Мухамедиев Равиль Ильгизович

Мухамедиев Равиль Ильгизович

Доктор технических наук

Профессор

Институт автоматики и информационных технологий

Кафедра Программной инженерии

Email: r.mukhamediev@satbayev.111

H-index:
11

Количество докторантов:
2

Профессиональная биография

C 2018 г — Казахский Национальный исследовательский технический университет имени К.И.Сатпаева, Институт информационных и телекоммуникационных технологий

Профессор кафедры "Программная инженерия" 2017-2018 гг. — Казахский Национальный исследовательский технический университет имени К.И.Сатпаева

Директор Института информационных и телекоммуникационных технологий, Профессор кафедры "Компьютерная и программная инженерия" 2016-2017 гг. — Казахско-Британский технический университет

Профессор кафедры "Управления информационными системами" 2013-2017 гг. — Институт информационных и вычислительных технологий МОН РК

Главный научный сотрудник

2012-2015 гг.— заведующий кафедрой ВТПОиТ международного Университета информационных технологий (IITU), профессор

2010-2011 гг. — заведующий кафедрой ИТ международного Университета информационных технологий (IITU), профессор

2007-2010 гг. заведующий кафедрой естественных наук и информационных технологий института информационных систем менеджмента (ИСМА), ассоциированный профессор

С 2006 г. — ассоциированный профессор (ИСМА)

2005-2006 гг. —руководитель отдела информационных проектов (ИСМА)

2001-2004 гг. — доцент (ИСМА)

1996-2000 гг. — заместитель директора по информатике 80 —й Рижской средней школы

1992-1995 гг. — Доцент (Рижский авиационный университет)

1987-1991 гг. — Ассистент (Рижский институт инженеров гражданской авиации (РКИИГА))

1986-1987 гг. — инженер кафедры эксплуатации авиационного радиоэлектронного оборудования РКИИГА

1983-1986 гг. — аспирант (РКИИГА)

Образование

2021 — Профессор по специальности «Информатика, вычислительная техника и управление» (Диплом ПР 0000129, Решение Комитета по обеспечению качества в сфере образования и науки МОН РК, приказ № 651 от 10 августа 2021 года)

2017 г. —  Профессор (Решение № 03.03-11-2017 комитета по присвоению степенй и званий в области Естественных наук и Информационных технологий)

2013 г. — Профессор (Решение Nr. 219 комитета по присвоению степеней и званий - Promotion Council “RTU P-07” in Information Technologies, Riga, Latvia)

2006 г. — Ассоциированный профессор (Решение профессорского совета РТУ N 116)

1993 г. — доктор инженерных наук, диплом G-D Nr. 000088 (Латвия) (05.25.05)

1992 г. — доцент, диплом Nr. 003380 (Российская академия наук)

1987 г. — Кандидат технических наук, диплом TH Nr. 098882. Тема: «Автоматизация процессов управления технической эксплуатацией наземного авиационного радиоэлектронного оборудования»

1983-1986 гг. — аспирант. Объекты исследований – применение компьютерных технологий в эксплуатации радиооборудования и повышении надежности, применение технологий баз данных для оценки надежности радиоборудования

1983 г. — Рижский институт инженеров гражданской авиации. Факультет авиационного  радиоборудования. Квалификация — радиоинженер, диплом Nr.365663

Научные проекты

Программирование, искусственный интеллект и интеллектуальные системы (машинное обучение), компьютерное обучение и тестирование, имитационное моделирование асинхронных систем.

Руководство софтверными  и научными проектами, инновационные проекты с применением технологий и алгоритмов искусственного интеллекта.

