• 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
126/80/30
126 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
100/12
100 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
124/85/30
124 бюджетных мест
85 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
Finite Time Analysis of Linear Two-timescale Stochastic Approximation with Markovian Noise

Kaledin M., Moulines E., Naumov A. et al.

In bk.: Proceedings of Machine Learning Research. Vol. 125: Proceedings of Thirty Third Conference on Learning Theory. 2020. P. 2144-2203.

Глава в книге
Re-pairing brackets

Chistikov D., Mikhail Vyalyi.

In bk.: LICS '20: 35th Annual ACM/IEEE Symposium on Logic in Computer Science. Saarbrücken, Germany. July, 2020. Association for Computing Machinery (ACM), 2020. P. 312-326.

Статья
Influence of Very Large Spatial Heterogeneity on Estimates of Sea-Level Trends

Shapoval A., Le Mouël J., Courtillot V. et al.

Applied Mathematics and Computation. 2020. Vol. 386. P. 125485.

Статья
Magnetohydrodynamic Modeling of the Solar Wind Key Parameters and Current Sheets in the Heliosphere: Radial and Solar Cycle Evolution

E. V. Maiewski, Kislov R. A., Khabarova O. V. et al.

Astrophysical Journal. 2020. Vol. 892. No. 1. P. 1-17.

На ФКН начался единственный в России курс по краудсорсингу

На ФКН начался единственный в России курс по краудсорсингу

На программе "Прикладная математика и информатика" начался курс "Сбор и обработка данных с помощью краудсорсинга", который проводится базовой кафедрой Яндекс. Курс доступен для студентов ВШЭ и Школы анализа данных Яндекса. 

Краудсорсинг – это привлечение большого числа людей к решению какой-либо задачи. Обычно объемные и комплексные вопросы делятся на более маленькие и простые, и уже ими занимается множество независимых исполнителей. В итоге более простые решения "складываются" и решают изначальную задачу. Обычно участники оценивают качество изображений и распознают объекты на них, или, например, оценивают релевантность поисковой выдачи.

Специалисты по data science используют размеченные данные для решения практически всех задач машинного обучения, но далеко не все знают, как происходит  подготовка датасетов. Понимание механизмов сбора и разметки данных с помощью краудсорсинга может быть очень полезно для разработчиков: например, они смогут создавать уникальные базы данных и использовать их для построения новых моделей и других амбициозных задач. Такие специалисты востребованы в крупнейших российских и международных ИТ-компаниях. 

Курс был запущен осенью 2019 в ШАДе, и на данный момент у него нет аналогов в России. У студентов, прошедших курс, появится глубокое понимание технологий краудсорсинга. Они научатся использовать его в своих проектах, смогут строить промышленные конвейеры по сбору и разметке данных на большом масштабе и познакомятся с "лайфхаками" от преподавателей, специалистов сервисов Яндекса. Кроме того, студенты ФКН получат доступ к использованию Яндекс.Толоки, инструмента для краудсорсинга, на время прохождения курса.

Евгений Коновалов
преподаватель курса, Яндекс

Мы создали этот курс, потому что увидели на рынке высокий спрос на специалистов по краудсорсингу и отсутствие инструментов для их обучения. Более пяти лет мы в Яндекс.Толоке занимаемся краудсорсингом: за это время мы наработали опыт, проводили научные исследования и анализировали их результаты, и теперь мы решили делиться этими знаниями со студентами. Впервые курс по краудсорсингу был запущен год назад в ШАДе, а этой осенью он проходит в ШАДе и на ФКН. На данный момент у него нет аналогов в России. Этот курс особенно ценен тем, что кроме онлайн-заданий на нем есть занятия по полевому краудсорсингу, где студенты учатся использовать "толпу" для быстрого и качественного сбора данных в офлайне. Они получают такие задания, как, например, проверить наличие в конкретных точках рекламных конструкций и сфотографировать их. Такие задачи актуальны для исследований, данные для которых можно собрать только офлайн. На курсе мы обсуждаем и более классические задания, занимаемся чистой математикой. В учебный план входят проекты, выполнение которых помогает подготовиться к будущим рабочим задачам. Например, на предыдущем курсе студенты должны были построить систему ранжирования сайтов. Подробно о выполнении таких задач и об опыте обучения на курсе наш выпускник Даниил Поляков недавно рассказал в интервью. В первую очередь этот курс пригодится всем, кто работает с анализом данных или машинным обучением. Но в целом, на нем мы ждем всех, кто хочет научиться собирать размеченные данные с высоким качеством и делать это эффективно: студентов 3-4 курсов бакалавриата, магистратуры, продвинутых специалистов и исследователей. Мы рады поделиться знаниями с более широкими научными и академическими кругами. Одна из наших целей на будущее — запустить курс в онлайне.