• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
19
Июль

Преподаватели

Ахтямов Павел

Образование: бакалавриат кафедры Анализа Данных МФТИ (2017), магистратура кафедры Алгоритмов и Технологии Программирования МФТИ (2019)

Профессиональная деятельность: ML инженер в МФТИ; ML разработчик в PhotoLab;
Преподает на многих кафедрах в МФТИ. Курсы: технологии программирования (соавтор), формальные языки и трансляции (семинары), компиляторы (автор, лектор), параллельные и распределенные вычисления (семинарист, лектор), основы комбинаторики и теории чисел (семинарист), нейронные сети (лектор, семинарист), промышленное программирование, devops, тестирование, CUDA (лектор, семинарист). машинное обучение (лектор, семинарист).

Читает курсы: Математика для анализа данных, Введение в промышленную разработку.
Горохова Наталья Владимировна

Образование - механико-математический факультет МГУ им. М.В. Ломоносова, к.ф.-м.н. по специальности МЖГ. Является научным сотрудником НИИ механики МГУ имени М.В. Ломоносова. Доцент на факультете фундаментальных наук МГТУ им. Баумана (ведёт семинары по математическому анализу, аналитической геометрии и линейной алгебре).

Ведет адаптационный курс по математике.
директор центра студенческих олимпиад факультета компьютерных наук, тренер команд НИУ ВШЭ по подготовке к студенческим соревнованиям по программированию, председатель методической комиссии Московской олимпиады школьников по информатике, олимпиады «Высшая проба» по информатике, член жюри олимпиад школьников по информатике и программированию.

Читает курс “Программирование на языке Python”
старший преподаватель факультета компьютерных наук НИУ ВШЭ, руководитель группы базового качества ранжирования в Яндекс.Дзен

Читает курс: “Обработка и анализ больших массивов данных”
Космачев Алексей Дмитриевич

преподаватель факультета компьютерных наук НИУ ВШЭ, Software & Infrastructure Architect в компании Neatsy Inc.

Читает курс “Обработка и анализ больших массивов данных”
Марков Александр

Образование: ФИВТ МФТИ, Школа анализа данных (ШАД) Яндекса. Профессиональная деятельность: исследовательская группа Байесовских методов, ранее – data scientist в Яндекс и Тинькофф. Опыт преподавания: ведёт курсы по машинному обучению и глубинному обучению, теории вероятностей и статистике в МФТИ.

Читает курс по Python
Михайлов Никита

Образование - бакалавриат Физтех-школы Прикладной Математики и Информатики. Разработчик в Яндексе. Преподает Теорию и Практику Многопоточной Синхронизации на втором курсе Физтеха.

Читает курс по C++
стажер-исследователь института когнитивных нейронаук в центр биоэлектрических интерфейсов, Разработчик отдела нового рантайма и больших данных в Яндекс

Читает курс: “Глубинное обучение”
к.ф.-м.н., доцент, руководитель Департамента больших данных и информационного поиска ФКН НИУ ВШЭ, старший научный сотрудник Международной лаборатории теоретической информатики ФКН НИУ ВШЭ, академический руководитель образовательной программы “Магистр по наукам о данных” ФКН НИУ ВШЭ, старший научный сотрудник Математического института им. В.А. Стеклова

Читает курс “Математика для анализа данных”
Полянский Максим

Образование - бакалавриат Физтех-школы Прикладной Математики и Информатики. Работает разработчиком в Яндексе.

Читает курс по C++
Славина Нина Сергеевна

Образование - механико-математический факультет МГУ им. М.В. Ломоносова, к.ф.-м.н. Основное место работы механико-математический факультет МГУ-преподаватель.

Ведет адаптационный курс по математике.
академический руководитель образовательной программы “Прикладная математика и информатика” ФКН НИУ ВШЭ, научный руководитель центра непрерывного образования ФКН НИУ ВШЭ.

Читает курс “Машинное обучение”
преподаватель факультета компьютерных наук НИУ ВШЭ, до 2018 года работал аналитиком в Сбербанке, с 2018 года - в Яндекс.Дзен.

Читает курсы: “Разведочный анализ данных”, “Основы математической статистики”, “Продвинутые методы математической статистики”
преподаватель факультета компьютерных наук НИУ ВШЭ, работает в бизнес-юните Яндекс Беспилотные Технологии, группа распознавания динамических объектов