• 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

Компьютерные науки и анализ данных

4 года
Очная форма обучения
75/5
75 платных мест
5 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
125/60/30
125 бюджетных мест
60 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
90/12
90 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
120/80/30
120 бюджетных мест
80 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
25/5/1
25 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
63/27
63 платных мест
27 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Математика машинного обучения

2 года
Очная форма обучения
15/5/1
15 бюджетных мест
5 платных мест
1 платное место для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Машинное обучение и высоконагруженные системы

2 года
Очная форма обучения
28/2
28 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Науки о данных (Data Science)

2 года
Очная форма обучения
65/15/20
65 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
25/5/10
25 бюджетных мест
5 платных мест
10 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
Обучение ведётся на русском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
50/1
50 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Глава в книге
Black-Box Optimization with Local Generative Surrogates

Belavin V., Ustyuzhanin A., Широбоков С. К. et al.

In bk.: Advances in Neural Information Processing Systems 33 (NeurIPS 2020). Curran Associates, Inc., 2020. P. 14650-14662.

Статья
The multiplicative-additive Lambek calculus with subexponential and bracket modalities

Kanovich M., Kuznetsov S., Scedrov A.

Journal of Logic, Language and Information. 2021. Vol. 30. No. 1. P. 31-88.

Опыт аспиранта: Мария Горденко

Опыт аспиранта: Мария Горденко

Вспоминая далекую молодость: первый год был очень сложный. Когда я только пришла в Вышку, было очень много незнакомых предметов. Одним из самых сложных курсов на нашей образовательной программе были программирование и дискретная математика, и они давались мне достаточно нелегко. До университета программирование я знала не очень хорошо: я училась в лицее и у меня был физико-математический профиль. Но я стала усиленно готовиться, и в какой-то момент мне понравилось, и сейчас я преподаю программирование и некоторые главы дискретной математики. 

В бакалавриате было сложно, но интересно, особенно первый год. Второй курс — это год дедлайнов, они были практически каждую неделю. На третьем и четвертом курсах было уже проще, так как прошел процесс адаптации — все друг друга уже знали, понимали, как надо учиться, и предметы были более специализированные.

В бакалавриате у меня появились первые статьи и свидетельства об интеллектуальной собственности, и я поступила в магистратуру по конкурсу портфолио. Однако для меня он был несколько условен — я получила 100 баллов из 100, потому что сдала сертификационный экзамен от IEEE, и по факту проходила вне конкурса. Этот экзамен показывает, насколько человек владеет и понимает знаниями из области программной инженерии. Он включал в себя все те темы, которые мы учили четыре года — можно сказать, что нас к нему подготовили. Магистратуру «Системная и программная инженерия» я выбрала в том числе и потому, что обучение на ней шло полностью на английском — хотелось развить себя с этой точки зрения.

Всего у меня было два научных руководителя: Сергей Михайлович Авдошин в бакалавриате и магистратуре, и Алексей Андреевич Незнанов в аспирантуре. В аспирантуре у меня немного изменилась сфера научных интересов.

Изначально я занималась дискретной математикой и транспортной задачей — так называемой задачей китайского почтальона. В этой задаче есть «почтальон», которому нужно обойти все дороги на определенном маршруте один раз (а может и больше). Применением этой задачи может быть, например, построение маршрута снегоуборочной машины: ей нужно проехать по каждой дороге, затратив при этом минимальное количество ресурсов. 

Моя задача заключалась в оптимизации — нужно было минимизировать затраты, время, расход топлива и найти определенный алгоритм. В этой области существует немалое количество публикаций, и мы с Сергеем Михайловичем зарегистрировали несколько программ в качестве интеллектуальной собственности, всего их получилось восемь за время бакалавриата и магистратуры. 

Задача китайского почтальона — это задача на графы, и графы же я сейчас преподаю — читаю курсы в Вышке, в рамках проекта КоДиМ и в МИСИС. Эта тема осталась в моей области интересов, но сейчас я занимаюсь образованием и педагогикой с инженерной точки зрения. В аспирантуре моя тема звучит достаточно сложно: «Методы и программные средства онтологически-контролируемой автоматической генерации заданий в программных комплексах персонализированного обучения», но понять, чем я занимаюсь, наоборот, просто. Почему эта проблема актуальна и из чего она состоит?

Ни для кого не секрет, что рынок Edtech постоянно растет, причем значительный рост был в прошлом году, когда все вынужденно перешли на удаленку и дистанционное образование. Также в этой области за последние лет пять активно внедряются разные подходы, такие как геймификация или персонализированное обучение. 

