• 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 развитию и административно-финансовой работе — Плисецкая Ирина Александровна

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
80/10
80 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
Linear switched dynamical systems on graphs
В печати

Protasov V. Y., Cicone A., Guglielmi N.

Nonlinear Analysis: Hybrid Systems. 2018. Vol. 29. P. 165-186.

Статья
Final Results of the OPERA Experiment on ντ Appearance in the CNGS Neutrino Beam

Ustyuzhanin A.

Physical Review Letters. 2018. Vol. 120. No. 21. P. 211801-1-211801-7.

Статья
Qualitative Judgement of Research Impact: Domain Taxonomy as a Fundamental Framework for Judgement of the Quality of Research

Murtagh F., Orlov M. A., Mirkin B.

Journal of Classification. 2018. Vol. 35. No. 1. P. 5-28.

Статья
Predictive Model for the Bottomhole Pressure based on Machine Learning
В печати

Spesivtsev P., Sinkov K., Sofronov I. et al.

Journal of Petroleum Science and Engineering. 2018.

Статья
New and old results on spherical varieties via moduli theory

Roman Avdeev, Cupit-Foutou S.

Advances in Mathematics. 2018. Vol. 328. P. 1299-1352.

В «Вороново» прошел семинар по Data Science для преподавателей

С 27 по 29 января 45 преподавателей с разных факультетов всех кампусов Вышки приняли участие в семинаре «Современное машинное обучение и методика преподавания анализа данных» в учебном центре «Вороново». Программа повышения квалификации разработана в рамках проекта Data Culture.

Перед командой проекта Data Culture стоит масштабная задача: курсы по data skills к 2018-19 учебному году должны появиться абсолютно на всех бакалаврских программах Вышки. Для этого необходимо прежде всего развивать внутри университета сообщество компетентных и вовлеченных специалистов, которые смогут обучать студентов разных направлений навыкам анализа данных.

Сергей Рощин, проректор ВШЭ

«В 2017 году Высшая школа экономики начала проект Data Culture, который подразумевает введение во все образовательные программы бакалавриата элементов, формирующих у студентов базовые компетенции, связанные с различными цифровыми технологиями и работой с большими данными. Это очень важный проект, т.к. сейчас мы находимся в ситуации технологической революции. Она заключается в том, что современные цифровые технологии меняют буквально все сферы. Это касается в том числе и направлений, связанных с социальным и гуманитарным знанием. Например, в мире сейчас активно развивается область Digital Humanities, в ряде европейских университетов факультеты уже так и называются — «цифровая гуманитаристика». То же касается и истории, филологии и других гуманитарных направлений.

Когда мы говорим, что наступает эпоха цифровой экономики и цифрового общества, для которой нужны кадры, это не означает, что нужно больше специалистов, которые работают с компьютерными технологиями. Это значит, что нужны философы, историки и политологи, которые соответствующими знаниями владеют. При этом мы находимся в ситуации постоянно развивающихся технологий, которые проецируются на различные предметные области не универсально, а требуют определенной кастомизации, и сейчас не хватает специалистов, которые понимали бы, как надо соединять развивающиеся цифровые технологии и предметные области.

Так как технологии и методы анализа данных постоянно развиваются, появилась задача обучать не только студентов, но и преподавателей и сотрудников, которым также не хватает знаний. Я имею в виду преподавателей, связанных с предметным знанием, а не тех, которые работают с информационными технологиями. Поэтому одно из направлений нашего проекта — обучение и подготовка специалистов, которые бы выступили медиаторами между предметным и инструментальным пониманием в тех или иных областях. Выездной семинар в Вороново был как раз одним из элементов такого обучения. Это уже не первый подобный семинар, мы стараемся делать их систематическими, и они будут проводиться и в дальнейшем. Очень надеемся, что те преподаватели, которые проходят это обучение, как раз и выступят «бациллоносителями» цифровых технологий в своих предметных пространствах и помогут формировать новое видение образовательных программ».


Обучение на семинаре велось по двум трекам: базовому и продвинутому. Продвинутый трек предназначался для тех, кто уже читает курсы, формирующие data skills или связанные с ними дисциплины (математику, программирование). Слушателями базового трека стали те, кто уже знает классические методы анализа данных, но интересуется современными методами, чтобы в перспективе начать обучать им студентов.

В программу вошли лекции по методам машинного обучения (композиции моделей, нейронные сети), семинары с практической частью, мастер-классы от преподавателей проекта Data Culture, Департамента больших данных и информационного поиска, в том числе майнора «Интеллектуальный анализ данных», а также блок методической работы: участники разрабатывали карты компетенций по работе с данными, востребованных на современном рынке труда.

