• 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
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
117/80/30
117 бюджетных мест
80 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
80/12
80 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
110/70/30
110 бюджетных мест
70 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
20/5/1
20 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
100
100 платных мест
ENG
Обучение ведётся на английском языке
Магистерская программа

Науки о данных

2 года
Очная форма обучения
60/15/20
60 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
25/5/15
25 бюджетных мест
5 платных мест
15 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
15/5/2
15 бюджетных мест
5 платных мест
2 платных места для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
35/1
35 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
Learning to Route in Similarity Graphs

Baranchuk D., Persiyanov D., Sinitsin A. et al.

In bk.: International Conference on Machine Learning (ICML 2019). PMLR, 2019. P. 475-484.

Статья
Spherical and geodesic growth rates of right-angled Coxeter and Artin groups are Perron numbers

Talambutsa A., Kolpakov A.

Discrete Mathematics. 2020. Vol. 343. No. 3.

Глава в книге
ChronosDB in Action: Manage, Process, and Visualize Big Geospatial Arrays in the Cloud

Rodriges Zalipynis R. A.

In bk.: Proceedings of the ACM SIGMOD International Conference on Management of Data. NY: ACM, 2019. P. 1985-1988.

Глава в книге
Multi-Agent Pathfinding with Continuous Time

Andreychuk A., Yakovlev K., Atzmon D. et al.

In bk.: Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI 2019). International Joint Conferences on Artificial Intelligence, 2019. P. 39-45.

Онлайн-этап IDAO 2020

Онлайн-этап IDAO 2020

Завершился первый тур Международной олимпиады по анализу данных IDAO 2020 — традиционное соревнование по машинному обучению на платформе Yandex.Contest. Олимпиада проводится в третий раз. В этом году зарегистрировалось 2756 участников из 83 стран.  
По результатам онлайн раунда в финал прошли 86 участников – 31 команда из 13 стран. В финальной борьбе к ним присоединятся 3 команды призёров IDAO 2019.
В этом году преобладают участники из индустрии – 48 человек.
PlaceTrack 1 Best TeamsTrack 1 ScoreCountryPlaceTrack 2 Best TeamsTrack 2 ScoreCountry
1David&Sergey96,96Russia/
Switzerland 
1Data O Plomo96,61France
2Mrs. MIPT96,57France/
Switzerland 
2New Era los Guys96,26Russia 
3Veni Vedi Vici96,06Russia/
Belarus
3QuMantumPhysicists96,03Japan
4Snowflakes95,95Russia 4XSpace95,87Indonesia
5Extra Mile Stat95,89Peru5IDA Pro95,64Russia
6North people95,29Russia 6Earslaps Power95,38Russia
7-8Selling gaRage95,26Russia7vrn95,10Russia
7-8Baby Data O Plomo95,26France8Maxibons95,04Spain
9oski95,00Russia9AKM94,78USA
10Gradient Ascent94,82Russia/
USA
10Openprovider94,22Russia
11The Land of Crimson Clouds94,46Russia11random team94,06Switzerland
12xenophon94,20Belgium12cutest_dog_in_the_world94,04Russia
13bestscraping93,85Russia13Hotteam v final93,95Russia
14CHAD DATA SCIENTISTS93,72Russia14Alsetboost93,95Malaysia
1592,99Russia 15-16EGS93,93Belarus/
Israel
    15-16Good Luck93,93Russia/
Kazakhstan


Целью задачи онлайн-этапа было построить модель, предсказывающую положение космических объектов с помощью имитационных данных. Задача была разработана сотрудниками Научно-учебной лаборатории методов анализа больших данных совместно с одним из партнеров Олимпиады – российским астрономическим научным центром ( далее – АНЦ). АНЦ занимается созданием и эксплуатацией автоматизированных оптико-электронных систем наблюдения за космическими объектами и автоматизированных систем обработки информации о космических объектах. Эта проблема имеет для них особое значение. Например, ведение каталога орбит спутников Земли требует повторных наблюдений за космическими объектами. Для проведения таких наблюдений необходимо знать, куда нацелить телескопы.
Предсказание положения спутников – важная задача для космической отрасли. Например, информация о точном положении спутников на орбите необходима для того, чтобы избежать крайне опасных столкновений. Каждое столкновение приводит не только к разрушению спутников, но и к тысячам осколков космического мусора. Например, столкновение Iridium-Coscos в 2009 году увеличило количество космического мусора примерно на 13%. Дальнейшие столкновения могут привести к синдрому Кесслера и недоступности космического пространства. Хороший прогноз положения спутника также помогает сэкономить топливо на маневрах и продлить срок его службы на орбите.
В то же время трудно предсказать точное положение космического объекта, поскольку форма и другие параметры могут быть неизвестны. Кроме того, математико-физические модели не могут в полной мере учитывать многие факторы, такие как ландшафт земной поверхности и солнечное давление. 
Впоследствии полученные модели будут применены к реальным данным и помогут прогнозировать положение этих космических объектов.
 
На очном туре дата-сайентисты соберутся в офисе Яндекса, чтобы за 36 часов определить победителя IDAO 2020. Задачу для финального испытания предоставляет платиновый партнёр – компания Qiwi.