• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
16
Апрель

Подготовка к поступлению

1. Особенности обучения на программе «Машинное обучение и анализ данных»

Магистерская программа «Машинное обучение и анализ данных» рассчитана на то, что мы учим студентов практически с нуля, но делаем это в достаточно плотном темпе. При этом, несмотря на то, что в программе в первом же семестре предусмотрен блок адаптационных дисциплин (см. содержание программы), мы все же предполагаем, что основные, базовые курсы как в области математики (математический анализ, алгебра, дискретная математика, теория вероятностей), так и программирования (алгоритмы и структуры данных, языки программирования) студентам известны из бакалавриата. При этом мы понимаем, что у абитуриентов, поступающих к нам на программу, разный бэкграунд, разные бакалаврские программы, разное качество обучения. Поэтому как для поступления на программу, так и для последующего успешного обучения на ней мы настоятельно советуем заранее пройти предварительную подготовку, прослушав базовые бесплатные онлайн-курсы по всем основным дисциплинам, которые мы читаем на первом году обучения.

2. Математика

Мы очень советуем пройти следующие курсы, которые помогут как поступить на нашу программу, так и подготовиться к обучению на ней:

Курс «Ликбез по дискретной математике»

Читает А.В. Омельченко, доктор физико-математических наук, декан Санкт-Петербургской школы физико-математических и компьютерных наук. Этот курс представляет собой совершенно базовый набор фактов, которые категорически необходимо знать каждому, кто хочет поступить и успешно учиться на нашей программе.

Курс "Линейная алгебра"

Излагаемые в данном курсе факты совершенно необходимы любому абитуриенту, желающему поступить на программу. Он также является пререквизитом к курсу "Линейная алгебра в машинном обучении", читаемому в осеннем семестре на первом году обучения.

Курс «Введение в математический анализ»

Преподаватель – А.И. Храбров, кандидат физико-математических наук, доцент департамента информатики и ведущий эксперт Центра довузовских программ, проектов и организации приема в бакалавриат и магистратуру НИУ ВШЭ в Санкт-Петербурге. Данный курс содержит базовые понятия математического анализа, которые должен знать любой абитуриент, желающий поступить к нам на программу. Кроме того, он является важным пререквизитом к курсам "Численные методы", "Методы оптимизации" и др.

Курс "Теория вероятностей"

Данный курс от А.И. Храброва покрывает все необходимые сведения из теории вероятностей, которые нужно знать как для поступления на программу, так и для обучения на ней. Он является важнейшим пререквизитом к таким важным курсам, как "Математическая статистика", "Численные методы", "Машинное обучение". 

3. Программирование

Для всех, кто ранее не сталкивался с программированием, и даже для тех, кто уже программирует, мы настоятельно рекомендуем следующий великолепный курс на платформе Coursera по основам языка Python: 

«Основы программирования на Python»

Читает М.С.Густокашин, преподаватель факультета компьютерных наук НИУ ВШЭ. Этот курс является важным пререквизитом к курсу "Введение в Unix и скриптовые языки (Unix + Python)", читаемому в осеннем семестре на первом году обучения.

От этого же преподавателя, но уже на платформе Степик, мы рекомендуем курс

«Python для решения практических задач»

Этот курс позволит понять, как использовать теоретические знания о программировании на Python для решения некоторых задач, полезных для любого человека, желающего в дальнейшем заниматься машинным обучением.

Полезно также заранее установить у себя на компьютере операционную систему Linux для того, чтобы у Вас формировалась привычка к этой ОС.

4. Алгоритмы

После того, как Вы освоите хотя бы на элементарном уровне хотя бы один из базовых языков программирования (Python, C++), мы настоятельно рекомендуем Вам освоить хотя бы элементарные основы базового для любого программиста предмета «Алгоритмы и структуры данных»:

Курс «Алгоритмы: теория и практика. Методы»

Читает А.С.Куликов, Доктор физико-математических наук. Старший научный сотрудник Математического института Стеклова в Санкт-Петербурге (ПОМИ РАН), координатор и преподаватель Computer Science центра и Computer Science клуба при ПОМИ РАН.

Если будет время, можно прослушать продолжение этого курса:

Курс «Алгоритмы: теория и практика. Структуры данных»

Читает А.С.Куликов, Доктор физико-математических наук. Старший научный сотрудник Математического института Стеклова в Санкт-Петербурге (ПОМИ РАН), координатор и преподаватель Computer Science центра и Computer Science клуба при ПОМИ РАН.

5. Дополнительные ресурсы для подготовки.

Также мы рекомендуем следующие полезные сайты для обучения:

  • https://e-maxx.ru/ - Справочник по алгоритмам с готовыми реализациями.
  • https://informatics.mccme.ru/ - Дистанционная подготовка по информатике. Есть теория и возможность решать задачи.
  • https://codeforces.com/ - Регулярные соревнования и олимпиады, задачи.