Со всеми материалами семинара можно подробнее ознакомиться здесь.

А вот что думают о семинаре его участники:

Картинки по запросу мария умерова вшэ

Мария Умерова, базовый трек, преподаватель Департамента иностранных языков, Москва:

На занятиях было много практики, доступными методами нам показали, как решать разные типы задач с помощью цифровых технологий на разных образовательных программах, типы заданий для студентов. Мы поработали в среде программирования и посмотрели, как все «устроено изнутри». Анализ данных сейчас пронизывает все области знаний, поэтому на методической части семинара мы рассуждали о том, какие новые компетенции, связанные с этим, необходимо прививать студентами. Важный результат для нас как преподавателей самых разных образовательных программ — это разработка планов учебных дисциплин, связанных с Data Science.

Валерий Калягин, продвинутый трек, профессор Кафедры прикладной математики и информатики, Нижний Новгород:

Семинар оправдал мои ожидания. Интересным и полезным был опыт коллег факультета компьютерных наук по продвижению Data Culture. Многое из того, что было представлено на семинаре, мы будем использовать в Нижнем Новгороде. Понравились лекции экспертов по Data Science, которые помогли систематизировать мои представления по современному развитию этой области.

Не хватало экспертов в конкретных предметных областях. Это сложная задача, но ее нужно решать.

 
Альбина Рассказова, базовый трек, доцент Департамента финансов, Санкт-Петербург:

В какой-то мере мы все знакомы с методами машинного обучения и базовыми задачами, которые они решают. Однако с появлением данных, которые мы называем ненаблюдаемыми, и исследовательских вопросов, позволяющих дать новые объяснения каким-либо научным феноменам, актуальным становится и поиск задач, решение которых придаст импульс развитию цифровой экономики.

На семинаре мы вместе формулировали компетенции, связанные с машинным обучением, которые необходимо развивать у студентов наших специальностей. Я хочу в первую очередь продолжить внедрять в методологию преподавания моих дисциплин (банковский менеджмент и корпоративное управление) поиск и формулирование конкретных прикладных задач, решение которых требует знания современных методов машинного обучения. Так, например, в банковском менеджменте требуется понимание того, насколько востребованы банковские продукты и услуги юридическими лицами и частными клиентами. Это необходимо для прогнозирования прибыли банка. Эффективное решение данной задачи возможно получить только методами современного машинного обучения.

 

Я как академический руководитель программы нахожусь в постоянном процессе обдумывания карты компетенций выпускника и образовательных технологий, которые эти компетенции смогут развить. Семинар был полезным тремя вещами. Во-первых, появилась возможность обсудить нужные экономистам Hard and Soft Data Skills в широком кругу коллег. Во-вторых, можно было послушать и пообсуждать подходы к преподаванию отдельных элементов дисциплин, связанных с анализом данных. В-третьих, высокий уровень лекторов дал возможность увеличить собственный запас знаний о методах машинного обучения, и, что мне кажется самым важным, дал «пинок» к изучению языка программирования Python, который является базовым инструментарием для современного аналитика данных.

Семинар дал много поводов к размышлению, пониманию того, что между носителями передовых методов работы с данными и представителями разных предметных полей очень плохо налажен диалог. В ближайшее время нам предстоит осмысление того, какие традиционные экономические и управленческие задачи могут качественно иным образом решаться с помощью новых данных и технологий их анализа, какие новые направления в экономической науке в ближайшее время будут востребованы.

  Картинки по запросу артем филатов вшэ
Артём Филатов, преподаватель продвинутого трека, стажер-исследователь Научно-учебной лаборатории методов анализа больших данных, Москва:

На мастер-классе, посвященном прошедшему курсу «Машинное обучение» на факультете экономических наук, мы вместе со слушателями обсудили особенности преподавания данного курса для экономистов. Я поделился положительными и отрицательными моментами курса, рассказал, с какими трудностями пришлось столкнуться. Я продемонстрировал примеры домашних заданий, которые мы давали в течение курса, слушатели сделали несколько важных замечаний, отметили необходимость учитывать специфику факультета, где читается курс, и формировать домашние задания в приложении к экономике.


В июне 2017 года — на старте проекта Data Culture — прошло первое мероприятие для подготовки преподавателей и сотрудников Вышки. Тогда более 100 участников проходили двухдневный интенсив в офисе Яндекса. Подробнее об этом можно прочитать на сайте ФКН.