, Олег Платонов, Глеб Баженов, Артём Бабенко и Людмила Прохоренкова. Авторы работы преподают или читают лекции в ШАДе: Олег Платонов, Глеб Баженов и Людмила Прохоренкова ведут курс «Графы в машинном обучении», Дмитрий Еремеев также выступал на этом курсе с приглашённой лекцией, а Артём Бабенко читает отдельные лекции на курсах ШАДа. В работе исследователи представили графовую foundation model, развивающую подход Prior-Data Fitted Networks. Модель предобучается на миллионах специально сгенерированных синтетических графов, а затем может эффективно решать задачи на реальных данных — как в режиме in-context learning, так и после дообучения. На широком наборе реальных графовых датасетов GraphPFN обходит все остальные протестированные модели. Людмила Прохоренкова также приняла участие в панельной дискуссии вместе с исследователями из RWTH Aachen, Georgia Tech и ASU. Поздравляем авторов! Ваш ШАД 🎓 #наукашад

А вы знали, что в ШАДе кураторы есть не только у студентов?  Сегодня познакомимся с Катей Семяшкиной — человеком, который помогает преподавателям ШАДа делать обучение таким, каким его знают и любят студенты. За каждым курсом стоят преподаватели, которые помогают сделать обучение по-настоящему качественным. И Катя — одна из тех людей, благодаря которым всё это работает. Включайте видео и знакомьтесь с человеком, который помогает создавать образовательную среду для всех шадовцев 🌼 Ваш ШАД 🎓 #командашад

Преподаватели и выпускники ШАДа на ICML 2026 🎓 Ранее мы рассказывали о Spotlight-статье преподавателей и студентов ШАДа, принятой на ICML 2026. Продолжаем знакомить вас с другими принятыми работами исследователей Yandex Research и ШАДа — наших преподавателей, ассистентов и выпускников. Основная программа 1️⃣ GraphPFN: A Prior-Data Fitted Graph Foundation Model Работа выполнена исследователями Yandex Research. Среди авторов — Дмитрий Еремеев, Олег Платонов и Глеб Баженов (выпускники ШАДа), а также Артём Бабенко (выпускник ШАДа-2011 и сейчас руководитель Yandex Research) и Людмила Прохоренкова (преподаватель ШАДа). 2️⃣ Unveiling the Role of Data Uncertainty in Tabular Deep Learning Работу представят исследователи Yandex Research: Николай Карташев, Иван Рубачёв (выпускник ШАДа) и Артём Бабенко. 3️⃣ Relevance-Based Embeddings: Lightweight Candidate Retrieval via Heavy-Ranker Calls Авторы — исследователи Яндекса Кирилл Шевкунов и Людмила Прохоренкова. Кирилл — выпускник ШАДа. 4️⃣ Inverse Entropic Optimal Transport Solves Semi-supervised Learning via Data Likelihood Maximization Среди авторов — Никита Стародубцев и Дмитрий Баранчук (преподаватели курса «Генеративные модели в компьютерном зрении» и интенсива CV Week). 5️⃣ One-Step Gradient Delay Is Not a Barrier for Large-Scale Asynchronous Pipeline Parallel LLM Pretraining Авторы — исследователи Yandex Research Филипп Змушко и Егор Петров. Филипп — выпускник ШАДа-2025 и совместной магистратуры МФТИ кафедры Анализа данных, а также ассистент на курсах NLP и «Эффективные системы глубинного обучения». Работа выполнена совместно с инженерами Яндекса и коллегами из BRAIn Lab и MBZUAI. 6️⃣ SoftSign: Smooth Sign in Your Optimizer for Better Parameter Heterogeneity Handling Работу представит Дмитрий Феоктистов, выпускник ШАДа и исследователь Yandex Research. 7️⃣ Guided Star-Shaped Masked Diffusion Среди авторов — выпускник ШАДа Вячеслав Мещанинов. Воркшопы На воркшопе Graph Foundation Models представят сразу несколько работ с участием выпускников ШАДа: 1️⃣ GraphPFN: A Prior-Data Fitted Graph Foundation Model Авторы — Дмитрий Еремеев, Олег Платонов, Глеб Баженов, Артём Бабенко, Людмила Прохоренкова. Работу представят в формате oral-презентации. 2️⃣ Turning Tabular Foundation Models into Graph Foundation Models Авторы работы — Дмитрий Еремеев, Глеб Баженов, Олег Платонов, Артём Бабенко, Людмила Прохоренкова. 3️⃣ A Fair Evaluation of Graph Foundation Models for Node Property Prediction Работа Олега Платонова, Глеба Баженова, Дмитрия Еремеева и Людмилы Прохоренковой. 4️⃣ Статья Registers Matter for Pixel-Space Diffusion Transformers принята сразу на два воркшопа — FoGen и SPIGM. Среди авторов — преподаватели ШАДа Никита Стародубцев и Дмитрий Баранчук, а также Илья Дробышевский (ассистент на курсе «Эффективные системы глубинного обучения»). 5️⃣ Статью Hidden Positives: Why Code Retrieval Benchmarks Underestimate Model Quality представят на воркшопе Deep Learning for Code. Мария Иванова, выпускница ШАДа — одна из авторов работы. 6️⃣ Статью SciKernelBench: Evaluating LLM Kernels for Higher-Order Autodiff and Scientific Residuals представят на воркшопе AI4Physics. Среди авторов — Мария Иванова. Работа выполнена по результатам проекта на курсе Егора Шевцова «Эффективные модели ML и архитектуры нейросетей». Поздравляем авторов и желаем продуктивной конференции! Ваш ШАД 🎓 #наукашад

После получения диплома история с ШАДом должна закончиться? Ну уж нет! Всё только начинается 🎉 Почему так происходит? ⚪️ Потому что здесь всегда есть те, с кем можно обсудить новые идеи и сложные задачи ⚪️ Потому что обучение не заканчивается, и ШАД помогает оставаться в среде, где всегда можно узнать что-то новое ⚪️ Потому что здесь формируются крепкие профессиональные связи, которые сохраняются на долгие годы Выпускники продолжают участвовать в жизни ШАДа: 🔵проводят занятия 🔵становятся менторами 🔵помогают абитуриентам 🔵проверяют экзамены и домашние задания 🔵участвуют в мероприятиях и делятся своей экспертизой В этом и есть одна из отличительных черт ШАДа: это не место, из которого уходят после получения диплома, а сообщество, частью которого продолжают оставаться 💙 Ваш ШАД 🎓