• 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
Мероприятия
Образовательные программы
Бакалаврская программа

Компьютерные науки и анализ данных

4 года
Очная форма обучения
75/5
75 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
125/60/30
125 бюджетных мест
60 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
90/12
90 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
120/80/30
120 бюджетных мест
80 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
25/5/1
25 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
63/27
63 платных мест
27 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Математика машинного обучения

2 года
Очная форма обучения
15/5/1
15 бюджетных мест
5 платных мест
1 платное место для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Машинное обучение и высоконагруженные системы

2 года
Очная форма обучения
28/2
28 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Науки о данных

2 года
Очная форма обучения
65/15/20
65 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
25/5/10
25 бюджетных мест
5 платных мест
10 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
Обучение ведётся на русском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
50/1
50 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
Black-Box Optimization with Local Generative Surrogates

Belavin V., Ustyuzhanin A., Широбоков С. К. et al.

In bk.: Advances in Neural Information Processing Systems 33 (NeurIPS 2020). Curran Associates, Inc., 2020. P. 14650-14662.

Статья
The multiplicative-additive Lambek calculus with subexponential and bracket modalities

Kanovich M., Kuznetsov S., Scedrov A.

Journal of Logic, Language and Information. 2021. Vol. 30. No. 1. P. 31-88.

Руководитель коллаборации LHCb (CERN) выступил на семинаре LAMBDA

2 октября прошел семинар лаборатории LAMBDA по теме «Актуальные задачи физики высоких энергий и подходы машинного обучения», на котором специальный гость Giovanni Passaleva, руководитель коллаборации LHCb (CERN), представил актуальные задачи экспериментов Большого Адронного Коллайдера в целом и LHCb в частности.

Руководитель коллаборации LHCb (CERN) выступил на семинаре LAMBDA

Сотрудники лаборатории рассказали о своих текущих проектах, над которыми они работают в составе коллабораций LHCb, SHiP и CRAYFIS. Было продемонстрировано существенное улучшение качества экспериментов, достигнутое посредством внедрения машинного обучения на различных этапах анализа данных. В этих проектах были использованы такие методы как Gaussian Processes, Bayesian Optimization, Generative Adversarial Networks (GANs), Deep Networks.

Доклады перемежались оживленными обсуждениями, которые наглядно продемонстрировали актуальность и широкий простор для исследовательской деятельности на стыке компьютерных наук и физики высоких энергий. Слайды участников семинара доступны по ссылкам:

— Giovanni Passaleva,  Специфика работы Большого Адронного Коллайдера в “эпоху высокой светимости”

— Андрей Устюжанин,  О лаборатории LAMBDA

— Денис Деркач,  Использование глубинного обучения для идентификации заряженных частиц

— Федор Ратников,  Использование машинного обучения для идентификации нейтральных частиц

— Артём Филатов,  Гауссовские процессы для оптимизации конструкции эксперимента поиска темной материи

— Максим Борисяк,  Использование GANs для ускорения симуляции сложных процессов, получения реалистичных моделей откликов детекторов, поиска оптимальных параметров симуляторов


Лаборатория методов анализа больших данных предлагает студентам Вышки темы курсовых работ, которые близки к тематике семинара.