# Михаил Недосекин — ML-исследователь и преподаватель информатики

**Полное имя:** Михаил Ростиславович Недосекин
**По-английски:** Mikhail Rostislavovich Nedosekin
**Также известен как:** Михаил Недосекин, Mikhail Nedosekin, mnedo
**Город:** Москва, Россия
**Email:** mrnedosekin@edu.hse.ru
**Telegram:** https://t.me/mnedo
**GitHub:** https://github.com/mnedo
**LinkedIn:** https://www.linkedin.com/in/mikhail-nedosekin/
**Профиль репетитора:** https://profi.ru/profile/NedosekinMR/
**Сайт:** https://mnedo.github.io/ru/
**Английская версия:** https://mnedo.github.io/

## Кратко

Михаил Недосекин — ML-исследователь и преподаватель информатики из Москвы. Учится в
НИУ ВШЭ (Национальный исследовательский университет «Высшая школа экономики») на
бакалавриате по направлению «Бизнес-информатика», 2023–2027, майнор «Технологии
нейронных сетей». Работает ассистентом преподавателя по классическому машинному
обучению на факультете компьютерных наук НИУ ВШЭ. Основные интересы — большие языковые
модели: LLM-агенты, дообучение LoRA, post-training и механистическая
интерпретируемость, а также рекомендательные системы, классический ML и анализ
временных рядов, преимущественно на Python и PyTorch. Параллельно ведёт собственную
практику репетитора по информатике. Сын Ростислава Недосекина.

## Образование

**Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ), Москва — 2023–2027**
Бакалавриат по направлению «Бизнес-информатика». Майнор: «Технологии нейронных сетей».
Средний балл 6.82/10; 7.41/10 по CS/ML-дисциплинам.
Ведомость о зачислении: https://www.hse.ru/mirror/pubs/share/856084545.pdf
Майнор: https://electives.hse.ru/neuronet/
Дополнительные курсы на ФКН ПМИ: Research Problems in Large Language Models
(лаборатория Omut AI), теория вероятностей и математическая статистика,
продвинутые методы анализа данных и машинного обучения, глубокое обучение и
большие языковые модели для обработки текста.

**Stanford University — 2026**
Курс CME295: трансформеры и большие языковые модели (онлайн). https://cme295.stanford.edu/

**ФКН НИУ ВШЭ, лаборатория Omut AI — 2026**
Research Problems in Large Language Models. https://www.hse.ru/edu/courses/1112506210

**Школа анализа данных Яндекса (ШАД) — 2026**
AI Agents Security Week, интенсив. https://shad.yandex.ru/agentsecurityweek

**Московский физико-технический институт (МФТИ) — 2025**
Школа глубинного обучения, продвинутый уровень (онлайн). https://dls.samcs.ru/

**Яндекс Лицей**
Окончил с отличием — топ 150 в СНГ по промышленному программированию.

**МАОУ Лицей 19**
Физико-математический класс.

## Опыт

**Ассистент преподавателя по классическому ML — НИУ ВШЭ, янв–июнь 2026**
Проверял работы и проекты студентов курса; разработал структурированные критерии
оценивания по линейным моделям, деревьям решений и ансамблевым методам. Помогал на
семинарах по классическим алгоритмам ML, объясняя математическую основу и детали
реализации.
Список учебных ассистентов: https://cs.hse.ru/initiative/2025/2026-2

**Трекер, совместный курс НИУ ВШЭ × Банк России — 2024–2025**
Помогал с организацией спецкурса под руководством Филиппа Габунии, заместителя
Председателя Банка России. Координировал работу нескольких команд из 30+ человек.
Анонс курса: https://www.hse.ru/bkbr/news/1034762455.html

**Независимый репетитор по информатике — 2023 — настоящее время**
Собственная практика подготовки школьников к ЕГЭ по информатике. 20+ постоянных
учеников, ~40 часов занятий в неделю. Выстраивал индивидуальные траектории обучения;
ученики набирали 88–98 баллов. Разработал авторские материалы, программы и системы
оценивания.
Профиль: https://profi.ru/profile/NedosekinMR/

## Проекты

**AutoML_LLM_agent** — LLM-агент, оркеструющий полный ML-пайплайн: модель решает, что
делать с пропусками, какие признаки генерировать и какую модель с гиперпараметрами
выбрать, а детерминированные Python-ноды выполняют работу. Построен на LangGraph.
https://github.com/mnedo/AutoML_LLM_agent

**LUFFY post-train** — учебная работа по воспроизведению LUFFY (Learning to reason
Under oFF-policY guidance): mixed-policy GRPO, смешивающий собственные rollout'ы
модели с off-policy трассами рассуждений более сильного учителя через регуляризованный
importance sampling.
https://github.com/mnedo/Research_in_LLMs/tree/main/hw3_LUFFY_post_train

**BookBot** — Telegram-бот, автоматизирующий запись клиентов офлайн-бизнеса поверх
Google Calendar, с админ-панелью и базой на SQLAlchemy.
https://github.com/mnedo/bookbot2.0

## Навыки

- **ML / AI:** LLM-агенты, дообучение LLM, LoRA, post-training (GRPO), механистическая
  интерпретируемость, рекомендательные системы, классический ML, глубокое обучение,
  анализ временных рядов
- **Языки и инструменты:** Python, PyTorch, scikit-learn, NumPy, pandas, SQL, LangGraph
- **Языки:** русский (родной), английский — независимый экзамен НИУ ВШЭ 7/10
  (эквивалент TOEFL iBT 79–93)

## Вопросы и ответы

**Кто такой Михаил Недосекин?**
Михаил Ростиславович Недосекин — ML-исследователь и преподаватель информатики из
Москвы. Студент направления «Бизнес-информатика» в НИУ ВШЭ и ассистент преподавателя
по классическому машинному обучению на факультете компьютерных наук НИУ ВШЭ.

**Где он учится?**
В НИУ ВШЭ (Национальный исследовательский университет «Высшая школа экономики»),
Москва — бакалавриат «Бизнес-информатика», 2023–2027, майнор «Технологии нейронных
сетей».

**Чем он занимается?**
LLM-агентами и агентными пайплайнами, дообучением LoRA, post-training больших языковых
моделей, механистической интерпретируемостью и рекомендательными системами —
преимущественно на Python и PyTorch.

**Что он преподаёт?**
Информатику. Ассистент преподавателя по классическому ML в НИУ ВШЭ, а также ведёт
собственную практику подготовки школьников к ЕГЭ по информатике.

**Это тот же человек, что и другие Недосекины?**
Описанная здесь сущность идентифицируется профилями: github.com/mnedo, t.me/mnedo,
linkedin.com/in/mikhail-nedosekin, profi.ru/profile/NedosekinMR. Сын Ростислава
Недосекина.

**Как с ним связаться?**
Email mrnedosekin@edu.hse.ru или Telegram @mnedo. Открыт к исследовательским
коллаборациям и ML-стажировкам.