Текущие проекты (см. https://geoml.info/) : 

- BR21881908, Комплекс экологического сопровождения городской агломерации (2023-2025), http://geoml.info/en/cues-2/

- AP14869972, Разработка и адаптация методов компьютерного зрения и машинного обучения для решения задач точного земледелия с применением беспилотных летательных систем (2022-2024), http://geoml.info/iuavt2pa/

- BR18574144, Разработка системы интеллектуального анализа данных для мониторинга дамб и других инженерных сооружений в условиях техногенных и природных воздействий (2022-2024)

- AP08856412, Разработка интеллектуальных моделей обработки данных и планирования полетов для решения задач точного земледелия с применением БПЛА (2020-2022), https://geoml.info/?page_id=696

- AP09259587, Разработка методов и алгоритмов интеллектуальной ГИС многокритериального анализа данных системы здравоохранения (2021-2023) https://geoml.info/?page_id=838

- BR 10965172, Космический мониторинг и ГИС для количественной оценки засоленности почв и деградации сельскохозяйственных угодий Юга Казахстана (2021-2023), https://geoml.info/?page_id=811 

- ADVANCED CENTRE FOR PHD STUDENTS AND YOUNG RESEARCHERS IN INFORMATICS (ACESYRI), 610166-EPP-1-2019-1-SK-EPPKA2-CBHE-JP, Erasmus+ (2020-2024), https://satbayev.university/en/acesyri

Публикации

Mukhamediev, R.I.; Terekhov, A.; Sagatdinova, G.; Amirgaliyev, Y.; Gopejenko, V.; Abayev, N.; Kuchin, Y.; Popova, Y.; Symagulov, A. Estimation of the Water Level in the Ili River from Sentinel-2 Optical Data Using Ensemble Machine Learning. Remote Sens. 2023, 15, 5544. https://doi.org/10.3390/rs15235544 (Scopus Quartile: Q1, 90%, JCR Category Quartile: Q1, WoS IF=5.0) 

Mukhamediev, R.I.; Kuchin, Y.; Popova, Y.; Yunicheva, N.; Muhamedijeva, E.; Symagulov, A.; Abramov, K.; Gopejenko, V.; Levashenko, V.; Zaitseva, E.; et al. Determination of Reservoir Oxidation Zone Formation in Uranium Wells Using Ensemble Machine Learning Methods. Mathematics 2023, 11, 4687. https://doi.org/10.3390/math11224687 (CiteScore — Q1, 88%, JCR — Q1, IF: 2.46).  

Kuchin, Y.; Mukhamediev, R.; Yunicheva, N.; Symagulov, A.; Abramov, K.; Mukhamedieva, E.; Zaitseva, E.; Levashenko, V. Application of Machine Learning Methods to Assess Filtration Properties of Host Rocks of Uranium Deposits in Kazakhstan. Appl. Sci. 2023, 13, 10958. https://www.mdpi.com/2076-3417/13/19/10958; https://doi.org/10.3390/app131910958 (CiteScore — Q1, 75%, JCR — Q2, IF: 2.7).  

Mukhamediev, Ravil I., Timur Merembayev, Yan Kuchin, Dmitry Malakhov, Elena Zaitseva, Vitaly Levashenko, Yelena Popova, Adilkhan Symagulov, Gulshat Sagatdinova, and Yedilkhan Amirgaliyev. Soil Salinity Estimation for South Kazakhstan Based on SAR Sentinel-1 and Landsat-8, 9 OLI Data with Machine Learning Models //Remote Sensing. – 2023. – Т. 15. – №. 17. – С. 4269. https://www.mdpi.com/2072-4292/15/17/4269 ; https://doi.org/10.3390/rs15174269 (Scopus Quartile: Q1, 90%, JCR Category Quartile: Q1, WoS IF=5.0)  

Zaitseva, E., Levashenko, V., Mukhamediev, R., Brinzei, N., Kovalenko, A., & Symagulov, A. (2023). Review of Reliability Assessment Methods of Drone Swarm (Fleet) and a New Importance Evaluation Based Method of Drone Swarm Structure Analysis. Mathematics, 11(11), 2551. https://www.mdpi.com/2227-7390/11/11/2551 (CiteScore — Q1, 88%, JCR — Q1, IF: 2.46).   

Mukhamediev, R.; Amirgaliyev, Y.; Kuchin, Y.; Aubakirov, M.; Terekhov, A.; Merembayev, T.; Yelis, M.; Zaitceva, E.; Levashenko, V.; Popova, Y.; Symagulov, A.; Tabynbayeva, L. Operational Mapping of Salinization Areas in Agricultural Fields Using Machine Learning Models Based on Low-Altitude Multispectral Images. Drones 2023, 7, 357. https://doi.org/10.3390/drones7060357 (CiteScore — Q1, 79%, JCR — Q2, IF: 4.8). 

