• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Бакалаврская программа «Прикладная математика и информатика»

О специализациях


В конце 2-го курса каждый студент должен выбрать специализацию, по которой он будет проходить обучение на 3-4 курсах. Каждая специализация состоит из набора обязательных дисциплин и научно-исследовательского семинара. Также на 3-4 курсах студенты должны прослушать 4 дисциплины по выбору (элективы) из общего списка. Некоторые из курсов по выбору рекомендуются студентам определённых специализаций, дополняя обязательные дисциплины.

На программе реализуются пять специализаций - «Анализ данных и интеллектуальные системы», «Анализ и принятие решений», «Машинное обучение и приложения»
«Распределённые системы»«Теоретическая информатика»



Анализ данных и интеллектуальные системы


В рамках специализации студенты получат знания и умения в области современных методов искусственного интеллекта, применительно к широкому кругу актуальных задач анализа и майнинга данных, представления и обработки знаний. Дисциплины специализации, с одной стороны, дают фундаментальные основы интеллектуальных систем, а с другой стороны знакомят с самыми современными инструментами исследователей и аналитиков в области интеллектуального анализа данных. 

Руководитель специализации - Кузнецов Сергей Олегович, д.ф.-м.н., ординарный профессор, руководитель департамента анализа данных и искусственного интеллекта ФКН НИУ ВШЭ, заведующий международной научно-учебной лабораторией интеллектуальных систем и структурного анализа

Дисциплины специализации:
• Основные методы анализа данных
Комбинаторика, графы и вычислительная логика
• Машинное обучение и майнинг данных
• Автоматическая обработка текста
• Прикладная теория графов
Семантические технологии
Анализ и визуализация сетей

Смотрите также: страница специализациидепартамент анализа данных и искусственного интеллекта, специализация “Интеллектуальные системы и структурный анализ” магистерской программы “Науки о данных”, международная научно-учебная лаборатория интеллектуальных систем и структурного анализа



Анализ и принятие решений

 
Подготовка специалистов широкого профиля в области теории и практики принятия решений, способных проводить теоретические и прикладные исследования по анализу и поддержке решений в конкретных областях экономики, информатики, менеджмента, политики и государственного управления. В рамках специализации студенты посещают два семинара «Экспертные оценки и анализ данных» и «Математические модели принятия решений в экономике, бизнесе и политике». Лекции по современным моделям принятия решений для студентов 4 курса читаются выдающимися учеными из ведущих университетов мира
Руководитель специализации - Алескеров Фуад Тагиевич, д.т.н., ординарный профессор, руководитель департамента математики факультета экономических наук НИУ ВШЭ, заведующий международной научно-учебной лабораторией анализа и выбора решений

Дисциплины специализации:
• Теория выбора и принятия решений
• Исследование операций
• Системный анализ
• Индивидуальные и коллективные решения
• Кооперативные игры
• Временные ряды и случайные процессы

Смотрите также: страница специализациидепартамент математики ФЭН НИУ ВШЭмеждународная научно-учебная лаборатория анализа и выбора решений, лаборатория экспериментальной и поведенческой экономики

Машинное обучение и приложения


Машинное обучение — наука, которая изучает методы поиска скрытых зависимостей в массивах данных. Эти методы всё активнее используются как в различных областях науки (в физике, экономике, журналистике, социальных науках и т.д.), так и во многих индустриальных областях. Обнаружение спама, распознавание людей на фотографии, персонализованные рекомендации музыки в социальных сетях или товаров в онлайн-магазинах, определение лучшего хода в игре Го, предсказание эффекта от лекарства с определённой химической формулой — лишь немногие примеры важных и интересных задач, которые невозможно решить с помощью классического математического моделирования. Тем не менее, все эти задачи могут быть решены с помощью стандартных методов машинного обучения.

В конце нулевых годов появились вычислительные мощности, способные обрабатывать огромные массивы данных, благодаря которым оказалось, что методы современного машинного обучения способны в ряде областей превзойти возможности человеческого интеллекта. Сейчас происходит настоящая революция в области машинного обучения, связанная с переходом к т.н. глубинному обучению (deep learning). Из-за этого в мире ощущается острая нехватка кадров, поскольку ежегодная потребность в специалистах по современному машинному обучению сильно обгоняет объемы их выпуска университетами мира. Рынок машинного обучения уже сейчас оценивается в 50 миллиардов долларов, а специалист по машинному обучению (data scientist) считается одной из наиболее востребованных и высокооплачиваемых профессий 21 века.

