• 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 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
110/80/15
110 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
70/12
70 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
80/70/15
80 бюджетных мест
70 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
15/5/2
15 бюджетных мест
5 платных мест
2 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
25/5/8
25 бюджетных мест
5 платных мест
8 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
20/5/4
20 бюджетных мест
5 платных мест
4 платных места для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
35/3
35 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Статья
Ontology-Mediated Queries: Combined Complexity and Succinctness of Rewritings via Circuit Complexity

Bienvenu M., Kikot S., Kontchakov R. et al.

Journal of the ACM. 2018. Vol. 65. No. 5. P. 28:1-28:51.

Статья
Randomized Block Cubic Newton Method
В печати

Doikov Nikita, Richtarik P.

Proceedings of Machine Learning Research. 2018. No. 80. P. 1290-1298.

Статья
Particle-identification techniques and performance at LHCb in Run 2
В печати

Hushchyn M., Chekalina V.

Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2018. P. 1-2.

Статья
Observational evidence in favor of scale free evolution of sunspot groups

Shapoval A., Le Mouël J., Shnirman M. et al.

Astronomy and Astrophysics. 2018. Vol. 618. P. A183-1-A183-13.

Четвертая летняя школа «Машинное обучение в физике высоких энергий»

В этом году Научно-учебная лаборатория методов анализа больших данных  провела четвертую  летнюю школу машинного обучения в физике высоких энергий (Machine Learning for High Energy Physics (MLHEP)). Организаторы решили провести эксперимент, выделив в программе больше места продвинутым темам машинного обучения, привлекающим значительное внимание в физике частиц за последние годы: глубинные нейронные сети, сети для работы с графами, методы оптимизации, рекуррентные сети. Если составить облако слов из всех лекций, получится:


Мероприятие проходило в одном из колледжей Оксфорда — Saint Ann’s College.

Основную часть учебной программы читали преподаватели Вышки: Алексей Артемов, Максим Борисяк, Никита Казеев, Екатерина Черняк и заведующий лабораторией Андрей Устюжанин. Приглашенные лекторы рассказывали о перспективных трендах использования глубинного обучения в самых различных контекстах: астрофизика (поиск темной материи, ранжирование параметрических моделей новой физики) и физика частиц (быстрая генерация следов частиц в детекторах ускорителей, классификация следов). Были также и доклады наших партнеров (Nvidia, Oracle, DeepMind) о задачах и трендах машинного обучения в индустрии.

В школу участники приехали из 36 различных университетов и лабораторий, среди которых были CERN, DESY, University of Cambridge, University of Oxford, ETH Zurich, Nikhef, University of Edinburg, Duke University, Columbia University, EPFL, KIT.  

Практические задачи включали семинары, которые можно найти в репозитории школ. Также специально для школы совместно с сообществом deep physics мы организовали конкурс по анализу данных. Набор данных содержит события, регистрируемые типичным детектором нейтринных экспериментов (MicroBooNE, DUNE). В отличие от обычной постановки задачи, данные были представлены в виде трехмерного объема, содержащего следы распада различных частиц. Необходимо было составить алгоритм, способный сегментировать следы частиц по их типу. Базовое решение было составлено сотрудниками нашей лаборатории — Владиславом Белавиным, Артемом Рыжиковым, Сергеем Широбоковым. Для организации конкурса использовалась платформа CodaLab. Конкурс состоял из нескольких этапов, часть которых закончилась во время школы, но последний этап продлится до конца сентября. Лучшее решение будет представлено на зимнем воркшопе PHYSTAT-nu, посвященном нейтринной физике. Вычислительные мощности для работы школы любезно предоставила компания Microsoft.

Студенты признаются, что было непросто совмещать изучение нового материала с участием в конкурсе, но тем не менее студентам удалось предложить решения, превосходящие качество базовых.

Фрагменты некоторых отзывов:

 Most of all I liked the atmosphere of interest as a result of training from both motivated students and excellent teachers who love their subject. In such an environment, it is very interesting to develop your skills. But perhaps the overall structure of the program should be improved, because now, people who were not familiar with programming, it was necessary to deal literally in one day with all the necessary technological stack, and then move on to even more complex architectures, work with which requires some experience.

Alexey Kharlamov 

 I definitely widened my repertoire of machine learning methods that I understand, and did get a few ideas about where the techniques can be useful in my own (and group members') work.

Mikkel Bjoern 

 he school gave me a solid starting point to most of the most interesting ML techniques up to date. 

Michele Atzeni 

К историям успеха предыдущих школ в Санкт-Петербургском академическом университете, Лундском университете и Имперском Колледже Лондона добавилась еще одна яркая история. И хотя не все отзывы однозначно положительны, подавляющее большинство на вопрос «порекомендуете ли Вы эту школу своим друзьям и коллегам» отвечает: «с высокой вероятностью». Можно сказать, что в целом эксперимент по углублению программы удался, но нам есть над чем работать дальше и что учесть в следующем году. Stay tuned!