• Чтение лекций по курсу Машинное обучение с подкреплением на магистерской программе “Методы и технологии искусственного интеллекта” (МТИИ), МФТИ, ФПМИ
• Чтений лекций по курсу Ввведение в искусственный интеллект на магистерской программе МТИИ, МФТИ, ФПМИ
• Ведение семинаров по интеллектуальному анализу данных (НИУ ШВЭ)
• Чтение лекций по курсам “Интеллектуальные динамические системы” и “Интеллектуальный анализ данных” (РУДН)
• Научное руководство аспирантами:
  • Петр Кудеров (2024, МФТИ, “Разработка методов и алгоритмов представления информации в обучении с подкреплением с использованием биологических принципов”, к.ф.-м.н., 5.12.4 “Когнитивное моделирование”)
  • Маис Жамал (2024, МФТИ, “Разработка и исследование методов и алгоритмов адаптивного планирования маневров беспилотного автомобиля”, к.т.н., 1.2.1 “Искусственный интеллект и машинное обучение”)
  • Брайн Ангуло (2024, МФТИ, “Планирование траектории движения мобильного агента с учетом кинематических ограничений на основе классических и обучаемых методов”, к.т.н., 1.2.1 “Искусственный интеллект и машинное обучение”)
  • Алексей Староверов (2023, МФТИ, “Иерархические методы и алгоритмы визуальной навигации внутри помещений с обучаемыми навыками”, к.ф.-м.н., 1.2.2 “Математическое моделирование, численные методы и комплексы программ”)
  • Алексей Скрынник (2023, МФТИ, “Исследование и разработка методов обучения с подкреплением для задач навигации в визуальных и клеточных средах”, к.ф.-м.н., 1.2.1 “Искусственный интеллект и машинное обучение”)
  • Алексей Ковалев (2022, НИУ ВШЭ, “Разработка методов и алгоритмов нейросимвольного представления сцен в мультимодальных задачах”)
• Научное руководство магистрантами:
  • Денис Васильев (2024, “Адаптация функции расстояния в целенаправленном обучении с подкреплением, основанном на модели”)
  • Александр Корчемный (2204, “Итеративная генерация плана поведения агента с использованием больших языковых моделей”)
  • Александр Чернявский (2024, “Нейросетевая аппроксимация модели оппонентов в мультиагентных системах”)
  • Нуцу Шиман (2024, “Методы исследования среды на основе памяти прецедентов в обучении с подкреплением на основе модели мира”)
  • Георгий Горбов (2023, “Адаптивные сценарии парковки в симуляторе Apollo”)
  • Михаил Мелкумов (2023, “Использование демонстраций для адаптивного планирования маневра проезда перекрестков”)
  • Мария Нестерова (2023, “Последовательное обучение с подкреплением в задаче многоагентного планирования для частично наблюдаемых сред “)
  • Елисей Питанов (2023, “Монте-Карло поиск по дереву и обучение с подкреплением в задаче многоагентного планирования”)
  • Кристина Саркисян (2023, “Языковые модели и системы запросов в мультимодальных задачах генерации поведения интеллектуального агента “)
  • Леонид Угадяров (2023, “Объектная декомпозиция модели среды в обучении с подкреплением”)
  • Игорь Шиманогов (2023, “Объектно-ориентированное обучения с подкреплением для игровых сред”)
  • Евгений Дживеликян (2022, “Алгоритмы моделирования целенаправленного поведения с использованием иерархической временной памяти”)
  • Даниил Кириленко (2022, “Ответы на вопросы по изображениям для задачи навигации робототехнических платформ”)
  • Артем Латышев (2022, “Моделирование внутренней мотивации в иерархической временной памяти”)
  • Артем Жолус (2022, “Генерализация задач для робототехнического управления с обучаемыми моделями мира”)