Оренбургский государственный университет

Нирян Павел Леонидович

Расписание преподавателя

Повышение квалификации (за последние три года)

• Введение в генеративный искусственный интеллект (2024)
• Действия работников при террористической угрозе на объектах и территориях университета (2024)
• Основы работы с большими языковыми моделями (2024)
• Разработка серверной части приложений PostgreSQL. Базовый курс (2024)
• Формирование педагогических компетенций преподавателей университета (2024)
• Применение технологии искусственного интеллекта в образовательном процессе и научных исследованиях (2025)

Преподаваемые дисциплины (за последние три учебных года)

• Анализ данных
• Интеллектуальный анализ данных и визуализация
• Комплексная аттестация
• Математика
• Методы интеллектуального анализа данных
• Системы искусственного интеллекта
• Статистический анализ данных
• Технологии машинного обучения

Образовательные программы, в реализации которых участвует преподаватель (в текущем учебном году)

• 01.03.02 Прикладная математика и информатика (Прикладное программирование и корпоративные информационные системы), бакалавриат, очная форма (2022)
• 01.03.04 Прикладная математика (Математическое и компьютерное моделирование), бакалавриат, очная форма (2023)
• 01.03.05 Статистика (Статистика и управление данными), бакалавриат, очная форма (2023)
• 08.03.01 Строительство (Автомобильные дороги), бакалавриат, очная форма (2023)
• 08.03.01 Строительство (Промышленное и гражданское строительство), бакалавриат, очная форма (2023)
• 09.03.01 Информатика и вычислительная техника (Вычислительные машины, комплексы, системы и сети), бакалавриат, очная форма (2024)
• 09.03.03 Прикладная информатика (Прикладная информатика в экономике), бакалавриат, очная форма (2024)
• 12.03.04 Биотехнические системы и технологии (Инженерное дело в медико-биологической практике), бакалавриат, очная форма (2024)
• 20.03.01 Техносферная безопасность (Безопасность жизнедеятельности и охрана труда), бакалавриат, заочная форма (2024)
• 21.03.01 Нефтегазовое дело (Эксплуатация и обслуживание объектов добычи нефти), бакалавриат, очная форма (2024)
• 21.03.01 Нефтегазовое дело (Эксплуатация и обслуживание объектов добычи нефти), бакалавриат, очно-заочная форма (2024)
• 21.03.02 Землеустройство и кадастры (Кадастр застроенных территорий), бакалавриат, заочная форма (2025)
• 21.05.02 Прикладная геология, специалитет, очная форма (2024)
• 21.05.02 Прикладная геология (Геология месторождений нефти и газа), специалитет, заочная форма (2024)
• 27.03.03 Системный анализ и управление (Системный анализ и управление в информационных технологиях), бакалавриат, очная форма (2023)
• 38.03.01 Экономика (Экономика предприятий и организаций), бакалавриат, очная форма (2023)
• 38.05.01 Экономическая безопасность, специалитет, очная форма (2023)

