• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФКН
Контакты

Тел.: +7 (495) 772-95-90 * 12332

computerscience@hse.ru

125319, Москва, Кочновский проезд, д. 3 (недалеко от станции метро "Аэропорт"). 

 

Руководство

Декан — Аржанцев Иван Владимирович

 

Первый заместитель декана факультета — Вознесенская Тамара Васильевна

 

Заместитель декана по научной работе и международным связям — Объедков Сергей Александрович

 

Заместитель декана по административно-финансовой работе — Плисецкая Ирина Александровна

Мероприятия
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
100/80/15
100 бюджетных мест
80 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Программа двух дипломов НИУ ВШЭ и Лондонского университета "Прикладной анализ данных"

4 года
Очная форма обучения
50/10
50 платных мест
10 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
80/80/15
80 бюджетных мест
80 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Анализ данных в биологии и медицине

2 года
Очная форма обучения
15/5/3
15 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Математические методы оптимизации и стохастики

2 года
Очная форма обучения
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Науки о данных

2 года
Очная форма обучения
55/15/6
55 бюджетных мест
15 платных мест
6 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
20/10/12
20 бюджетных мест
10 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Системное программирование

2 года
Очная форма обучения
20/10/5
20 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Статистическая теория обучения

2 года
Очная форма обучения
20/5/5
20 бюджетных мест
5 платных мест
5 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
30/3
30 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
GANs for Biological Image Synthesis

Osokin A., Chessel A., Carazo Salas R. E. et al.

In bk.: Proceedings of the IEEE International Conference on Computer Vision (ICCV 2017). Venice: IEEE, 2017. P. 2252-2261.

Статья
The Second Term in the Asymptotics for the Number of Points Moving Along a Metric Graph

Vsevolod L. Chernyshev, Tolchennikov A. A.

Regular and Chaotic Dynamics. 2017. Vol. 22. No. 8. P. 937-948.

Статья
A Conditional Information Inequality and its Combinatorial Applications

Vereshchagin N., Kaced T., Romashchenko A.

IEEE Transactions on Information Theory. 2018. No. 99. P. 1-8.

Статья
Dual subgradient method with averaging for optimal resource allocation
В печати

Nesterov Y., Shikhman V.

European Journal of Operational Research. 2018. P. 1-10.

Статья
Finite sample properties of the mean occupancy counts and probabilities
В печати

Decrouez G. G., Grabchak M., Paris Q.

Bernoulli: a journal of mathematical statistics and probability. 2018. Vol. 24. No. 3. P. 1910-1941.

Лабораторная ФКН: Использование вариационного дропаута для разреживания нейронных сетей. Докладчик: Арсений Ашуха, Лаборатория глубинного обучения и байесовских методов

Мероприятие завершено

В докладе будет рассказано об одной только что принятой на ICML2017 статье сотрудников группы байесовских методов , в которой байесовские методы успешно применены для разреживания современных нейронных сетей. Это достигнуто благодаря недавно открытой байесовской интерпретации процедуры дропаута, которая много лет рассматривалась как эвристический метод, предотвращающий переобучение. В докладе будет показано, как, используя эту интерпретацию, можно автоматически устанавливать гиперпараметры, отвечающие за интенсивность процедуры дропаута, и как переход к индивидуальным гиперпараметрам для каждого веса позволяет получить разреженность, превышающую 99% от всех весов нейронной сети без потери качества. От слушателей требуется владение университетским курсом по теории вероятностей и общее представление о современных методах глубинного обучения.

Время и место:

23 мая, 18.10 - 19.30
Кочновский проезд, 3, ауд.205