И в нашей стране, и в мире существуют программы по переводу образования в цифровую образовательную среду, по созданию новых программ. Последние несколько лет особой популярностью пользуется так называемое гибридное обучение, когда ученик получает доступ к материалам, интерактивным симуляциям и тренажерам, и решает задачи, а учитель выступает в роли не столько учителя, который преподносит знания, сколько в роли тьютора, который помогает. Моя задача состоит в том, чтобы для таких систем персонализированного обучения придумывать алгоритмы и показать, что они могут эффективно работать и в автоматическом режиме создавать и проверять задачи для студентов. 

Зачем это нужно? Когда у учителя 150 учеников в онлайн-режиме, под каждого нельзя составить свой собственный вариант — это слишком трудоемкая задача. Подобные системы генерации заданий помогают снизить нагрузку на учителя и позволяет студентам не списывать, потому что люди списывают, когда вариантов мало или когда их можно легко найти в интернете. Если их нельзя найти и их много, то списать шансов меньше. Это позволяет снизить как процент списывания, так и количество ошибок — когда люди создают задания, то в любом случае там появятся ошибки. Здесь же все будет генерироваться в автоматическом режиме, поэтому никаких опечаток быть не должно. 

Кроме того, мы занимаемся и смежной темой — получением обратной связи по успеваемости обучающегося в автоматическом режиме. Когда ученики проходят тесты и решают задачи, смотрят видеолекции, то формируется их персональный портрет: какую тему конкретный человек знает лучше или хуже, где есть пробелы. Например, если ученик изучает теорию графов, и система видит, что у него проблемы с тем, как представлять графы в памяти компьютера, то он не сможет изучить другие алгоритмы. Система может в автоматическом режиме отслеживать прогресс обучающегося, и если она видит пробелы в конкретных темах, то автоматически предоставляет теоретический материал и дополнительные вопросы. Мы можем настраивать сложность задач, вопросы с одним ответом или множественным выбором, кейсовые ситуации. 

Еще, например, этот подход активно применяется для генерации кейсовых ситуаций для обучения студентов-медиков. У их задач простая структура: есть человек и есть его симптомы: болит голова, горло, высокая температура, и нужно выбрать из списка, какие у него могут быть заболевания.  

Мы же занимаемся физикой школьного уровня — у нас совместный проект с Институтом образования. 

Описанные выше задачи мы решаем с помощью онтологического подхода. Онтология — это попытка формализовать область знаний с помощью схемы. Онтология — не база данных, но у нее есть структура данных: в ней есть сущности, некоторые экземпляры. Например, есть животное: собака, у нее есть имя, вес — она конкретный экземпляр. Существуют возможные отношения между объектами: если у нас есть объект земля и объект животное, они связаны, а отношение между ними — живет, животное живет на земле. Это модель, где есть разные сущности, есть конкретные экземпляры этих сущностей, которые связаны разными отношениями. Можно сказать, что это граф, который представляет какие-то знания. 

Онтология вместе с данными — это граф знаний. Если мы возьмем все наши сущности, которые у нас есть, например, землю, и создадим конкретный экземпляр земли, то есть наполним ее данными: у земли будет вес, количество животных, какая-то конкретная площадь, то это будет граф знаний. Получается модель мира в компьютерном формате. 

В таком формате представляется модель нашей предметной области, физические элементы — в частности, мы достаточно активно используем готовую онтологию, которая создана другими людьми — там есть метрические элементы из физики — это нормальный процесс. Так связаны физические знания, законы, единицы измерения — ученики должны понимать, что вот метры, вот сантиметры, они связаны определенными отношениями, их можно переводить и так далее. 

За время обучения и работы в Вышке у меня накопилось достаточно много наград: я становилась лауреатом премии «Золотая Вышка» в номинации «Серебряный птенец», была в кадровом резерве, прошла огромное множество курсов повышения квалификации, написала  несколько статей и стала обладателем ряда свидетельств об интеллектуальной собственности. В 2019 году я стала лучшим молодым преподавателем, победив во Всероссийском конкурсе молодых преподавателей ВУЗов, а в 2021 —  лауреатом конкурса лучших молодых преподавателей России, награждение было в Госдуме. Три раза подряд (в 2019 и в 2020 годах) выигрывала конкурс фонда образовательных инноваций Вышки. Приятно, что сейчас я стала частым гостем различных конкурсов в качестве члена жюри и эксперта, также нередко приглашают для проведения мастер-классов.

Помимо обучения в аспирантуре, преподавания в двух университетах и получения второго высшего (юридического), мое основное место работы — банк, я инженер-программист. В свободное время (которого почти нет) я люблю что-то делать руками — вышивать, мастерить из лент, печь торты (это, кстати, крайне инженерная задача). 

Преподавание для меня — это очень большое и важное хобби. Мне нравится, что я могу что-то дать студентам, услышать интересные вопросы, над которыми нужно подумать, поговорить с умными людьми на умные темы. Их вопросы постоянно держат меня в тонусе.