• 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
22/10/1
22 бюджетных места
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
6/10
6 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
22/15/1
22 бюджетных места
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
Improvement of thermal resistance in InGaAs/GaAs/AlGaAs microdisk lasers bonded onto silicon

F I Zubov, E I Moiseev, A M Nadtochiy et al.

Semiconductor Science and Technology. 2022. Vol. 37. No. 7.

Глава в книге
A Novel Payoff Distribution Procedure for Sustainable Cooperation in an Extensive Game with Payoffs at All Nodes

Kuzyutin D., Smirnova N.

In bk.: Mathematical Optimization Theory and Operations Research, 21st International Conference, MOTOR 2022, Petrozavodsk, Russia, July 2–6, 2022, Proceedings. Vol. 13367. Springer, 2022. Ch. 20. P. 279-294.

Препринт
Fine-Tuning Transformers: Vocabulary Transfer

Samenko I., Tikhonov A., Kozlovskii B. et al.

arxiv.org. Computer Science. Cornell University, 2021

«Было бы здорово учиться там, где такие классные люди»

«Машинное обучение и анализ данных» – одна из самых популярных магистратур в Питерской Вышке. Почему выбирают эту программу, что самое интересное в обучении и советы абитуриентам этого года – все это в комментариях студентов и выпускников программы.

«Было бы здорово учиться там, где такие классные люди»

© unsplash.com

Фарид Багиров, выпускник 2021 года 

До поступления в магистратуру я учился в Академическом университете (АУ) на теоретического физика. Машинное обучение меня привлекло тем, что это – одно из самых развивающихся и популярных направлений науки в настоящее время. У него есть множество применений как в развлекательных, так и в полезных областях. Помимо этого, большинство методов обладают математической базой, которая дает большую уверенность в работе моделей. 

Я выбрал «Машинное обучение и анализ данных», так как знал и слышал от знакомых, что преподаватели на этой программе хорошо обучают, и я не пожалею о своем решении. Был, конечно, альтернативный вариант в Питерской Вышке – программа «Программирование и анализ данных», однако она не рассчитана на тех, кто хочет с плюс-минус нуля изучать машинное обучение.

Самым интересным во время обучения для меня была работа над проектами. Часто можно было выбрать любопытную задачу и увидеть, как работают разные методы, изученные ранее. Также самостоятельное исследование литературы и открытие новых методов в работе – достаточно увлекательный процесс. Что касается курсов, то хочется отметить практики в до-карантинное время. Многие из них, особенно занятия Михаила Слабодкина по алгоритмам, были очень полезны и интересны. 

В моих планах поступить в аспирантуру ВШЭ, продолжающую магистерскую программу. Также собираюсь работать в лаборатории JetBrains Research, где писал дипломную работу.

Абитуриентам я бы посоветовал не сомневаться. Если есть желание заниматься машинным обучением, то программы «Машинное обучение и анализ данных» и «Программирование и анализ данных» –  одни из лучших мест, в которых это можно делать.

Елизавета Вирко, выпускница 2021 года 

Когда я еще училась на программе «Прикладная математика и информатика» в СПбГУ, друзья мне рассказали, что в Питерской Вышке появляется новое направление, связанное с машинным обучением. Я тогда мало знала об этой области, но мне очень хотелось применить имеющиеся у меня знания математики и статистики на практике. Я просмотрела список курсов программы и поняла, что это именно то, что я искала.

Самой важной и полезной частью обучения я считаю курсовые и дипломные проекты. Нам предлагали довольно большой список проектных тем на выбор, всегда можно было найти интересное для себя. Кроме того, сам процесс отбора на проекты – собеседования – является довольно полезным. Моя курсовая и дипломная работы касались применения машинного обучения в биологии. В первом проекте я вместе с командой JetBrains Research определяла гены, поведение которых меняется под воздействием пластификатора BPA, а во втором занималась предсказанием побочных эффектов комбинаций лекарств. По результатам обоих проектов мы написали статьи, одна из которых сейчас подана на публикацию в биологический журнал, а вторая  – на конференцию по машинному обучению NeurIPS 2021.

До обучения на программе я знала о машинном обучении совсем немного, но сейчас оно определенно стало одним из наиболее интересующих меня направлений. Так что не бойтесь пробовать что-то новое. Даже если вы пока чего-то не знаете, не переживайте, ведь всегда можно научиться.

