• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФКН
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
25/5/1
25 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
Заочная
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
30/10/10
30 бюджетных мест
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
25/5/5
25 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
15/5/1
15 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
32/5
32 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
Глава в книге
Towards Understanding and Answering Comparative Questions

Bondarenko A., Ajjour Y., Dittmar V. et al.

In bk.: WSDM 2022 - Proceedings of the 15th ACM International Conference on Web Search and Data Mining. Association for Computing Machinery (ACM), 2022. P. 66-74.

Статья
Empirical Variance Minimization with Applications in Variance Reduction and Optimal Control

Belomestny Denis, Iosipoi L., Paris Q. et al.

Bernoulli: a journal of mathematical statistics and probability. 2022. Vol. 28. No. 2. P. 1382-1407.

Глава в книге
Exponential savings in agnostic active learning through abstention

Puchkin N., Zhivotovskiy N.

In bk.: Proceedings of Machine Learning Research. Vol. 134: Conference on Learning Theory. PMLR, 2021. P. 3806-3832.

Статья
Measurement of the W boson mass

Derkach D., Maevskiy A., Karpov M. et al.

Journal of High Energy Physics. 2022. P. 1-38.

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.

Студенты программы «Прикладной анализ данных» рассказали о работе над проектом, который выиграл 1С:Стипендию

Студенты программы «Прикладной анализ данных» рассказали о работе над проектом, который выиграл 1С:Стипендию

Даниил Прокофьев // Высшая школа экономики

Студенты программы «Прикладной анализ данных» ежегодно работают над индивидуальными и групповыми проектами. Мы попросили рассказать о своем проекте студентов третьего курса Камиля Алякаева и Стаса Ушакова. Выполненный на втором курсе проект принес Камилю и Стасу 1С:Стипендию.

Как вы выбирали тему и напарника?

Стас Ушаков

Эта тема на момент выбора показалась мне наиболее интересной. К тому же, несмотря на то, что сам проект исследовательский, он имеет практическое применение.

Камиль Алякаев

Со Стасом мы сработались ещё с начала первого курса. Поэтому когда он предложил взять на пару именно этот проект, я доверился его выбору. Отчасти потому, что сам был на тот момент болен. Но я не пожалел — как раз напротив. С нашим руководителем, Никитой Старичковым, было очень приятно работать, да и сама тема оказалась интересной для изучения.

О чем ваш проект?

Стас: Основная тема проекта — исследование алгоритмов восстановления освещённости документов. Наша задача — изучить существующие алгоритмы удаления теней, бликов и засветов с фотографий документов. По факту, мы должны найти метод, который бы смог привести фотографию документа на телефон к приемлемому виду.

Камиль: Это значит, что если вдруг на документах присутствуют блики или тени, рассматриваемый метод должен уметь заменять эти труднораспознаваемые участки на области с чётко различимым текстом. 

Стас: Может показаться, что это сделать легко, но есть много подводных камней и у нас не было опыта работы с такими задачами. Очень помогало то, что на каждом этапе были понятные цели: в этом немалая заслуга Камиля. Мы разделили обязанности: практика — мне, теория — Камилю. В итоге почти так и было, но Камиль еще собирал тестовые и тренировочные данные для методов на основе нейросетей. В результате получилась не только неплохая аналитика по доступным open-source методам, но и относительно большие датасеты для тренировки и тестирования моделей.

Как вы организовали работу над проектом?

Камиль: Не могу сказать, что работа над проектом начиналась гладко. Мы даже не знали точно, где начать: была только формальная формулировка задачи. Бо‌льшую часть времени до середины зимы мы искали теорию, информацию и, собственно, методы, которые оказалось совсем не просто найти. После этого появились какие-то конкретные задачи. Примерно здесь мы договорились со Стасом, что за мной стоит теоретическая часть проекта и постановка целей, а за ним — непосредственно практическая, то есть, запуск найденных методов и отчёт о том, насколько плохо они работают. 

Методов, созданных конкретно для нашей цели, не существовало, но были те, которые постановкой своей цели подходили нам. Их мы и использовали, в итоге прибегая к весьма специфическим тренировкам этих моделей решения. 

Для специфических тренировок требовался не менее специфический набор данных — датасет, которого также в природе не существовало до нашего проекта. Примерно неделю мы кропотливо фотографировали печатный текст на бумаге при разном фоне и освещении, в двух экземплярах — с тенью и без. Собрав примерно 1200 пар таких фотографий, мы подвергли датасет обработке, создавая третий вид фотографий — теневые карты. Они указывают на местонахождение световой аномалии, которое интерпретировалось моделью для последующего удаления. Таким способом мы смогли натренировать по крайней мере одну нейронную сеть для стабильной работы с подобными фотографиями. 

Каков результат работы над проектом?

Камиль: Конечным результатом нашей работы мы считаем составление оценок методов и рекомендаций по работе с ними, а также сам датасет. Предполагалось, что мы имплементируем собственный метод, но нам не хватило времени и знаний для создания удобного пользовательского приложения. На тему практического применения, опять-таки, мы оставили после себя датасет и список рекомендаций, которые определённо облегчат работу тем, кто поставит перед собой аналогичные или смежные цели.

Сложно ли было выиграть стипендию?

Камиль: Наш руководитель посчитал, что проект достоин внимания и, по крайней мере, участия в конкурсе на стипендию. Мы не знали, с какими конкретно работами мы конкурируем и по каким критериям будет вестись отбор, поэтому о сложности сказать ничего не могу.

Стас: Мы просто передали проект на стипендиальный конкурс без особой надежды. Максимум, на который рассчитывали — плюс в портфолио за участие. Но проект мы делали с полной самоотдачей, нигде не халтурили. Так что в моей картине мира, эта стипендия — наша «удача — награда за смелость», как пелось в одной старой песне.

1С:Стипендия назначается за успехи по итогам выполнения командных проектов, курсовых работ, программных проектов и выпускных квалификационных работ, темы которые предоставлены компанией 1С. Подробнее об 1С:Стипендии.