• 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
Статья
Reconstruction of the coupling between solar proxies: When approaches based on Kuramoto and Van der Pol models agree with each other

Savostianov A., Shapoval S., Shnirman M.

Communications in Nonlinear Science and Numerical Simulation. 2020. Vol. 83. P. 105149.

Статья
Prime Geodesic Theorem in the Three-dimensional Hyperbolic Space

Balkanova O., Chatzakos D., Cherubini G. et al.

Transactions of the American Mathematical Society. 2019. Vol. 372. No. 8. P. 5355-5374.

Статья
Magnetohydrodynamic Modeling of the Solar Wind Key Parameters and Current Sheets in the Heliosphere: Radial and Solar Cycle Evolution

E. V. Maiewski, Kislov R. A., Khabarova O. V. et al.

Astrophysical Journal. 2020. Vol. 892. No. 1. P. 1-17.

Статья
Multidimensional frontier visualization based on optimization methods using parallel computations

Afanasiev A., Krivonozhko V., Lychev A. et al.

Journal of Global Optimization. 2020. Vol. 76. P. 563-574.

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
16 мая - в ауд. 435