• О Физтехе
  

  МФТИ является одним из ведущих технических вузов России. Институт по праву занимает лидирующее место по качественному приему абитуриентов и квалифицированной подготовке выпускников. Студенты и выпускники МФТИ являются представителями узкого круга лиц, которые, благодаря окружающим их возможностям междисциплинарного научного образования, могут в полной мере реализовать свой потенциал.

  • Общая информация
  • Руководство
  • Физтех-школы
  • Подразделения
  • Публикации в СМИ
  • МФТИ в рейтингах
  • Вклад МФТИ в устойчивое развитие
  • История Физтеха
  • Сведения об образовательной организации
  • Партнеры
  • Абитуриенту
• Образование
  

  Уникальная ­­«Система обучения Физтеха» является одним из лучших подходов к образованию, что доказывает ее существование почти в неизменном виде уже более 60 лет. Получение фундаментального образования в области математики и физики, предварительное знакомство с избранной специализацией наряду с приобретением навыков самостоятельной работы уже на 4м курсе обеспечивают каждого студента объемом знаний и опыта полноценного ученого. Таким образом, к окончанию обучения студенты уже имеют значительные достижения в избранном ими направлении деятельности.

  • Институтские кафедры и департаменты
  • Преподаватели
  • Базовые и факультетские кафедры
  • Абитуриентам и школьникам
  • Иностранным гражданам
  • Повышение квалификации
  • Диссертационные советы
  • Совместные программы
  • Аспирантура
• Наука и инновации
  

  Исследования в МФТИ охватывают широкий круг областей теоретической и экспериментальной физики, энергетики и биомедицины, химии и прикладной математики. Поддержка ряда государственных и частных научных и инвестиционных фондов позволяет нашим ученым каждый день вести разработки на переднем крае науки, чтобы сделать мир более совершенным, удобным и безопасным.

  • Лаборатории и научные центры
  • Центр коллективного пользования
  • Отдел приоритетных исследований и разработок
  • Визит-профессора МФТИ
  • Проект 5—100
  • Гранты и конкурсы
  • Программы развития
  • Отдел по интеллектуальной собственности
  • Научно-технический совет
  • Конференции
  • Научные журналы МФТИ
  • База научных статей
  • Результаты интеллектуальной деятельности
  • Всероссийский конкурс научно-популярной журналистики «Импульс»
• Новости науки

Питер Рихтарик (Peter Richtarik)

PhD, доцент Визит-профессор МФТИ (со-руководитель Дорн Ю.В., лаборатория продвинутой комбинаторики и сетевых приложений) Эдинбургский университет Научно-технологический университет имени короля Абдаллы (KAUST)

Образование

·        Университет имени Я. А. Коменского (Словакия), математика, 2001;

·        Корнеллский Университет, исследование операций, 2006;

·        Корнеллский Университет, PhD, исследование операций, 2007.

Научные интересы

Оптимизация больших массивов данных, численный анализ, машинное обучение, параллельные и распределённые вычисления, суперкомпьютеры.

Профессиональный опыт

·         2007–2009 - Постдокторант, Центр исследований операций и эконометрики;

·         2009–2016 - Лектор, Школа математики, Эдинбургский университет;

·         2013 - Приглашённый учёный-исследователь, Институт теории вычислений Симонса, Калифорнийский университет в Беркли;

·         2016 – Доцент Школы математики Эдинбургского университета;

·         2017 – Доцент Научно-технологического университета имени короля Абдаллы, Саудовская Аравия.

Награды и достижения

·         2016, Премия SIGEST (совместно с Оливье Феркоком) Общества промышленной и прикладной математики;

·         2016, Стипендия Ранней карьеры в математических науках EPSRC;

·         2015, Премия EUSA за лучшую исследовательскую работу или диссертацию (второе место);

·         2014, Пленарный доклад на 46-й конференции словацких математиков.

Основные публикации

·         Peter Richtarik & Martin Takac (2012). "Efficient serial and parallel coordinate descent methods for huge-scale truss topology design". Operations Research Proceedings 2011. Springer-Verlag. pp. 27–32;

·         Peter Richtarik & Martin Takac (2014). "Iteration complexity of randomized block-coordinate descent methods for minimizing a composite function". Mathematical Programming. 144 (1). Springer. pp. 1–38;

·         Olivier Fercoq & Peter Richtarik (2015). "Accelerated, parallel and proximal coordinate descent". SIAM Journal on Optimization. 25 (4). pp. 1997–2023;

·         Dominik Csiba; Zheng Qu; Peter Richtarik (2015). "Stochastic Dual Coordinate Ascent with Adaptive Probabilities". Proceedings of the 32nd International Conference on Machine Learning. pp. 674–683;

·         Robert M Gower & Peter Richtarik (2015). "Randomized Iterative Methods for Linear Systems". SIAM Journal on Matrix Analysis and Applications. 36 (4). pp. 1660–1690;

·         Peter Richtarik & Martin Takac (2016). "Parallel coordinate descent methods for big data optimization". Mathematical Programming. 156 (1). pp. 433–484;

·         Zheng Qu & Peter Richtarik (2016). "Coordinate descent with arbitrary sampling I: algorithms and complexity". Optimization Methods and Software. 31 (5): 829–857;

·         Zheng Qu & Peter Richtarik (2016). "Coordinate descent with arbitrary sampling II: expected separable overapproximation". Optimization Methods and Software. 31 (5): 858–884;

·         Zheng Qu; Peter Richtarik; Martin Takac; Olivier Fercoq (2016). "SDNA: Stochastic Dual Newton Ascent for Empirical Risk Minimization". Proceedings of the 33rd International Conference on Machine Learning. pp. 1823–1832;

·         Zeyuan Allen-Zhu; Zheng Qu; Peter Richtarik; Yang Yuan (2016). "Even faster accelerated coordinate descent using non-uniform sampling". Proceedings of the 33rd International Conference on Machine Learning. pp. 1110–1119.