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

194100, Санкт-Петербург,
ул. Кантемировская д. 3, корп. 1, лит. А, каб.331
Тел. (812) 644-59-11 доб. 61578

Руководство
Заместитель декана по учебной работе Кузнецов Антон Михайлович
Заместитель декана по научной работе Жуков Алексей Евгеньевич
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
40/30/6
40 бюджетных мест
30 платных мест
6 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Прикладной анализ данных и искусственный интеллект

4 года
Очная форма обучения
20/30/1
20 бюджетных мест
30 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Физика

4 года
Очная форма обучения
20/5/1
20 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

UX-аналитика и проектирование информационных систем

2 года
Очная форма обучения
15/10/1
15 бюджетных мест
10 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Вычислительная биология и биоинформатика

2 года
Очная форма обучения
5/10
5 бюджетных мест
10 платных мест
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Машинное обучение и анализ данных

2 года
Очная форма обучения
15/15/1
15 бюджетных мест
15 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Программирование и анализ данных

2 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Физика

2 года
Очная форма обучения
15/5
15 бюджетных мест
5 платных мест
RUS
Обучение ведётся полностью на русском языке
Статья
Динамика приспособления в сетевой игре со стохастическими параметрами

Волкова О. Н., Вологина Д. -., Королев А. В.

Математическая теория игр и ее приложения. 2022. Т. 14. № 1. С. 21-48.

Глава в книге
Subgame Perfect Pareto Equilibria for Multicriteria Game with Chance Moves

Kuzyutin D., Smirnova N., Тантлевский (Tantlevskij) И. Р.

In bk.: Stability and Control Processes: Proceedings of the 4th International Conference Dedicated to the Memory of Professor Vladimir Zubov. Springer, 2022. P. 437-445.

Препринт
Do Data-based Curricula Work?

Сурков М. К., Мосин В. Д., Yamshchikov I. P.

arxiv.org. Computer Science. Cornell University, 2021

Два исследователя Питерской Вышки получили научную премию Яндекса

Олег Свидченко, магистрант второго года обучения программы «Программирование и анализ данных», стал лауреатом в номинации «Молодые исследователи». Заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург Алексей Шпильман одержал победу в номинации «Научные руководители».

Олег Свидченко, Алексей Шпильман и Дмитрий Иванов на вручении премии

Олег Свидченко, Алексей Шпильман и Дмитрий Иванов на вручении премии
© Из архива Алексея Шпильмана

24 мая 2021 года в Москве вручили третью научную премию Яндекса им. Ильи Сегаловича. Премия учреждена для поддержки молодых исследователей из России, Беларуси и Казахстана в области компьютерных наук. Она вручается за достижения в машинном обучении, компьютерном зрении, информационном поиске и анализе данных, обработке естественного языка и машинного перевода, а также распознавании и синтезе речи. Претендовать на награду могут студенты и аспиранты, а также номинированные ими научные руководители из государственных университетов и научно-исследовательских организаций.

В этом году премия была присуждена четырем молодым исследователям и двум научным руководителям. Среди них студент магистерской программы «Программирование и анализ данных» Олег Свидченко и заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург Алексей Шпильман

Олег Свидченко занимается исследованиями в области обучения с подкреплением. Магистрант работает старшим исследователем в одной из лабораторий JetBrains Research — попал на стажировку после третьего курса бакалавриата и так и остался. По словам Олега, науку он выбрал, потому что интересно ей заниматься. «Во-первых, это творческая работа. Во-вторых, она требует довольно больших умственных усилий».

Олег Свидченко,
Магистрант программы «Программирование и анализ данных»

Сейчас меня больше всего интересуют model-based подход и методы исследования среды в обучении с подкреплением. Я надеюсь, что исследования в данных направлениях помогут сделать обучение с подкреплением более применимым в реальных задачах, поскольку сейчас для применения алгоритмов требуется слишком много данных. 

В будущем планирую продолжать обучение в аспирантуре Питерской Вышки (уже даже есть в списках рекомендованных к зачислению по итогам первой волны), продолжая развиваться как исследователь, т.к. есть еще много навыков, которые мне еще нужно приобрести.

Алексей Шпильман также является исследователем JetBrains Research. Он возглавляет две лаборатории: Агентных систем и обучения с подкреплением, Прикладного машинного обучения и глубокого обучения. Основной научный интерес Алексея — прикладной искусственный интеллект.

Алексей Шпильман, заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург

У нас есть три основных направления исследований. Первое  — это обучение с подкреплением, ускорение обучения агентов. Второе — машинное обучение в биологии и медицине. Это новое для нас, но довольно активно развивающееся направление, которое мы двигаем вместе с Upsala University из Швеции. Сейчас исследуем, как нейронные сети могут работать с молекулами, геномами, изображениями с микроскопов.

Третье направление — мультимодальные данные и пространства представления. Нейронные сети оперируют в так называемом пространстве представлений — векторном пространстве, в котором каждый вектор представляет некий "смысл" исследуемого объекта. Что будет, если мы попробуем данные разного типа, например текст и картинки, поместить в одно пространство представлений?

Если говорить о практических применениях, то самым перспективным здесь, конечно, является направление, связанное с биологией и медициной. Тут и новые лекарства, и персонализированная медицина. Работа с мультимодальными данными может быть полезна в сложных системах, например, поиск изображений, аудиозаписей и т.д. по текстовому описанию. Обучение с подкреплением пока ждет своего часа, чтобы стать практически применимым в реальных задачах. И этот час мы стараемся приблизить.

Все лауреаты получили денежную премию в размере миллиона рублей и гранты на использование инструментов Яндекса для исследователей — краудсорсинговой платформы Толока и сервиса Yandex DataSphere. Также Яндекс оплатит молодым ученым поездку на международную конференцию по компьютерным наукам на их выбор.

Научная премия Яндекса им. Ильи Сегаловича вручается с 2019 года, и уже в третий раз молодые исследователи Питерской Вышки становятся ее лауреатами. В 2019 премию получила Александра Малышева, магистрантка Санкт-Петербургской школы физико-математических и компьютерных наук. В прошлом году — аспирант и и младший научный сотрудник Международной лаборатории теории игр и принятия решений Дмитрий Иванов.

Алексей Шпильман, заведующий Центром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург

Заниматься наукой — очень здорово и интересно, но молодым исследователям надо дать эту возможность. Я могу выделить два основных препятствия: финансовое и культурное. 

Первое мы преодолеваем как за счет индустриальных партнеров, так и за счет программ поддержки НИУ ВШЭ. Среди партнеров можно выделить компанию JetBrains, в исследовательском подразделении которой и работали все три лауреата. Там они получают достойную зарплату, чтобы соблазн уйти в индустрию был не так высок. У Вышки также есть очень хорошая система академических надбавок.

Второе препятствие — культурное. Придумать идею, написать код и получить результат — это половина научного труда. Дальше нужно уложить результат в текущий мировой контекст, грамотно описать его и опубликовать в серьезном издании. Тут и языковой барьер нужно преодолеть, и определенный навык и стиль выработать. Наша группа довольно долго преодолевала и, скорее всего, еще не в полной мере преодолела этот барьер, в том числе привлекая западных коллег и перенимая у них опыт.