Гражданство: РФ

Дата и место рождения: 28.03.2000, г. Челябинск

Специальность: 1.6.17 - Океанология

Год поступления: 2023

Научный руководитель: к.т.н. Криницкий Михаил Алексеевич

Тема научно-квалификационной работы: Исследование свойств архитектур и подходов обучения искусственных нейронных сетей для повышения достоверности моделирования физических процессов в атмосфере и океане.

Сроки обучения и ВУЗы по первым двум уровням высшего образования: 
МФТИ, бакалавр по специальности 03.03.01, 2017-2021 г.г.
МФТИ, магистр по специальности 03.04.01, 2021-2023 г.г.

Публикации в зарубежных рецензируемых журналах (Web of Science, Scopus)

1. Viktor Artemovich Golikov, Mikhail Krinitskiy и Dmitrii Borisov. “Visual clustering of marine sediment particles using a combination of unsupervised machine learning methods”. В: Proceedings of The 6th International Workshop on Deep Learning in Computational Physics — PoS(DLCP2022). Т. 429. 2022, с. 020. doi: 10.22323/1.429.0020.
2. V. A. Golikov, M.A.Krinitskiy, D. G. Borisov, and E. I. Riazanova. “Client-Server Application for automated Estimation of Bottom Sediment Composition in the Fraction >0.1 mm from Microphotography Using Modern Deep Learning Methods”. Vestnik Moskovskogo Universiteta. 2023, Vol. 78, No. 7, pp. 104–114. doi: 10.3103/S0027134923070093

Устный доклад на международной конференции

EGU-2021. Доклад : Artificial neural networks for clustering sediment grains in microphotographs.

Устный доклад на всероссийской конференции

• XVIII Международная научно-техническая конференция «СОВРЕМЕННЫЕ МЕТОДЫ И СРЕДСТВА ОКЕАНОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ» (МСОИ-2023).
  Доклад : АЛГОРИТМ АВТОМАТИЗИРОВАННОЙ ОЦЕНКИ ВЕЩЕСТВЕННОГО СОСТАВА ДОННЫХ ОСАДКОВ ВО ФРАКЦИИ >0.1 ММ ПО МИКРОФОТОГРАФИЯМ С ПРИМЕНЕНИЕМ СОВРЕМЕННЫХ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ.
• The 6th International Workshop on Deep Learning in Computational Physics.
  Доклад: Visual clustering of ocean sediment grains using a combination of unsupervised machine learning methods.
• The 6th International Workshop on Deep Learning in Computational Physics.
  Доклад:  In situ wind speed nowcasting using data-driven approach.
• The 7th International Workshop on Deep Learning in Computational Physics.
  Доклад : CLIENT-SERVER APPLICATION FOR AUTOMATED ESTIMATION OF THE MATERIAL COMPOSITION OF BOTTOM SEDIMENTS IN THE >0.1 MM FRACTION FROM MICROPHOTOGRAPHY USING MODERN DEEP LEARNING METHODS
• КИМО-2021.
  Доклад : Кластеризация зёрен осадочных пород на микрофотографиях с применением современных методов глубокого обучения