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

Тел.: +7 (495) 772-95-90*12670

evavilova@hse.ru, mbabenko@hse.ru

Москва, Кочновский проезд, д. 3 (недалеко от станции метро "Аэропорт"), Ауд. 607

 

Руководство

Заведующий кафедрой — Бабенко Максим Александрович

 

Заместитель заведующего кафедрой — Федотов Станислав Николаевич

 

Менеджер кафедры — Вавилова Екатерина Викторовна

Статья
Hybrid approach to design of storage attached network simulation systems

M.E. Karpov, K. Arzymatov, V.S. Belavin et al.

International Journal of Civil Engineering and Technology. 2018. Vol. 9. No. 11. P. 220-226.

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.