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

Тел.: +7 (495) 772-95-90 * 12332

computerscience@hse.ru

125319, Москва, Кочновский проезд, д. 3 (недалеко от станции метро "Аэропорт"). 

 

Руководство

Декан — Аржанцев Иван Владимирович

 

Первый заместитель декана факультета — Вознесенская Тамара Васильевна

 

Заместитель декана по научной работе и международным связям — Объедков Сергей Александрович

 

Заместитель декана по административно-финансовой работе — Плисецкая Ирина Александровна

Мероприятия
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
100/80/15
100 бюджетных мест
80 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Программа двух дипломов НИУ ВШЭ и Лондонского университета "Прикладной анализ данных"

4 года
Очная форма обучения
50/10
50 платных мест
10 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
80/80/15
80 бюджетных мест
80 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Анализ данных в биологии и медицине

2 года
Очная форма обучения
15/5/3
15 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Математические методы оптимизации и стохастики

2 года
Очная форма обучения
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Науки о данных

2 года
Очная форма обучения
55/15/6
55 бюджетных мест
15 платных мест
6 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
20/10/12
20 бюджетных мест
10 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Системное программирование

2 года
Очная форма обучения
20/10/5
20 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Статистическая теория обучения

2 года
Очная форма обучения
20/5/5
20 бюджетных мест
5 платных мест
5 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
30/3
30 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Статья
Colourings of Uniform Hypergraphs with Large Girth and Applications

Shabanov D. S., Kupavskii A.

Combinatorics Probability and Computing. 2017.

Глава в книге
A Fast Scaling Algorithm for the Weighted Triangle-Free 2-Matching Problem

Artamonov S., Babenko M. A.

In bk.: Combinatorial Algorithms. 26th International Workshop, IWOCA 2015, Verona, Italy, October 5-7, 2015, Revised Selected Papers. Vol. 9538. Switzerland: Springer International Publishing, 2016. P. 25-37.

Глава в книге
Any-Angle Pathfinding for Multiple Agents Based on SIPP Algorithm

Yakovlev K., Andreychuk A.

In bk.: Proceedings of the 27th International Conference on Automated Planning and Scheduling (ICAPS 2017). Palo Alto: AAAI Press, 2017. P. 586-594.

Статья
Cohomology of toric origami manifolds with acyclic proper faces

Ayzenberg A., Masuda M., Park S. et al.

Journal of Symplectic Geometry. 2017. Vol. 15. No. 3. P. 645-685.

Лабораторная ФКН

Лабораторная факультета компьютерных наук знакомит студентов и сотрудников факультета с исследованиями, которые ведутся в его научно-исследовательских лабораториях, и наиболее интересными результатами, полученными в рамках этих исследований за последнее время.

Лабораторная проводится ежемесячно по вторникам в 18:10.

Заказ пропуска: computerscience@hse.ru

2017 – 2018

November 14, 2017
18:10 – 19:30

Learning High-Level Process Models from Event Data

Каленкова Анна Алексеевна

Научно-учебная лаборатория процессно-ориентированных информационных систем (ПОИС): Старший научный сотрудник

Information systems in different domains, such as healthcare, tourism, banking, government and others, record operational behavior in the form of event logs. The process mining discipline offers dozens of techniques to discover, analyze, and visualize processes running in information systems, based on their event logs. The representational bias (the language for processes representation) plays an important role in the process discovery. In this work, BPMN (Business Process Model and Notation) language was chosen as a representational bias and as a starting point for the process discovery, analysis, and enhancement. BPMN is a common process modeling language, widely used by consultants, managers, analysts, and software engineers in various application domains. This work aims to bridge the gap between process mining techniques and BPMN. Existing techniques are often limited to a single perspective, e.g., just the control flow, subprocesses, or just resources. The goal of this work is to fully support the BPMN specification in the context of process mining and suggest a unified integrated approach allowing for the discovery, analysis and enhancement of hierarchical high-level BPMN models. Such an approach gives an ability to analyze discovered processes in BPMN-compliant tools and even automate their executions, using one of the existing BPMN engines.

