Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
Адрес: 109028, г. Москва, Покровский бульвар, д. 11
Телефон: +7 (495) 531-00-00 *27254
Email: computerscience@hse.ru
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.
Kashin B. S., Kosov E., Limonova I. V. et al.
Journal of Complexity. 2022. Vol. 71.
Kleeva D., Soghoyan G., Komoltsev I. et al.
Journal of Neural Engineering. 2022. Vol. 19. No. 3.
Nesterov R., Bernardinello L., Lomazova I. A. et al.
Software and Systems Modeling. 2022.
Kolpakov A., Talambutsa A.
Proceedings of the American Mathematical Society. 2022. Vol. 150. No. 6. P. 2301-2307.
In bk.: ESEC/FSE 2021: Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering. Association for Computing Machinery (ACM), 2021. P. 703-715.
Сотрудники Факультета компьютерных наук представили свои доклады на ежегодной конференции Neural Information Processing Systems (NIPS), которая проходила с 4 по 9 декабря в Лонг Бич, США.
В этом году ФКН был представлен двумя докладами: пленарным «On Structured Prediction Theory with Calibrated Convex Surrogate Losses» доцента Департамента больших данных и информационного поиска Антона Осокина и постерным «Structured Bayesian Pruning via Log-Normal Multiplicative Noise» от коллектива Международной лаборатории глубинного обучения и байесовских методов.
На сегодняшний день существует две крупнейшие международные конференции в области машинного обучения – Neural Information Processing Systems (NIPS) и International Conference on Machine Learning (ICML). Большинство значимых научных работ в данной сфере впервые представляются именно на этих конференциях. NIPS проводится ежегодно, начиная с 1986 года. Основными элементами программы традиционно являются лекции приглашенных гостей, пленарные выступления (15 минут) и постерные доклады. Как правило, не более 1% от поданных работ получают статус пленарных докладов. Всего в этом году из 3240 присланных было принято 678, из них только 40 были заявлены как пленарные. Кроме того, в 2017 поставлен новый рекорд по количеству участников – 7850 человек, в то время как в 2016 году их было 5600.
В отличие от большинства работ, представленных на конференции, которые носили практический характер, пленарный доклад Антона Осокина был посвящен теоретическим вопросам в одной из областей машинного обучения – структурном предсказании. В представленном им исследовании впервые три такие задачи, как consistency, сложность решения задач оптимизации и количественные характеристики сложности структуры были объединены в рамках одного формализма.
Доцент Департамента больших данных и информационного поиска
Международная лаборатория глубинного обучения и байесовских методов: Заведующий лабораторией
Декан факультета компьютерных наук
В рамках дополнительной секции (workshop) OPT 2017: Optimization for Machine Learning с докладом выступил профессор-исследователь Департамента больших данных и информационного поиска Юрий Нестеров. Кроме того, с постерным докладом «Recycling Privileged Learning and Distribution Matching for Fairness» выступил научный руководитель Международной лаборатории глубинного обучения и байесовских методов Нови Квадрианто. Также в дополнительных секциях выступили представители МФТИ и Яндекса.
Новость на сайте Вышки: https://www.hse.ru/science/news/213458890.html