• 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
40/5
40 платных мест
5 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
145/70/20
145 бюджетных мест
70 платных мест
20 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Прикладной анализ данных

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

Программная инженерия

4 года
Очная форма обучения
135/100/20
135 бюджетных мест
100 платных мест
20 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Экономика и анализ данных

4 года
Очная форма обучения
205/160/20
205 бюджетных мест
160 платных мест
20 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Анализ данных в биологии и медицине

2 года
Очная форма обучения
27/5/1
27 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Магистр по наукам о данных

2 года
Очная форма обучения
21/9
21 платное место
9 платных мест для иностранцев
ENG
Обучение ведётся полностью на английском языке
Магистерская программа

Математика машинного обучения

2 года
Очная форма обучения
18/5/1
18 бюджетных мест
5 платных мест
1 платное место для иностранцев
ENG
Обучение ведётся полностью 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 полностью на русском языке
Магистерская программа

Науки о данных (Data Science)

2 года
Очная форма обучения
32/10/10
32 бюджетных места
10 платных мест
10 платных мест для иностранцев
RUS/ENG
Обучение ведется на русском или английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
35/5/5
35 бюджетных мест
5 платных мест
5 платных мест для иностранцев
ENG
Обучение ведётся полностью на английском языке
Магистерская программа

Системное программирование

2 года
Очная форма обучения
25/5/1
25 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS
Обучение ведётся полностью на русском языке
Магистерская программа

Современные компьютерные науки

2 года
Очная форма обучения
35/5
35 бюджетных мест
5 платных мест
RUS
Обучение ведётся полностью 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 ведется на русском и частично на английском языке
Статья
Sampling discretization and related problems

Kashin B. S., Kosov E., Limonova I. V. et al.

Journal of Complexity. 2022. Vol. 71.

Статья
Fast parametric curve matching (FPCM) for automatic spike detection

Kleeva D., Soghoyan G., Komoltsev I. et al.

Journal of Neural Engineering. 2022. Vol. 19. No. 3.

Статья
On free semigroups of affine maps on the real line

Kolpakov A., Talambutsa A.

Proceedings of the American Mathematical Society. 2022. Vol. 150. No. 6. P. 2301-2307.

Глава в книге
Empirical Study of Transformers for Source Code

Chirkova N., Troshin S.

In bk.: ESEC/FSE 2021: Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering. Association for Computing Machinery (ACM), 2021. P. 703-715.

Состоялась летняя школа по машинному обучению в физике высоких энергий

Состоялась летняя школа по машинному обучению в физике высоких энергий

Canva

15-30 июля прошла седьмая международная школа по машинному обучению в физике высоких энергий (MLHEP), организованная научно-учебной лабораторией методов анализа больших данных (LAMBDA) факультета компьютерных наук, Школой анализа данных Яндекса и Федеральной политехнической школой Лозанны (Швейцария).

В этом году школа собрала 121 участника, среди которых представители 70 университетов и исследовательских центров России (Институт астрономии РАН, ОИЯИ, МФТИ), Европы (CERN, Оксфордский и Кембриджский университеты) и США (Колумбийский и Принстонский университеты). Второй год подряд школа проходит онлайн.

Как обычно, основные темы школы включали машинное обучение, нейронные сети, глубинное и распределенное обучение, генеративные модели и методы,  байесовские методы и оптимизация. В этом году приглашенные спикеры из дополнили программу такими темами как:

  • Алексей Федоров (Российский Квантовый Центр), «Квантовые вычисления и машинное обучение»;

  • Майк Вильямс (MIT), «Оценка устойчивости классификаторов»;

  • Якоб Маке (Тюбингенский университет), «Введение в методы вывода основанных на симуляции»;

  • Джиль Луп (Льежский университет), «Применение вывода, основанного на симуляции в физических науках»;

  • Екатерина Артемова (НИУ ВШЭ), «Архитектуры глубинных трансформеров для работы с последовательностями»;

  • Лучио Андрелини (Болонский университет), «Использование генеративных моделей для ускорения симуляции физических экспериментов».

Организаторы и участники поделились своими впечатлениями о школе:

Трофимова Екатерина Алексеевна
Научно-учебная лаборатория методов анализа больших данных: Стажер-исследователь, организатор школы

Как и в прошлом году, летняя школа MLHEP2021 прошла онлайн. За две недели насыщенная программа лекций и семинаров позволила осуществить довольно глубокое  погружение в мир машинного обучения. Хочется отметить энтузиазм студентов и стремление к личному общению, которое они с радостью удовлетворили во время социальных активностей, таких как игры и кофе-брэйки в формате speed-dating.

Лазарев Михаил Владимирович
Научно-учебная лаборатория методов анализа больших данных: Научный сотрудник, участник школы

Конечно, за две недели невозможно покрыть все в полном объеме, но, несмотря на это, летняя школа охватывала большую часть тем, связанных с машинным обучением в физике. Каждая тема сопровождалась не только лекцией, но и семинарной работой с применением алгоритмов из лекций, это особенно важно для начинающих в этой области. 

С точки зрения новичка, летняя школа дает в сжатые сроки большой объём качественной информации, и это плюс. Немаловажно также отметить высокий уровень преподавателей и возможность пообщаться с ними — они с радостью отвечали на любые вопросы.

Для опытных исследователей школа была интересна приглашенными лекторами. Формат школы также очень удобен — если ты и так знаешь образовательную часть, то можешь послушать лекцию и пообщаться с лектором. Неудобное время? Будет доступна запись лекции.

Что касается меня, я многое освежил в памяти и познакомился с некоторыми новыми алгоритмами, с которыми пока не встречался на практике, но с большой вероятностью встречусь в ближайшее время. Плюс приятно было их применять на данных с Большого адронного коллайдера :)

Вичаянун Вачирапуситананда
Участник школы

Я изучаю машинное обучение и его приложения уже несколько лет, но мои знания до сих пор были разрозненными. За время обучения в школе MLHEP 2021 я познакомился с разными методами машинного обучения, от базовых до самых сложных. Я увидел связь между этими методами и понял, как из простых понятий возникают сложные концепции. Также, я познакомился с последними достижениями в области нейросетей, в основе которых лежат новые разработки. Я хочу поскорее применить полученные в школе знания в своей работе.

Устюжанин Андрей Евгеньевич
Научно-учебная лаборатория методов анализа больших данных: Заведующий лабораторией, организатор школы

Мы рады, что в программе школы гармонично сочетаются выступления экспертов из сообщества машинного обучения, которые рассказывают об актуальных подходах и методах анализа данных, с выступлениями ведущих ученых о современных вызовах и проблемах различных областей физических наук.