• 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
Мероприятия
3 апреля – 16 апреля
27 апреля – 28 апреля
Образовательные программы
Бакалаврская программа

Компьютерные науки и анализ данных

4 года
Очная форма обучения
75/5
75 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
125/60/30
125 бюджетных мест
60 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
90/12
90 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
120/80/30
120 бюджетных мест
80 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
25/5/1
25 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
63/27
63 платных мест
27 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Математика машинного обучения

2 года
Очная форма обучения
15/5/1
15 бюджетных мест
5 платных мест
1 платное место для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Машинное обучение и высоконагруженные системы

2 года
Очная форма обучения
28/2
28 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Науки о данных

2 года
Очная форма обучения
65/15/20
65 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
25/5/10
25 бюджетных мест
5 платных мест
10 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

Финансовые технологии и анализ данных

2 года
Очная форма обучения
50/1
50 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
Black-Box Optimization with Local Generative Surrogates

Belavin V., Ustyuzhanin A., Широбоков С. К. et al.

In bk.: Advances in Neural Information Processing Systems 33 (NeurIPS 2020). Curran Associates, Inc., 2020. P. 14650-14662.

Статья
The multiplicative-additive Lambek calculus with subexponential and bracket modalities

Kanovich M., Kuznetsov S., Scedrov A.

Journal of Logic, Language and Information. 2021. Vol. 30. No. 1. P. 31-88.

ИТ-Лекторий: Выстраивание процесса машинного обучения

Когда речь заходит о построении моделей, мы всегда имеем дело с повторением непростых процессов выбора/обучения/настройки/подтверждения/тестирования алгоритма. И сложность заключается в том, что в большинстве случаев результат всей этой работы - это длиннющий код на языке Python в Jupyter notebook. Ну, так себе... 

Даже если разработка моделей - это основа всего, не менее важно сохранить чистоту и структуру кода. Стало быть, деление кода на модули, отвечающие за отдельные процессы (например, модели машинного обучения), и создание небольшого скрипта для их запуска может существенно упростить работу не только с точки зрения навигации по коду, но и с точки зрения корректировки/замены модулей без прерывания самого процесса.

Цель занятия - продемонстрировать вам типовую архитектуру проекта в области анализа данных. По итогам занятия вы сможете самостоятельно создавать простые, но правильно структурированные цепочки процессов в docker-контейнере, начиная с ввода и предварительной обработки данных и до построения, настройки и оценки моделей.

Вы узнаете:

  • Что такое docker и как пользоваться контейнерами

  • Как разделить код на модули

  • Как запускать модули для создания автоматизированного процесса

  • Как писать классы и функции с использованием методик чистого кода

Обратите внимание, что речь пойдет не о построении моделей, а, скорее, о правильной архитектуре, которая поможет усовершенствовать процесс. Поэтому, чтобы получить максимум пользы от занятия, участники должны иметь некоторое представление о языке программирования Python (классы, функции, библиотека sklearn) и хотя бы в общих чертах представлять себе процесс машинного обучения.

 

После лекции мы расскажем о возможностях для стажировки в группе технологического консалтинга EY и ответим на все ваши вопросы.

Спикер:

Эндрю Вольф
Старший архитектор группы технологического консалтинга EY

Когда: 20 апреля в 18:00-20:00.

Для эффективного занятия участники должны иметь представление о языке программирования Python (классы, функции, библиотека sklearn) и хотя бы в общих чертах представлять себе процесс машинного обучения.

Для участия в ИТ-Лектории зарегистрируйтесь, пожалуйста, ниже. За час до мероприятия на электронную почту вы получите ссылку на Zoom.

Добавить в календарь