Kochnovskii proezd, 3, room 205

Афиша


 

2016 – 2017


23 мая, 18.10 - 19.30, ауд.205

Использование вариационного дропаута для разреживания нейронных сетей

Ашуха Арсений Павлович

Международная лаборатория глубинного обучения и байесовских методов: Стажер-исследователь

 

В докладе будет рассказано об одной только что принятой на ICML2017 статье сотрудников группы байесовских методов (http://bayesgroup.ru), в которой байесовские методы успешно применены для разреживания современных нейронных сетей. Это достигнуто благодаря недавно открытой байесовской интерпретации процедуры дропаута, которая много лет рассматривалась как эвристический метод, предотвращающий переобучение. В докладе будет показано, как, используя эту интерпретацию, можно автоматически устанавливать гиперпараметры, отвечающие за интенсивность процедуры дропаута, и как переход к индивидуальным гиперпараметрам для каждого веса позволяет получить разреженность, превышающую 99% от всех весов нейронной сети без потери качества. От слушателей требуется владение университетским курсом по теории вероятностей и общее представление о современных методах глубинного обучения.

Афиша


24 января, 18.10 - 19.30, ауд.205

Знаковые модели обучения в задаче планирования поведения

Панов Александр Игоревич

Научно-учебная лаборатория процессно-ориентированных информационных систем (ПОИС): Научный сотрудник

 


Одной из ключевых стадий при разработке методов планирования поведения является стадия описания используемого способа представления знаний и алгоритмов его построения и пополнения. Для решения реальных задач, а также задач, в которых функционирование интеллектуального агента (программного или робототехнического) происходит в недетерминированной среде с другими активными участниками, невозможно заранее сформировать базу знаний и необходимо разрабатывать методы по ее пополнению. Таким образом, обучение в задаче планирования приобретает особую важность, а разработка соответствующих алгоритмов и подходов, использующих как известные методы машинного обучения, обучения по прецедентам, так и новые методы, учитывающие специфику процесса планирования и коллективного взаимодействия, является достаточно актуальной. В настоящем докладе будут представлены некоторые результаты по разработке знакового способа представления знаний интеллектуального агента, опирающиеся на некоторые психологические теории и нейрофизиологические данные. Будут предложены модели обучения (образования нового знака), с помощью которых пополняется картина мира агента, планирующего свое поведение, и представлены результаты предварительных модельных экспериментов.

 Афиша лабораторной (PDF, 159 Кб)


15 ноября, 18.10 - 19.30, ауд.205

Триадический анализ формальных понятий и трикластеризация

Игнатов Дмитрий Игоревич

Международная научно-учебная лаборатория интеллектуальных систем и структурного анализа: Научный сотрудник

 

Анализ формальных понятий (АФП) возник в начале 1980-х гг. как математическая теория, опирающаяся на математическую формализацию понятия и понятийного мышления, и впоследствии стал популярным подходом алгебраического анализа данных. Иерархии понятий извлекаются из объектно-признаковых данных, а их диаграммы порядка используются для визуализации и последующего анализа. Каждое формальное понятие можно рассматривать как абсолютно плотный бикластер для исходных объектно-признаковых данных.



В докладе представлена попытка найти “оптимальные” паттерны в триадических данных при наличии дополнительного по отношению к объектам и признакам измерения. Типичным примером таких данных являются фолксономии в системах совместного доступа к ресурсам, когда имеются множества пользователей, ресурсов (например, документов) и тегов, которые пользователи присвоили конкретным ресурсам. Мы обсудим результаты сравнения пяти методов трикластеризации по ресурсной эффективности, шумоустойчивости и четырем критериям качества и покажем, что задача поиска оптимального трикластерного покрытия NP-трудна, а подсчет таких покрытий относится к классу #P-полных задач.

Мы также обсудим применимость рассмотренных методов к задачам рекомендательных систем и анализу многомерных данных в различных областях.

