Адилет – молодой математик, родившийся и выросший в Казахстане, который желает продолжить свой академический опыт и намерен связать свою будущую работу с математическими исследованиями и преподаванием. Адилет получил степень бакалавра математики в Назарбаев Университете, степень магистра прикладной математики в Университете Манчестера и степень PhD оптимизации в Оксфордском университете в 2021 году. Для получения докторской степени он был удостоен конкурсной стипендии от Института Алана Тьюринга, британского национального института науки о данных и искусственного интеллекта.

Исследования:

Его докторское исследование проходит на границе между оптимизацией и машинным обучением. Хотя методы оптимизации широко используются в машинном обучении, можно ли использовать методы машинного обучения при оптимизации? Вдохновленный этим вопросом, его исследование исследует эффективность конкретного метода машинного обучения, называемого «уменьшение размерности», применительно к проблеме глобальной оптимизации большой размерности, которая известна своими проблемами масштабируемости. В своей работе он демонстрирует, что эти проблемы можно значительно облегчить для определенного класса функций, которые в литературе называются функциями с низкой эффективной размерностью. Эти функции используются в таких приложениях, как нейронные сети, задачи комбинаторной оптимизации, моделирование климата, а также сложные инженерные и физические модели.

В своем будущем исследовании он планирует рассматривать возможность изучения эффективности случайных методов оптимизации с возможными приложениями в задачах машинного обучения, инженерии и моделирования климата. В частности, он хотел бы разработать более масштабируемый алгоритм глобальной оптимизации, объединив методы случайного поиска с методами локальной оптимизации. Кроме того, он стремится исследовать практичность случайных методов в других связанных областях, таких как, например, линейное построение эскизов в задаче завершения матрицы, чтобы улучшить масштабируемость существующих методов завершения матрицы, многие из которых полагаются на дорогостоящее разложение по сингулярным числам.

Обучение:

На протяжении своей педагогической карьеры Адилет участвовал в различных форматах обучения, включая взаимное обучение, онлайн-обучение, индивидуальные уроки, обучение в маленьких и больших классах. Его опыт преподавания включает ТА и наставничество в области непрерывной оптимизации, целочисленного программирования и теории графов, преподаваемых в Математическом институте в Оксфорде.

Чтобы улучшить свои педагогические навыки, он принял участие в семинаре «Развивающее обучение и преподавание», сертифицированном Ассоциацией персонала и развития образования (SEDA). Он успешно закончил курс и получил награду SEDA (для получения дополнительной информации посетите https://www.seda.ac.uk/).