Виктория Фролова, студентка 1 курса

Я узнала о магистерской программе, ещё учась на третьем курсе «Экономики» в Питерской Вышке. О том, что открылась такая магистратура, мне рассказал друг с социологии, с которым мы вместе учились на майноре «Обработка и анализ данных», и которому эта программа тоже приглянулась. Я внимательно изучила информацию на сайте Вышки, поговорила с парой студентов, которые на ней учились, и несмотря на то, что она была тогда совсем новой, сразу поняла – это то место, куда я хотела бы поступить.

Главное, что зацепило меня так сильно, – это набор дисциплин. Он оказался очень прикладным и интересным. Мне кажется, для современного студента вообще важно понимать, что в университете его познакомят с тем стеком технологий, который будет актуален на рынке труда и позволит ему претендовать на высокооплачиваемые позиции. И это понимание возникло у меня сразу, когда я ознакомилась с учебным планом образовательной программы. Я вижу смысл в обучении здесь, и я осознаю, как мне пригодятся полученные знания в построении карьеры.

Еще одна особенность: программа подходит для ребят, желающих сменить профиль, а именно это я и собиралась сделать. Последним аргументом в пользу этой магистратуры было мое желание остаться в стенах НИУ ВШЭ и в самом Петербурге. Я люблю нашу Питерскую Вышку за неповторимую университетскую атмосферу, и так или иначе хотела бы продолжить развиваться в её стенах. 

Для студентов, которые как и я меняют профиль, важно осознавать, что даже успешная подготовка к вступительным испытаниям – письменному экзамену по математике и собеседованию по программированию  – совсем не гарант того, что им будет в дальнейшем легко здесь учиться. Нужно быть инициативным, например, предварительно ознакомиться с учебным планом и начать самостоятельно изучать фундаментальные дисциплины на Coursera или Stepik (как вариант, можно вспомнить математическую статистику или открыть для себя мир алгоритмов). Это решение дает студенту преимущество: ознакомившись с базовыми понятиями до поступления, у него остается больше времени в учебном году на то, чтобы изучить эти дисциплины более глубоко и вникнуть в более сложные концепции, которые понять без участия преподавателя и обсуждения в коллективе очень сложно. Когда почти все изучаемые дисциплины оказываются новыми для студента, приходится расставлять приоритеты и оптимизировать время, чтобы успеть всё. 

Могу уверенно сказать, если вы меняете профиль, то ваши занятия, как перед вступительными, так и перед началом учебного года,  должны быть регулярными: каждый день решайте хотя бы пару задачек по математике и программированию. Помимо Coursera и Stepik, можно обратить внимание на Problems.ru , Leetcode.com и литературу издательства МЦНМО.

Конечно, не стоит ждать, что исключительно учебных курсов будет достаточно, чтобы освоить совершенно новые дисциплины. Обучение – дорога через тернии, и всё же к звёздам, поэтому нужно настраиваться на регулярное обсуждение материала с однокурсниками, постоянные вопросы преподавателям, чтение дополнительной литературы и просмотр онлайн-курсов, чтобы учеба давала свои плоды.

Ярослав Соколов, студент 1 курса 

Машинным обучением я заинтересовался и стал его изучать, когда учился в бакалавриате на программе «Программная инженерия» в СПбГУ. В то же время я познакомился с ребятами из тогда еще АУ, которые постоянно занимали первые места на различных хакатонах. Примерно тогда и появилась мысль, что было бы здорово учиться там, где такие классные люди. Благодаря новым знакомствам и общению у меня сформировалось мнение: «Машинное обучение и анализ данных» — единственная программа в Питере, где могут преподавать машинное обучение глубоко и всеобъемлюще. И после года обучения в магистратуре мое мнение не изменилось.

В первом семестре было много классных вводных курсов, и я смог подтянуть фундаментальные знания, которых у меня не появилось за период самостоятельного изучения области. А во втором семестре почти каждый предмет основывался на семестровом проекте. 

Я бы посоветовал не надеяться, что в университете дадут абсолютно все необходимые знания. Надо участвовать в различных соревнованиях, проходить дополнительные онлайн-курсы, читать литературу, устраиваться на стажировки.