 Афиша Лабораторной (PDF, 75 Кб)

 Слайды выступления (PDF, 9.03 Мб)

Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin:
Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015)


Dmitry I. Ignatov, Sergei O. Kuznetsov, Jonas Poelmans, Leonid E. Zhukov:
Can triconcepts become triclusters? Int. J. General Systems 42(6): 572-593 (2013)


18 октября, 18.10 - 19.30, ауд.205

Интерактивный аналог теоремы Вольфа – Слепяна

Козачинский Александр Николаевич

Международная лаборатория теоретической информатики: стажер-исследователь

В теории информации рассматривается следующая ситуация: отправителю (Алисе) надо передать некоторую информацию получателю (Бобу) по бесшумному каналу наиболее экономным способом. При этом возможны различные уточнения постановки задачи. Например, Боб может обладать или не обладать некоторой дополнительной информацией о входе Алисы. Рассматриваются различные ограничения на то, какими могут быть входы Алисы и Боба. В наиболее общем виде — это произвольные случайные величины. Кроме того, например, можно потребовать, чтобы входы брались из большого (стремящегося к бесконечности) числа независимых испытаний одной и той же случайной величины.

В теореме Вольфа – Слепяна рассматривается как раз это ограничение и устанавливается асимптотика длины оптимального кодирования (даже если у Боба есть вспомогательная информация). В докладе будет рассказано о том, что изменится, если из теоремы Вольфа – Слепяна убрать требование большого числа независимых испытаний. Основное отличие состоит в том, что придется разрешить Бобу посылать ответные сообщения Алисе, чтобы корректировать ее действия. Будет рассказано и о значении этой задачи для коммуникационной сложности.



 Афиша Лабораторной (PDF, 234 Кб)


7 июня

Эксперимент CRAYFIS: космическая обсерватория на основе мобильных телефонов

Борисяк Максим Александрович

Научно-учебная лаборатория методов анализа больших данных: Стажер-исследователь

 

Изучение космического излучения — одно из приоритетных направлений в астрофизике. В то время как излучение в области низкоэнергетического спектра хорошо изучено, космические лучи ультравысоких энергий (> 1018 эВ) остаются загадкой для ученых. Основная проблема, с которой сталкиваются при их изучении, — частицы таких энергий крайне редки: предсказываемые частоты начинаются от 1 частицы на квадратный километр в год.Эксперимент CRAYFIS (Cosmic RAYs Found In Smartphones) предлагает уникальную схему обсерватории — использование мобильных телефонов добровольцев в качестве наземного массива детекторов. Проходя через атмосферу, космические лучи высоких энергий порождают ливень вторичных частиц, к которым чувствительны камеры мобильных телефонов. Расположенная в небольшом радиусе, группа всего из нескольких активных телефонов обладает чувствительностью, достаточной для регистрации исследуемого излучения. По предварительным расчетам, всего миллион активных телефонов обладает покрытием, сравнимым с крупнейшей космической обсерваторией. В докладе будут рассмотрены общая схема эксперимента и задачи, возникающие при обработке данных, а также будет подробно разобрана задача, состоящая в обнаружении следов мюонов на камере телефона и работе с данными Монте-Карло.

 Афиша Лабораторной (PDF, 1.22 Мб)


24 мая 

Вложенные сети Петри: применение и анализ поведенческих свойств


Дворянский Леонид Владимирович

Научно-учебная лаборатория процессно-ориентированных информационных систем (ПОИС): Научный сотрудник

Аннотация:

Вложенные сети Петри — формализм, позволяющий моделировать распределенные системы с динамической структурой. В мире повсеместных вычислений и постоянно усложняющихся технологий построение корректных распределенных программных систем становится все более непростой задачей. Одним из инструментов анализа поведенческих свойств систем являются инварианты поведения. В докладе будет рассмотрен способ обобщить линейные инварианты обыкновенных сетей Петри на вложенные сети Петри, а также некоторые вопросы, связанные с применением и временной семантикой вложенных сетей.

Место: ауд. 317, Кочновский проезд,д. 3, 18:10 – 19:30.

 Афиша (PDF, 1.69 Мб)