Публикации преподавателя

1. Machine learning-driven analysis of feed additives and intestinal microbiota diversity in broiler chickens: Clustering of mineral profiles and predictive diet modeling [Электронный ресурс] / L. S. Grishina, A. Yu. Zhigalov, I. P. Bolodurina, A. E. Shukhman, P. L. Niryan, O. V. Kvan, E. V. Sheida // Veterinary World,2025. - Vol. 18 (11). - С. 3390-3408. . - 9 с. This study aimed to intelligently evaluate the impact of various feed additives on the intestinal microbiota and mineral composition of broiler chickens and to develop machine learning (ML) models for clustering and classification of diet-associated mineral and microbial profiles.
   Электронный источник
2. Модуль исследования уровня разнообразия кишечной микробиоты животных и влияния кормовых добавок методами Data Mining [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2025682412 / А. Ю. Жигалов, И. П. Болодурина, А. Е. Шухман, Л. С. Гришина, П. Л. Нирян, О. В. Кван; правообладатель Оренбург. гос. ун-т.- № 2025681423заявл. 11.07.2025опубл. 22.08.2025, 2025. - 1 с.
   Электронный источник
3. Модуль кластерного анализа данных о микробиоте и минеральном составе тела животных для исследования продуктивности действия кормов [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2025683211 / П. Л. Нирян, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, О. В. Кван; правообладатель Оренбург. гос. ун-т.- № 2025681444заявл.10.07.2025опубл. 02.09.2025, 2025. - 1 с.
   Электронный источник
4. Нирян, П. Л. Применение больших языковых моделей для решения задачи интеллектуального консультирования абитуриентов [Электронный ресурс] : выпускная квалификационная работа: направление подготовки 01.04.02 Прикладная математика и информатика / П. Л. Нирян. - Оренбург, 2025. - 53 с.
   Электронный источник
5. Болодурина, И. П. Методы и алгоритмы мультимодального обучения [Электронный ресурс] / И. П. Болодурина, П. Л. Нирян // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 1-3 февр. 2024 г. / Оренбург. гос. ун-т ; ред. А. В. Зайцев. - Оренбург : ОГУ,2024. - . - С. 1510-1513. . - 4 с.
   Электронный источник
6. Программное средство для идентификации болезней сельскохозяйственных культур, вызванных плесневыми грибами "Агролаб" [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2024669828 / П. Л. Нирян, И. А. Хохлов, Е. С. Алешина; правообладатель ООО "Агролаб".- № 2024668540заявл. 07.09.2024опубл. 21.09.2024, 2024. - 1 с.
   Электронный источник
7. Программное средство по автоматическому подсчету колониеобразующих единиц в микробиологической практике "КОЕ" [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2024682704 / П. Л. Нирян, И. А. Хохлов, Е. С. Алешина; правообладатель ООО "КОЕ".- № 2024680471заявл. 04.09.2024опубл. 26.09.2024, 2024. - 1 с.
   Электронный источник
8. Болодурина, И. П. Детекция состязательных атак на основе перекрестной проверки для задачи сегментации раковых образований печени [Электронный ресурс] / И. П. Болодурина, П. Л. Нирян, Л. С. Гришина // Научно-технический вестник Поволжья,2023. - № 11. - С. 150-153. . - 4 с. Целью исследования является разработка алгоритма детекции состязательных атак на основе перекрестной проверки на примере задачи сегментации раковых образований печени. В рамках данного исследования были получены две модели для решения задачи сегментации. Также был представлен алгоритм перекрестной проверки с точностью 88%. Также выявлены закономерности при атаке модели алгоритмами "белого" и "черного" ящиков. Данный алгоритм перекрестной проверки можно применять в системах медицинской диагностики для детекции аномалий на изображениях.
   Электронный источник
9. Нирян, П. Л. Идентификация состязательных атак на моделях машинного обучения на основе перекрестной проверки [Электронный ресурс] : выпускная квалификационная работа: направление подготовки 01.03.02 Прикладная математика и информатика / П. Л. Нирян. - Оренбург, 2023. - 42 с.
   Электронный источник
10. Исследование эффективности целевых состязательных атак на модели машинного обучения по табличным данным [Электронный ресурс] / И. П. Болодурина, Д. И. Парфёнов, П. Л. Нирян, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 1248-1251. . - 4 с.
    Электронный источник
11. Применение алгоритма нечеткой логики Мамдани для оценки качества моделей искусственного интеллекта на основе имеющихся данных [Электронный ресурс] / С. Т. Дусакаева, М. П. Носарев, И. А. Хохлов, П. Л. Нирян // Современные технологии. Системный анализ. Моделирование,2023. - № 1 (77). - С. 170-180. . - 11 с. В статье рассмотрена актуальная проблема трудоемкости и высокой стоимости разработки систем или моделей искусственного интеллекта в связи с низким качеством используемых данных. Изучены виды и направления корреляционной связи между различными метриками качества данных и точности работы итоговой модели искусственного интеллекта. Отмечено, что в современном мире наблюдается проникновение искусственного интеллекта практически во все области человеческой деятельности: здравоохранение, агропродовольственная сфера, промышленность, творческие направления. Обоснована актуальность поставленной проблемы и проведен краткий обзор современных исследований, связанных с изучением взаимокорреляции качества данных и точности искусственного интеллекта. Указано, что плохие данные приводят к значительным финансовым потерям, повышают трудоемкость разработки систем или моделей искусственного интеллекта.
    Электронный источник
12. Разработка рекомендательной системы для поиска оптимального месторасположения парка в городской среде [Электронный ресурс] / С. Т. Дусакаева, П. Л. Нирян, М. П. Носарев, И. А. Хохлов // Информационные технологии и математическое моделирование в управлении сложными системами,2023. - № 1 (17). - С. 49-57. . - 9 с. В статье рассмотрена актуальная проблема выбора наиболее оптимального местонахождения и наполняемости парка в городской среде.
    Электронный источник
13. Система поддержки принятия врачебных решений описания снимка оптической когерентной томографии при динамическом наблюдении пациентов с патологией заднего отрезка глаза [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023669676 / А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов, Л. С. Гришина, П. Л. Нирян, И. А. Хохлов; правообладатели А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов.- № 2023664812заявл. 11.07.2023опубл. 19.09.2023, 2023. - 1 с.
    Электронный источник
14. Применение алгоритма нечеткой логики Мамдани для отбора игроков в футбольный клуб на предсезонных сборах [Электронный ресурс] / С. Т. Дусакаева, И. А. Хохлов, П. Л. Нирян, М. П. Носарев // Современные технологии. Системный анализ. Моделирование,2022. - № 1 (76). - С. 228-237. . - 10 с. В статье рассматриваются вопросы отбора игроков в футбольную команду в контексте решения актуальной проблемы подбора профессионального персонала в организации и на предприятия. Актуальность указанной проблемы обусловлена нестабильной политической обстановкой в мире, экономическими реформами и социальной адаптацией дипломированных специалистов
    Электронный источник

Сведения об образовании, ученых степенях, званиях, стаже работы, профессиональной переподготовке, повышении квалификации, читаемых дисциплинах и публикациях — из базы данных ИАС ОГУ