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

Адрес: г. Москва, Кочновский проезд, д. 3 (недалеко от станции метро "Аэропорт"), ауд. 607

Телефон: +7 (495) 772-95-90*12670

Email: ekurmakaeva@hse.ru, mbabenko@hse.ru

 

Руководство

Заведующий кафедрой Бабенко Максим Александрович

Руководитель проекта Курмакаева Эльвира Ростямовна

Статья
Measurement of the Charm-Mixing Parameter yCP

Derkach D., Hushchyn M., Kazeev N. et al.

Physical Review Letters. 2019. Vol. 122. No. 1. P. 1-10.

Глава в книге
Revisiting the Inverted Indices for Billion-Scale Approximate Nearest Neighbors
В печати

Babenko A., Baranchuk D., Malkov Y.

In bk.: 15th European Conference, Munich, Germany, September 8-14, 2018, Proceedings. Springer, 2018. P. 1-15.

Препринт
Flexibility of normal affine horospherical varieties

Gayfullin S.

math. arxive. Cornell University, 2018

О кафедре

Сотрудничество Высшей школы экономики и компании «Яндекс» началось в 2008 году. В 2011 году на отделении прикладной математики и информатики НИУ ВШЭ была открыта базовая кафедра Яндекса. В 2014 году отделение прикладной математики и информатики и базовая кафедра вошли в состав факультета компьютерных наук НИУ ВШЭ. Кафедра готовит востребованных в IT-индустрии специалистов в области анализа данных и извлечения информации из интернета.

Преподаватели кафедры совмещают научную работу с преподаванием в Школе анализа данных и с работой в Яндексе, что позволяет им заниматься актуальными задачами и применять на практике свои научные достижения.

На кафедре изучается не только автоматическое индексирование и поиск информации (текстов, ссылок, логов, изображений, сигналов, социальных сетей и пр.), но и современные методы работы со сложными данными. Также мы изучаем агрегирование данных, их автоматическую классификацию, извлечение информативных факторов, теорию принятия решений и другие модели и методы, называемые обычно интеллектуальными.

Студенты кафедры получают и фундаментальные математические знания: в первую очередь в области дискретной математики, теории вероятностей и математической статистики. Кроме того, они учатся классическим и современным методам и приёмам программирования.

С 2018 года в магистратуре кафедры действует два трека: базовый и продвинутый. Базовый трек подходит тем, кто только начинает свой путь в Data Science, они получают фундаментальную подготовку в области анализа данных. Продвинутый трек предназначен для тех, кто уже неплохо программирует, довольно уверенно разбирается в машинном обучении и хочет .

Как поступить
Поступать в магистратуру базовой кафедры Яндекса, на специализацию "Анализ интернет-данных" магистерской программы "Науки о данных" может любой студент, имеющий диплом бакалавра или специалиста. Обучение на специализации проходит по совместной программе со Школой анализа данных Яндекса. Поступившие на магистерскую программу в конце августа - начале сентября распределяются по специализациям.

Конкурс на базовый и на продвинутый трек раздельный.

Желающие обучаться на базовом треке специализации "Анализ интернет-данных", в случае, если они ранее поступили в Школу анализа данных, зачисляются на специализацию в приоритетном порядке. С остальными желающими обучаться на данной специализации сотрудники кафедры проводят собеседование и зачисляют по его результатам. Подробнее о поступлении в ШАД смотрите здесь.

Для поступления на продвинутый трек нужно будет пройти онлайн-тестирование и - при условии его успешного прохождения - собеседование по алгоритмам, машинному обучению, основам теории вероятности, статистики и оптимизации.

Отметим, что поступление в Школу анализа данных не является основанием для автоматического зачисления на магистерскую программу. Процедура поступления в магистратуру НИУ ВШЭ описана здесь. Обучение включает в себя посещение обязательных магистерских курсов, а также занятия в ШАД и участие в одном из научных семинаров. Также во время обучения или после него у студентов есть возможность пройти стажировку или практику в Яндексе.

Основные направления образовательной и научной деятельности кафедры:

  • машинное обучение и информационный поиск;
  • алгоритмы и большие данные;
  • компьютерное зрение;
  • дискретная математика и теория оптимизации;
  • компьютерная лингвистика;
  • математические методы в рекламных технологиях.