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

Адрес: 109028, г. Москва, Покровский бульвар, д. 11

Телефон: +7 (495) 531-00-00 *27254

Email: computerscience@hse.ru

 

Руководство
Первый заместитель декана Вознесенская Тамара Васильевна
Заместитель декана по научной работе и международному сотрудничеству Объедков Сергей Александрович
Заместитель декана по учебно-методической работе Самоненко Илья Юрьевич
Заместитель декана по развитию и административно-финансовой работе Плисецкая Ирина Александровна
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
117/80/30
117 бюджетных мест
80 платных мест
30 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Бакалаврская программа

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

4 года
Очная форма обучения
80/12
80 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
110/70/30
110 бюджетных мест
70 платных мест
30 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Анализ данных в биологии и медицине

2 года
Очная форма обучения
20/5/1
20 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Магистр по наукам о данных

2 года
Заочная
100
100 платных мест
ENG
Обучение ведётся на английском языке
Магистерская программа

Науки о данных

2 года
Очная форма обучения
60/15/20
60 бюджетных мест
15 платных мест
20 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
25/5/15
25 бюджетных мест
5 платных мест
15 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Системное программирование

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

Статистическая теория обучения

2 года
Очная форма обучения
15/5/2
15 бюджетных мест
5 платных мест
2 платных места для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
35/1
35 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
Learning to Route in Similarity Graphs

Baranchuk D., Persiyanov D., Sinitsin A. et al.

In bk.: International Conference on Machine Learning (ICML 2019). PMLR, 2019. P. 475-484.

Статья
Spherical and geodesic growth rates of right-angled Coxeter and Artin groups are Perron numbers

Talambutsa A., Kolpakov A.

Discrete Mathematics. 2020. Vol. 343. No. 3.

Глава в книге
ChronosDB in Action: Manage, Process, and Visualize Big Geospatial Arrays in the Cloud

Rodriges Zalipynis R. A.

In bk.: Proceedings of the ACM SIGMOD International Conference on Management of Data. NY: ACM, 2019. P. 1985-1988.

Глава в книге
Multi-Agent Pathfinding with Continuous Time

Andreychuk A., Yakovlev K., Atzmon D. et al.

In bk.: Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI 2019). International Joint Conferences on Artificial Intelligence, 2019. P. 39-45.

Семинар центра глубинного обучения и байесовских методов "Uncertainty in Structured Prediction"

16+
Мероприятие завершено

На научном семинаре сотрудники Центра, члены исследовательской группы байесовских методов и приглашенные докладчики рассказывают о новейших мировых разработках в глубинном обучении, нейробайесовских методах и методах стохастической оптимизации, представляют результаты своих исследований.

Когда: 13 марта 2020 г., начало – в 19:00.

Где: Покровский бульвар 11, ауд. R304

Выступят: Андрей Малинин, Яндекс

Тема: Uncertainty in Structured Prediction

Аннотация: Uncertainty estimation is important for ensuring safety and robustness of AI systems, especially for high-risk applications. While much progress has recently been made in this area, most research has focused on un-structured prediction, such as image classification and regression tasks. However, while task-specific forms of confidence score estimation have been investigated by the speech and machine translation communities, limited work has investigated general uncertainty estimation approaches for structured prediction. Thus, this work aims to investigate uncertainty estimation for structured prediction tasks within a single unified and interpretable probabilistic ensemble-based framework. We consider uncertainty estimation for sequence data at the token-level and complete sequence-level, provide interpretations for, and applications of, various measures of uncertainty and discuss the challenges associated with obtaining them. This work also explores the practical challenges associated with obtaining uncertainty estimates for structured predictions tasks and provides baselines for token-level error detection, sequence-level prediction rejection, and sequence-level out-of-domain input detection using ensembles of auto-regressive transformer models trained on the WMT'14 English-French and WMT'17 English-German translation and LibriSpeech speech recognition datasets. 


В весеннем семестре 2020 г. семинар проходит в комплексе Вышки на Покровском бульваре (Покровский бульвар, 11) в аудтории R 304 по пятницам.

Начало — в 19:00.

Расписание семинара, аннотации, видео и материалы докладов доступны по ссылке.