На нашей специализации мы научим вас машинному обучению и дадим все необходимые навыки для решения задач анализа данных. В программу входят общий курс по машинному обучению, курсы по прикладным задачам анализа данных (анализ текстов, компьютерное зрение, анализ временных рядов). Кроме того, в ней присутствуют курсы по современным методам построения сложных вероятностных моделей обработки данных, работе с большими данными, глубинному обучению. Лекции читают ведущие учёные в области машинного обучения и практикующие специалисты Яндекса.

Руководители специализации - 
Ветров Дмитрий Петрович
, к.ф.-м.н., профессор-исследователь департамента больших данных и информационного поиска ФКН НИУ ВШЭ, заведующий центром глубинного обучения и байесовских методов
Соколов Евгений Андреевич, заместитель руководителя департамента больших данных и информационного поиска ФКН НИУ ВШЭ, руководитель группы качества рекомендаций Яндекс.Дзен


Дисциплины специализации:
• Машинное обучение
• Прикладной статистический анализ данных
Машинное обучение для больших данных
Анализ неструктурированных данных
Компьютерное зрение
Байесовские методы в машинном обучении
Глубинное обучение
Смотрите также: страница специализациидепартамент больших данных и информационного поиска, специализация “Анализ интернет-данных” магистерской программы “Науки о данных”


Распределённые системы


Современные прикладные задачи анализа данных требуют быстро обработать крупные массивы информации. Для достижения этой цели необходимо уметь эффективно использовать растущие в количестве (а не в скорости) вычислительные мощности: основным драйвером развития индустрии в течение последней декады является параллелизация и распределение вычислительной нагрузки по множеству независимых процессоров и сопутствующий перенос тяжелых расчетов «в облако». Соответственно, также необходимо уметь анализировать и проектировать эффективные в новом вычислительном окружении алгоритмы обработки данных. В совокупности данные два тренда определяют переход от работы с одним компьютером к работе с распределенной системой компьютеров.

Целью специализации «Распределенные системы» является получение навыков анализа, проектирования и имплементации распределенных систем (distributed systems); изучение методов структурирования и обработки информации (data management). Ожидается, что выпускник специализации будет уметь и эффективно использовать существующие программные решения (SQL/NoSQL/NewSQL базы данных, распределенные базы данных, Hadoop-стек), так и уметь создавать новые программные решения для конкретных задач.

Руководитель специализации - 
Сухорослов Олег Викторович, кандидат технических наук, преподаватель ШАД, старший научный сотрудник Центра распределённых вычислений ИППИ РАН. Занимается разработкой распределённых вычислительных систем и их практическим использованием в различных сферах. Сейчас работает над облачной платформой Everest, позволяющей создавать вычислительные сервисы и автоматизировать проведение расчётов на распределённых ресурсах. 

Дисциплины специализации:
• Компьютерные сети
• Базы данных
• Распределённые системы
• Функциональное программирование
• Методы и системы обработки больших данных
• Параллельное и распределённое программирование
• Алгоритмы для иерархий памяти

Смотрите также: страница специализации

Теоретическая информатика

Теоретическая информатика - звучит немного странно, типа сухого плавания: компьютеры нужны, чтобы их применять, а не теоретизировать. Тем не менее это не так глупо, как кажется: разные идеи, встречающиеся в теоретической информатике, могут навести на вполне практическое решение, да и просто тренировка в придумывании и понимании сложных рассуждений -- вещь важная. Поэтому независимо от того, собираетесь ли вы стать высококвалифицированным программистом или учёным, приглашаем на нашу программу: мы постараемся предоставить вам качественные базовые теоретические курсы (теория информации, теория вычислений, логика, методы оптимизации) и возможность выбора среди любых курсов - теоретических, математических, прикладных - читаемых на ФКН и на матфаке.

Руководители специализации - 
Шень Александр Ханиевич, старший научный сотрудник LIRMM CNRS (Лаборатории Национального центра научных исследований Франции в Монпелье) и Института проблем передачи информации РАН
Подольский Владимир Владимирович, руководитель департамента больших данных и информационного поиска ФКН НИУ ВШЭ, старший научный сотрудник лаборатории теоретической информатики НИУ ВШЭ, старший научный сотрудник Математического института им. В.А. Стеклова

Дисциплины специализации:

• Теория вычислений
• Дополнительные главы теории алгоритмов
• Коды с исправлением ошибок
• Сложность вычислений и логика в теоретической информатике
• Методы теоретической информатики
• Теория информации

Смотрите также: страница специализациимеждународная лаборатория теоретической информатики



↑ вернуться