- A
- A
- A
- АБB
- АБB
- АБB
- А
- А
- А
- А
- А
Адрес: 125319, г. Москва,
Кочновский проезд, д. 3 (станция метро "Аэропорт").
Телефон: +7 (495) 772-95-90 *12332
Email: computerscience@hse.ru
Декан – Аржанцев Иван Владимирович
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
Факультет готовит разработчиков и исследователей. Программа обучения сформирована с учётом опыта ведущих американских и европейских университетов, таких как Stanford University (США) и EPFL (Швейцария), а также Школы анализа данных — одной из самых сильных магистратур в области computer science в России. Широкий список курсов по выбору и значительная доля программы, выделенная под них, позволит каждому студенту сформировать свою собственную образовательную траекторию. В основе обучения — практика и проектная работа.
Прикладная математика и информатика
80 платных мест
15 платных мест для иностранцев
Программа двух дипломов НИУ ВШЭ и Лондонского университета "Прикладной анализ данных"
12 платных мест для иностранцев
Программная инженерия
70 платных мест
15 платных мест для иностранцев
Анализ данных в биологии и медицине
5 платных мест
2 платных места для иностранцев
Науки о данных
15 платных мест
6 платных мест для иностранцев
Системная и программная инженерия
5 платных мест
8 платных мест для иностранцев
Системное программирование
5 платных мест
2 платных места для иностранцев
Статистическая теория обучения
5 платных мест
4 платных места для иностранцев
Финансовые технологии и анализ данных
3 платных места для иностранцев
В печати
Roman Avdeev, Petukhov A.
Algebras and Representation Theory. 2019.
Belomestny D., Kraetschmer V., Hübner T. et al.
Finance and Stochastics. 2019. Vol. 23. P. 209-238.
Boros E., Cepek O., Gurvich V.
Discrete Mathematics. 2019. Vol. 342. No. 5. P. 1275-1292.
Kazeev N., Derkach D., Ratnikov F. et al.
Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2019.
Izmailov P., Garipov T., Подоприхин Д. А. et al.
In bk.: Proceedings of the international conference on Uncertainty in Artificial Intelligence (UAI 2018). 2018. P. 876-885.
Практические задачи машинного обучения
Преподаватель: Денис Симагин. Выпускник ФКН, разработчик в команде Яндекс.Карты.
Факультатив познакомит слушателя с задачами машинного обучения. Курс носит прикладной характер —он предполагает введение базовых понятий для трех разделов: обучение с учителем, обучение с подкреплением и обучение без учителя. Современные модели и подходы обучения будут рассмотрены сквозь призму решения реальных проблем. Будет проведено подробное сравнение популярных библиотек и инструментов, а для закрепления материала будет предложено обучить модели для упрощенных задач.
Курс сформирует понимание, в какую сторону сейчас развивается машинное обучение и, возможно, поможет определиться с направлением для дальнейших исследований.
Для прохождения понадобится стандартная математическая база, знания теории вероятностей и навык разработки на Python3.
Необходимо рассчитывать на интенсивную самостоятельную работу.
Программа
Расписание:
по четвергам с 16.40 до 19.30
24.01 - ауд. 317
с 31.01 по 21.03 - ауд. 622 - 3 модуль
28.02 - аудитория 219 (один раз)
с 04.04 по 13.06 - ауд. 622 - 4 модуль