• 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
Заместитель декана по административной работе Мухин Михаил Сергеевич
Образовательные программы
Бакалаврская программа

Анализ данных в финансах

4 года
Очная форма обучения
20/1
20 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
60/40
60 бюджетных мест
40 платных мест
RUS/ENG
Обучение ведётся на русском и английском языках
Бакалаврская программа

Физика

4 года
Очная форма обучения
20/5/1
20 мест за счет средств ВШЭ
5 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Вычислительная биология и биоинформатика

2 года
Очная форма обучения
15/1
15 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Информационные системы и взаимодействие человек-компьютер

2 года
Очная форма обучения
15/5/1
15 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Машинное обучение и анализ данных

2 года
Очная форма обучения
15/10/2
15 бюджетных мест
10 платных мест
2 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Программирование и анализ данных

2 года
Очная форма обучения
17/5
17 бюджетных мест
5 платных мест
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Физика

2 года
Очная форма обучения
15/5/1
15 мест за счет средств ВШЭ
5 платных мест
1 платное место для иностранцев
RUS
Обучение ведётся на русском языке
Книга
PostgreSQL Query Optimization The Ultimate Guide to Building Efficient Queries

Dombrovskaya H., Boris Novikov, Bailliekova A.

Berkeley: Apress, 2021.

Статья
Study of irregular dynamics in an economic model: attractor localization and Lyapunov exponents

Alexeeva T., Kuznetsov N. V., Mokaev T. N.

Chaos, Solitons and Fractals. 2021. No. 152.

Глава в книге
Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World

Laurent F., Schneider M., Scheller C. et al.

In bk.: Proceedings of Machine Learning Research. Vol. 133: Proceedings of the NeurIPS 2020: Competition and Demonstration Track. PMLR, 2021. P. 275-301.

Препринт
Clustering of check-in sequences using the mixture Markov chain process

Shmileva E., Саржан В. А.

math. arxive. 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.