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

Магистерская программа «Науки о данных»

Анализ Интернет-данных

Как попасть на «Анализ Интернет-данных»
Базовый учебный план

Список рекомендуемой литературы

Сотрудничество Высшей школы экономики и компании «Яндекс» началось в 2008 году. В 2011 году на отделении прикладной математики и информатики НИУ ВШЭ была открыта базовая кафедра Яндекса. В 2014 году отделение прикладной математики и информатики и базовая кафедра вошли в состав факультета компьютерных наук НИУ ВШЭ. Кафедра готовит востребованных в IT-индустрии специалистов в области анализа данных и извлечения информации из интернета.

В рамках магистерской программы «Науки о данных» открыта специализация «Анализ Интернет-данных», концепция и базовый учебный план которой разработаны совместно со специалистами компании Яндекс. Подготовка студентов в рамках данной специализации будет проходить с участием преподавателей из Школы анализа данных.

На специализации изучаются не только автоматическое индексирование и поиск информации, но и современные методы работы со сложными данными, а также агрегирование данных, их автоматическую классификацию, извлечение информативных факторов, теорию принятия решений и другие интеллектуальные модели и методы. Кроме того, студенты кафедры получают и фундаментальные математические знания, учатся классическим и современным методам и приёмам программирования.

 

Про треки

С 2018 года внутри специализации «Анализ Интернет-данных» действует два трека: базовый и продвинутый. 

Базовый трек подходит тем, кто только начинает свой путь в Data Science. Внутри трека существуют два направления:

  • Машинное обучение и анализ данных, включает решение задач по сбору и анализу данных и создание высокотехнологичных сервисов и приложений на основе машинного обучения;
  • Инфраструктура больших данных, связана с разработкой систем хранения и обработки больших данных, предполагает изучение продвинутого С++, АКОС, баз данных и т.д.

Продвинутый трек подходит тем, кто уже многое прошёл и хорошо знаком с программой курсов ШАД, а возможно, и является его выпускником. Продвинутый трек предназначен для тех, кто уже неплохо программирует, довольно уверенно разбирается в машинном обучении. Внутри продвинутого трека существует научный трек. Он был создан специально для тех, кто планирует заниматься наукой. Данный трек даёт возможность пройти стажировку в Yandex Research и написать диплом под руководством исследователей из Яндекса.

Про поступление

Проходить отбор на специализацию «Анализ интернет-данных» может любой студент магистерской программы «Науки о данных». Обучение на специализации проходит по совместной программе со Школой анализа данных Яндекса. Поступившие на магистерскую программу распределяются по специализациям в конце августа - начале сентября.

Если вы уже поступили в ШАД, то вам предстоит лишь мотивационное собеседование. Если же вы не поступали или не поступили в ШАД, то сперва вас ждёт онлайн-тестирование; те, кто успешно справятся с ним, будут проходить техническое и мотивационное собеседования.

Желающие обучаться на базовом треке специализации "Анализ интернет-данных", в случае, если они ранее поступили в Школу анализа данных, зачисляются на специализацию в приоритетном порядке. С остальными желающими обучаться на данной специализации сотрудники кафедры проводят собеседование и зачисляют по его результатам. Подробнее о поступлении в ШАД смотрите здесь.

Для поступления на продвинутый трек нужно будет пройти онлайн-тестирование и - при условии его успешного прохождения - собеседование по алгоритмам, машинному обучению, основам теории вероятности, статистики и оптимизации. 

NEW!  Программа подготовки к поступлению на продвинутый трек АИД

Отметим, что поступление в ШАД не является основанием для автоматического зачисления на магистерскую программу. 

 


 Учебный план

 Учебный план специализации АИД (базовый и продвинутый треки).pdf
Описание дисциплин и программы к ним доступны в разделе аннотаций.

Список рекомендуемой литературы

•  Кормен Т.Х., Лейзерсон Ч.И., Ривест Р.Л., Штайн К. Алгоритмы: построение и анализ, 3-е издание, Издательский дом "Вильямс", 2005

•  Ахо А.В., Хопкрофт Д.Э., Ульман Д.Д. Структуры данных и алгоритмы, Издательский дом "Вильямс", 2000

•  Хопкрофт Д.Э., Мотвани  Р., Ульман Д.Д. Введение в теорию автоматов, языков и вычислений, 2-е издание, Издательский дом "Вильямс", 2002

•  Бабенко М.А., Левин М.Л. Введение в теорию алгоритмов и структур данных, М.: МЦНМО, 2012

•  Manning D.C., Schütze H. Foundations of Statistical Natural Language Processing, The MIT press, 2000

•  Гасфилд Д. Строки, деревья и последовательности в алгоритмах,  БХВ-Петербург, 2003