• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Телефон: 8-495-772-95-90*11020

Москва, Кочновский проезд, д. 3, комнаты 616,619, 624

 

 

Заведующий кафедрой — Кулешов Александр Петрович

 

Заместитель заведующего кафедрой — Осипов Дмитрий Сергеевич

 

Менеджер кафедры — Алескерова Инесса Ивановна

Статья
On Stability of Probability Laws with Respect to Small Violations of Algorithmic Randomness

V'yugin V.

Theory of Computing Systems. 2016. P. 403-423.

Статья
Shortest and minimal disjunctive normal forms of complete functions

Maximov Y.

Computational Mathematics and Mathematical Physics. 2015. Vol. 55. No. 7. P. 1242-1255.

Глава в книге
Information preserving and locally isometric&conformal embedding via Tangent Manifold Learning
В печати

Bernstein A., Kuleshov A. P., Yanovich Y.

In bk.: Data Science and Advanced Analytics (DSAA), 2015. 36678 2015. IEEE International Conference on. P.: IEEE, 2015. P. 1-10.

«Наши студенты должны осуществить научный прорыв на стыке математики и компьютерных наук»

В 2017 году факультет компьютерных наук НИУ ВШЭ и Сколтех будут вести совместный прием на магистерскую программу «Статистическая теория обучения», которая станет правопреемницей программы «Математические методы оптимизации и стохастики». О научной составляющей новой программы и о возможностях, которые она предоставляет студентам не только магистратуры, но и бакалавриата, рассказывает академический руководитель программы, профессор математических наук университета Гумбольдта в Берлине, Владимир Спокойный.

Как компьютер «мыслит»

Если попытаться сформулировать «человеческим языком», что такое статистическая теория обучения, то это о том, как научить компьютеры думать. Мы хотим понять, как мыслит человеческий мозг и что из этого можно взять для компьютеров. Уже есть компьютеры, которые могут с человеком «разговаривать», которые играют с ним в шахматы, они уже многое умеют, но научная основа «мышления» еще не понята. Алгоритмы есть, но они основаны на «тренировке по прецедентам», т.е. в памяти компьютера имеется набор ситуаций и соответствующих решений. Компьютер не мыслит, он ищет ближайшие прецеденты и воспроизводит наиболее подходящее решение. Это и есть машинное обучение. И мы пока лишь в начале пути к пониманию реального мышления. Это и будет фокус нашей программы — вырастить специалистов, которые способны пройти этот путь.

Курсы, подобранные для программы, покрывают основные необходимые научные дисциплины. Каждый из этих курсов не является уникальным, но та комбинация курсов, которую мы предлагаем студентам, не имеет по своему наполнению аналогов в российских вузах. Масштабы задач и научные амбиции, которые стоят перед нами, очень велики. Наша программа направлена на осуществление научного прорыва на стыке математики и компьютерных наук, именно поэтому она очень насыщенная и наукоемкая.

Чему и как будут учить

Характер занятий на программе определяется тем, что она не образовательная, а научно-образовательная. Мы считаем, что уровень магистратуры — это уровень входа в науку. И если студент ставит перед собой академические перспективы, то его магистерская диссертация должна составлять от трети до половины кандидатской диссертации. Обучение и преподавание на программе будут ориентированы на это.

В первую очередь, мы предлагаем студентам участие в одной или нескольких рабочих группах (научно-исследовательских семинарах). Там каждый студент получает «свое» направление, по которому сначала делает обзорный доклад, потом решает предложенные ему задачи — и все это на стыке самых современных исследований и технологий в области статистической теории обучения.

Многие компании, такие как Яндекс, Google, Microsoft, Bosch, Huawei, Siemens, очень заинтересованы в специалистах такого уровня, они за ними охотятся и делают очень выгодные предложения

Эти семинары также подразумевают работу в командах. Дело в том, что возникающие задачи настолько сложные, что в одиночку их не решить. Такого, чтобы студент получил задачу, потом несколько месяцев один сидел и чего-то считал, а потом показал, что у него получилось, — у нас не будет. Мы считаем, что над сложными задачами можно работать только в коллективе, где обсуждаются и соединяются вместе различные научные направления и компетенции. Задача — создать научную академическую среду для общения и роста передовых научных кадров.

С чего начать абитуриентам

На начальном уровне мы не требуем от студентов ничего выходящего за рамки обычной академической программы в таких областях математики и компьютерных науках, как функциональный анализ, теория вероятностей, оптимизация, теория сложности. Мы хотим отобрать абитуриентов, которые были бы очень хорошо подготовлены, но не специально для этой программы, а в общеобразовательном смысле.

Более того, мы приглашаем студентов бакалавриата уже сейчас участвовать в научных и образовательных мероприятиях программы «Математические методы оптимизации и стохастики». Мы работаем со студентами второго, третьего, четвертого курсов и готовим их к будущему поступлению на магистерские программы. Они — полноправные члены наших рабочих групп, занимающихся исследованиями. У нас все совершенно открыто, все наши мероприятия есть на сайте — просто приходите и включайтесь в работу. Кроме того, мы проводим конференции, летние и зимние школы, и в них тоже могут участвовать студенты бакалавриата.

Почему программа англоязычная

Мы рассчитываем, что на программу будут поступать не только русскоязычные, но и иностранные абитуриенты. Но это не единственная причина, по которой дисциплины на программе читаются на английском языке. Современная наука, особенно в нашей области, — англоязычная, и мы планируем привлекать к участию в программе ведущих мировых ученых.

Владение английским языком — обязательное. Нужно не замыкаться в российских рамках, а уметь свободно и плодотворно общаться с представителями других стран. Наука интернациональна и отсутствие свободного владения английским языком является серьезным ограничением.

С кем будут работать студенты

Мы привлекаем ведущих специалистов обоих вузов к работе в рамках программы. В их число входят ученые с мировым именем, такие как профессор Юрий Нестеров, профессор Денис Беломестный, профессор Дмитрий Ветров, профессор Андрей Соболевский, доцент Алексей Наумов, доцент Кентан Пари, профессора Сколтеха Иван Оселедец, Виктор Лемпицкий, Евгений Бурнаев и Юрий Максимов, а также ряд других преподавателей. Это довольной молодой коллектив, но с уже очень заметными исследовательскими достижениями.

Кроме того, мы активно сотрудничаем с Институтом проблем передачи информации РАН и профильными факультетами в МГУ и Физтехе. Мы также рассчитываем на рабочие контакты с целым рядом крупных компаний, которые заинтересованы в наших студентах и выпускниках. Тот математический уровень проработки, которого мы стремимся достичь, на уровне индустрии недоступен даже в наукоемких компаниях.

Кем будут работать выпускники

В первую очередь мы ориентированы на подготовку научных кадров в одной из самых динамичных и востребованных областей математики и компьютерных наук. Я уверен, что выпускникам программы откроются широкие перспективы для дальнейшей академической карьеры, как в передовых вузах и академических институтах в России, так и в ведущих западных университетах. В то же время многие компании, такие как Яндекс, Google, Microsoft, Bosch, Huawei, Siemens, очень заинтересованы в специалистах такого уровня, они за ними охотятся и делают очень выгодные предложения . То, что спектр возможностей у наших выпускников будет очень широк, я могу совершенно точно гарантировать.

Узнать больше о программе «Статистическая теория обучения» можно на зимней школе по компьютерным наукам, которая пройдет 4–8 февраля 2017 года. Подать заявку на школу можно до 20 декабря включительно.