Zaitseva, E., Levashenko, V., Brinzei, N., Kovalenko, A., Yelis, M., Gopejenko, V., & Mukhamediev, R. Reliability Assessment of UAV Fleets //Emerging Networking in the Digital Transformation Age: Approaches, Protocols, Platforms, Best Practices, and Energy Efficiency. – Cham : Springer Nature Switzerland, 2023. – С. 335-357. https://link.springer.com/chapter/10.1007/978-3-031-24963-1_19   

Mukhamediev R. I. Yakunin, K., Aubakirov, M., Assanov, I., Kuchin, Y., Symagulov, A., Levashenko V., Zatceva E., Sokolov D., Amirgaliyev, Y. . Coverage path planning optimization of heterogeneous UAVs group for precision agriculture //IEEE Access. – 2023. – Т. 11. – №. 15. – С. 5789-5803, doi: 10.1109/ACCESS.2023.3235207, https://ieeexplore.ieee.org/abstract/document/10011226https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10011226  (CiteScore — Q1, 92%, JCR — Q2, IF: 4.1).  

Yakunin, K.; Mukhamediev, R.I.; Yelis, M.; Kuchin, Y.; Symagulov, A.; Levashenko, V.; Zaitseva, E.; Aubakirov, M.; Yunicheva, N.; Muhamedijeva, E.; Gopejenko, V.; Popova, Y. Analysis of the Correlation between Mass-Media Publication Activity and COVID-19 Epidemiological Situation in Early 2022 //Information. – 2022. – Т. 13. – №. 9. – С. 434.  https://doi.org/10.3390/info13090434 (CiteScore — Q2, 72%, JCR — Q2, IF: 3.1).

Mukhamediev, R. I., Popova, Y., Kuchin, Y., Zaitseva, E., Kalimoldayev, A., Levashenko V., Symagulov, A., Abdoldina F., Gopejenko V., Yakunin K., Muhamedijeva E., Yelis, M. Review of Artificial Intelligence and Machine Learning Technologies: Classification, Restrictions, Opportunities and Challenges //Mathematics. – 2022. – Т. 10. – №. 15. – С. 2552. https://doi.org/10.3390/math10152552 (CiteScore — Q1, 88%, JCR — Q1, IF: 2.46).

Mukhamediev R. I. et al. Estimation of Filtration Properties of Host Rocks in Sandstone-type Uranium Deposits Using Machine Learning Methods //IEEE Access. – 2022. – T.10. –  C.18855-18872. DOI 10.1109/ACCESS.2022.3149625; https://ieeexplore.ieee.org/abstract/document/9706226 (CiteScore — Q1, 90%, JCR — Q2, IF: 4.1).

Kirill Yakunin, Ravil I. Mukhamediev, Elena Zaitseva , Vitaly Levashenko, Marina Yelis, Adilkhan Symagulov, Yan Kuchin, Elena Muhamedijeva, Margulan Aubakirov and Viktors Gopejenko. Mass media as a mirror of the COVID-19 pandemic // Computation 2021, 9(12), 140; https://doi.org/10.3390/computation9120140 (CiteScore — Q2, 71%, JCR — Q3, IF: 2.2).  

Mukhamediev R. I. et al. Review of Some Applications of Unmanned Aerial Vehicles Technology in the Resource-Rich Country //Applied Sciences. – 2021. – Т. 11. – №. 21. – С. 10171. https://doi.org/10.3390/app112110171 (CiteScore — Q1, 75%, JCR — Q2, IF: 2.7).  

Л. Л. Садовская, А. Е. Гуськов, Д.В. Косяков, Р. И. Мухамедиев. Обработка текстов на естественном языке: обзор публикаций//Иcкусственный интеллект и принятие решений.- 3/2021  c. 95-115, DOI 10.14357/20718594210306 Mukhamediev R. I. et al. From Classical Machine Learning to Deep Neural Networks: A Simplified Scientometric Review //Applied Sciences. – 2021. – Т. 11. – №. 12. – С. 5541. https://doi.org/10.3390/app11125541  (CiteScore — Q1, 75%, JCR — Q2, IF: 2.7).

