Фролов Евгений Петрович
- Старший научный сотрудник:Факультет компьютерных наук / Институт искусственного интеллекта и цифровых наук / Научно-учебная лаборатория матричных и тензорных методов в машинном обучении
- Доцент:Факультет компьютерных наук / Департамент больших данных и информационного поиска
- Начал работать в НИУ ВШЭ в 2023 году.
Полномочия / обязанности
Руководит группой исследований и разработки технологий персонализации. Преподает курс по рекомендательным системам.
Образование, учёные степени
- 2018PhD
- 2018
Аспирантура: Сколковский институт науки и технологий, специальность «Информатика и вычислительная техника», квалификация «Исследователь. Преподаватель-исследователь»
- 2009
Специалитет: Московский государственный университет имени М.В. Ломоносова, специальность «Физика конденсированного состояния вещества», квалификация «физик»
Достижения и поощрения
Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2024-2025)
Учебные курсы (2023/2024 уч. год)
- Проектирование и разработка рекомендательных систем (Бакалавриат; где читается: Факультет компьютерных наук; 4-й курс, 3 модуль)Рус
Recommender Systems (Магистратура; где читается: Факультет компьютерных наук; направление "01.04.02. Прикладная математика и информатика", направление "01.04.02. Прикладная математика и информатика"; 2-й курс, 1, 2 модуль)Анг
Проекты
Successfully negotiated and delivered several projects with large companies: secured time, budget, and scope
of work; organized and managed diverse teams of researchers of up to 7 people. Details:
Joint projects with Huawei (Principal Investigator).
◊ Hyperbolic Geometry for Sequential Learning algorithms in next item recommendations. 2022 – 2023.
✓ Lead the development of several architectures for sequential learning with hyperbolic layers.
✓ Designed a new solution combining hyperbolic classifier with sequential self-attention.
✓ Established connection between data properties and compatibility with hyperbolic models.
◊ Privacy-preserving Federated Learning for next app predictions on mobile platforms. 2021 – 2022.
✓ Lead a cross-disciplinary team. Ensured all components of the designed solution are compatible
with practical requirements of the customer. Developed a novel matrix factorization approach.
✓ The final solution was accepted and tested in pre-production environment by the customer.
◊ On-device user actions prediction for quick search of relevant apps. 2019 – 2020.
✓ Lead a team of researchers from different universities. Developed several new solutions.
✓ Provided solution satisfied the target accuracy specs and was implemented in production.
Collaboration with Sber AI Lab. 2018 – 2020.
◊ Joint project on Hyperbolic Autoencoders for recommender systems.
✓ Initiated and delivered a cutting-edge research project related to application of hyperbolic
geometry in collaborative filtering models. Presented results at the main RecSys conference.
◊ Consulting:
✓ Consulted the design of “Stories” recommendation in the bank’s mobile application. A/B testing in production indicated a 56% increase of the conversion rate.
✓ Implemented a prototype restaurant recommendation system based on user transactions. Part of the solution was used in the production system.
Other related activities:
◊ Collaboration with R&D Lab of prudSys company (https://prudsys.de), 2014 – 2017.
Conducted research on application of tensor methods for online recommendations in retail.
◊ Open-source
✓ Developed Polara, an open-source recommender systems framework. The framework is used by individuals as well as several companies for quick prototyping and as a tool for performing exploratory research. Repository: https://github.com/evfro/polara
✓ Developed fast PyTorch loaders for collaborative filtering data: https://github.com/evfro/cofida
Публикации4
- Глава книги Samra A., Frolov E., Vasilev A., Grigorevskiy A., Vakhrushev A. Cross-Domain Latent Factors Sharing via Implicit Matrix Factorization, in: RecSys '24: Proceedings of the 18th ACM Conference on Recommender Systems. Association for Computing Machinery (ACM), 2024. P. 309-317. doi
- Глава книги Гусак Д. И., Mezentsev G., Oseledets I., Frolov E. RECE: Reduced Cross-Entropy Loss for Large-Catalogue Sequential Recommenders, in: Proceedings of 33rd ACM International Conference on Information and Knowledge Management (CIKM ’24). NY : Association for Computing Machinery (ACM), 2024. P. 27-32. doi (в печати)
- Статья Frolov E., Oseledets I. Tensor-Based Sequential Learning via Hankel Matrix Representation for Next Item Recommendations // IEEE Access. 2023. Vol. 11. P. 6357-6371. doi
- Статья Frolov E., Oseledets I. Tensor methods and recommender systems // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2017. Vol. 7. No. 3 doi
Опыт работы
◊ Microsoft LLC, Microsoft Premier Services. Technical Account Manager, 2011 – 2013. Helped companies build, grow, and maintain IT-infrastructure that drives business processes.
◊ UMSoft LLC. Project Manager / Key Account Manager / Instructor, 2010 – 2011. Lead IT-infrastructure projects. Implemented one of the largest VOIP call-centers in Russia.
◊ Siemens IT Solutions and Services. Field Support/Telecom Engineer, 2009 – 2010.
◊ Innovation Workshop at Massachusetts Institute of Technology, Boston, USA, 2013: https://www.skoltech.ru/en/2013/08/innovation-workshop.
◊ Crucial Conversations (corporate training at Microsoft), 2011.
◊ ITIL Foundation 2011 Certificate, awarded by PeopleCert organization.
Интервью с лауреатами стипендии Яндекса
11 апреля состоялось юбилейное десятое вручение стипендии Яндекса
Центр ИИ Вышки помогает стране и Сберу развивать AI-технологии
Сбер оценил экономический эффект от сотрудничества с исследовательскими центрами в сфере искусственного интеллекта в 1,1 млрд рублей. Одним из партнеров Сбера с 2021 года является Центр ИИ Высшей школы экономики. Всего в рамках этого партнерства успешно реализовано 19 проектов.
Ученые Центра ИИ НИУ ВШЭ расскажут о предсказании действий пользователя в рекомендательных системах на AIRI Seminars
31 января в 17:00 Евгений Фролов и Дмитрий Игнатов примут участие в научном диалоге на тему «Гиперболические эмбеддинги в задаче предсказания следующих действий пользователя в рекомендательных системах». Присоединиться к мероприятию можно офлайн на Арме или онлайн на YouTube-канале AIRI.
Секрет успеха: как рекомендательные системы меняют индустрию
В НИУ ВШЭ состоялась научная конференция, посвященная молодой и активно развивающейся области рекомендательных систем. На площадке собрались представители научного сообщества и индустрии. Они обменялись передовыми идеями и лучшими практиками, а также обсудили возможности внедрения новых технологий в реальные бизнес-сценарии.