Yakunin K. et al. KazNewsDataset: Single Country Overall Digital Mass Media Publication Corpus //Data. – 2021. – Т. 6. – №. 3. – С. 31. https://doi.org/10.3390/data6030031  (CiteScore — Q2, 70%, JCR — , IF: 2.6).

Mukhamediev R. I. et al. Classification of Negative Information on Socially Significant Topics in Mass Media //Symmetry. – 2020. – Т. 12. – №. 12. – С. 1945. https://doi.org/10.3390/sym12121945  (CiteScore — Q1, 93%, JCR — Q2, IF: 2.7).

R. Muhamedyev, K. Yakunin, YA. Kuchin, A. Symagulov, S. T. Buldybayev ,S. Murzahmetov and A. Abdurazakov. The use of machine learning "black boxes" explanation systems to improve the quality of school education //Cogent Engineering. – 2020. – Т. 7. – №. 3. – С. 1518571  https://doi.org/10.1080/23311916.2020.1769349  (CiteScore — Q2, 64%, JCR — , IF: 0.385).

Kuchin Y. I., Mukhamediev R. I., Yakunin K. O. One method of generating synthetic data to assess the upper limit of machine learning algorithms performance //Cogent Engineering. – 2020. – Т. 7. – №. 1. – С. 1718821.  https://doi.org/10.1080/23311916.2020.1718821 (CiteScore — Q2, 64%, JCR — , IF: 0.385).

Kuchin Y. et al. Assessing the Impact of Expert Labelling of Training Data on the Quality of Automatic Classification of Lithological Groups Using Artificial Neural Networks //Applied Computer Systems. – 2020. – Т. 25. – №. 2. – С. 145-152. https://sciendo.com/pdf/10.2478/acss-2020-0016

Р. И. Мухамедиев, Я. И. Кучин, К. О. Якунин, Е. Л. Мухамедиева, С. В. Костарев Предварительные результаты оценки литологических классификаторов для урановых месторождений пластово-инфильтрационного типа //Cloud of Science. – 2020. – Т. 7. – №. 2. – С. 258-272.

R. I. Mukhamediev et al. Multi-Criteria Spatial Decision Making Supportsystem for Renewable Energy Development in Kazakhstan // IEEE Access.-2019.- T. 7.- c. 122275-122288. 10.1109/ACCESS.2019.2937627 (CiteScore — Q1, 91%, JCR — Q1, IF: 4.6).

Mukhamedyev R. et al. Assessment of the dynamics of publication activity in the field of natural language processing and deep learning //International Conference on Digital Transformation and Global Society. – Springer, Cham, 2019. – С. 130-135. №3.  С.82-88.

Учебник

Мухамедиев Р.И., Амиргалиев Е.Н. Введение в машинное обучение: Учебник. – Алматы, 2023. – 471 с. https://www.litres.ru/book/edilhan-nesiphanovich-amirgaliev/vvedenie-v-mashinnoe-obuchenie-70255501/

Потенциальные научные исследования докторантов

Машинное обучение в прикладных задачах, обработка естественного языка, искусственный интеллект, машинное зрение, наукометрия

***Machine Learning & Computer Vision – прикладные исследования, связанные с обработкой данных и машинным обучением и дистанционным зондированием земной поверхности с помощью спутников и БПЛА. Текущие области исследований: 1) Гидрологическая система, гидротехнические сооружения , прогнозирование стока вод рек Казахстана, загрязненности вод 2) Засоленность почвы 3) Задачи распознавания, идентификации и классификации с использованием снимков полученных с борта БПЛА 4) Приложения объяснимого машинного обучения 5) Обработка каротажных данных

***Artificial Intelligence – прикладные исследования связанные с задачами оптимизации с применением генетического программирования, алгоритмов роя и т.п. Текущие области исследований: 1) Управление группой БПЛА и наземных средств в различных прикладных задачах

***Scientometrics (bibliometrics) и обработка естественного языка – исследования по изучению развития научных областей и прогнозированию. Текущие области исследований: 1) Аспекты влияния искусственного интеллекта в различных прикладных областях и прогнозирование публикационной активности в сфере ИИ