• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
  • РУС
  • EN
vision Версия для слабовидящих
Расширенный поиск по сайту
Меню
Учебные курсы
ФКН
Высшая школа экономики
vision Версия для слабовидящих
Расширенный поиск по сайту
Департамент прикладной математики
Московский институт электроники и математики им. А.Н. Тихонова
Департамент прикладной математики
Контакты

Адрес: 123458, Москва, Таллинская улица, 34 (м. "Строгино").

Телефон:
(495) 772-95-90 *11086
(915) 317-30-12

E-mail: avbelov@hse.ru

Руководство
Белов Александр Владимирович
Воронцова Татьяна Дмитриевна
Заместитель руководителя – Воронцова Татьяна Дмитриевна
О департаменте

Департамент прикладной математики создан в 2015 году на базе Факультета прикладной математики и кибернетики МИЭМ, история которого насчитывает более полувека. За 50-летнюю историю факультета сложились признанные научные школы по ключевым направлениям развития прикладной математики и информатики. Сегодня департамент — это динамично развивающееся подразделение, которое сочетает фундаментальные традиции с самыми современными образовательными и исследовательскими трендами.

Департамент реализует широкий спектр образовательных программ, охватывающих все уровни подготовки:

  1. «Системный анализ и математические технологии», реализуемая ведущими учёными департамента на базе научных исследований в области разработки систем управления и обработки информации, а также современных методов математического и компьютерного моделирования
  2. «Прикладные модели искусственного интеллекта» (с 2023 года), спроектированная совместно с ключевым партнёром — корпорацией ВК, которая глубоко вовлечена в учебный процесс и проектную деятельность
  3. «Цифровая инженерия для компьютерных игр» (первый набор в 2025 году) с углублённым изучением игровых движков и процесса создания игр; партнёр программы — компания «Elverils»

 

 

Публикации
Книга
Математическое моделирование гидродинамических задач

Гайдуков Р. К.

СПб.: Лань, 2026.

Статья
On the construction of Barnes–Wall lattices and their application in cryptography

Kuninets A., Malygina E., Leevik A. G. et al.

Journal of Computer Virology and Hacking Techniques. 2026. No. 22.

Глава в книге
On the Electro-Hydrodynamical Boundary Value Problem for the Unit Cell of Cation-Exchange Membrane

Yulia O. Koroleva, Alexander V. Korolev.

In bk.: Proceedings of the 9th International School-Seminar on Nonlinear Analysis and Extremal Problems (NLA-2026). Irkutsk, Russia, June 22–26, 2026.. Irkutsk: ISDCT SB RAS, 2026. P. 132-133.

Препринт
New bound on S1× S2-setting Bell locality of a nonseparable Werner state

Loubenets E. R.

quant-ph. arxiv.org. Cornell University, 2026. No. 2607.18050.

Все публикации

Анализ данных и машинное обучение

2025/2026
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Кто читает:
Департамент прикладной математики
Статус:
Курс обязательный
Когда читается:
3-й курс, 1-3 модуль

Преподаватели

Каграманян Давид Геворгович

Каграманян Давид Геворгович

Попов Виктор Юрьевич

Попов Виктор Юрьевич

Программа дисциплины

Дополнительные материалы в LMSЗадать вопрос

Аннотация

Курс посвящён изучению основных методов машинного обучения. Рассматривается работа с данными и предварительный анализ данных. Изучаются библиотеки языка Python для работы с табличными данными и для визуализации, обсуждаются методы предобработки данных, подготовки категориальных и текстовых данных. Обучение с учителем. Изучаются линейные модели, решающие деревья, композиции моделей (случайный лес, градиентный бустинг и его имплементации), приложения в рекомендательных системах. Обучение без учителя. Изучаются методы кластеризации, визуализации, понижения размерности. Все темы сопровождаются практикой на реальных данных.
Цель освоения дисциплины

Цель освоения дисциплины

  • Ознакомление с фундаментальными понятиями и математическим аппаратом теории машинного обучения и анализа данных.
  • Изучение основных задач из области машинного обучения и методов их решения.
  • Формирование навыков эффективного применения изученных методов для решения задач профессиональной области.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать и уметь интерпретировать и понимать смысл основных математических понятий и объектов.
  • Уметь использовать основные библиотеки Python, полезныe для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas.
  • Знать и уметь применять статистические методы для анализа данных
  • Знать и уметь применять на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья, случайные леса, метод градиентного бустинга.
  • Уметь строить матричные разложения , понижать размерность данных, искать аномалии и визуализировать многомерные данные.
  • Знать основные типы прикладных задач анализа данных. Знать, понимать и уметь применять схемы их решения.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Инструменты анализа данных
  • Статистический анализ данных
  • Обучение на размеченных данных
  • Поиск структуры в данных
  • Прикладные задачи анализа данных
Элементы контроля

Элементы контроля

  • неблокирующий Работа на лекциях
  • неблокирующий Работа на лекциях
  • неблокирующий Работа на семинараз
  • неблокирующий Работа на семинарах
  • неблокирующий Работа на семинарах
  • неблокирующий Домашние задания
  • неблокирующий Домашние задания
  • неблокирующий Домашние задания
  • неблокирующий Контрольные работы
  • неблокирующий Контрольные работы
  • неблокирующий Контрольные работы
  • неблокирующий Проект
  • неблокирующий Письменный экзамен
  • неблокирующий Промежуточное оценивание по результатам работы в 1-2 модулях
Промежуточная аттестация

Промежуточная аттестация

  • 2025/2026 2nd module
    0.05 * Работа на семинарах + 0.2 * Контрольные работы + 0.1 * Домашние задания + 0.05 * Работа на лекциях + 0.2 * Контрольные работы + 0.1 * Домашние задания + 0.2 * Промежуточное оценивание по результатам работы в 1-2 модулях + 0.05 * Работа на семинарах + 0.05 * Работа на лекциях
  • 2025/2026 3rd module
    0.125 * Контрольные работы + 0.6 * Письменный экзамен + 0.15 * Проект + 0.075 * Домашние задания + 0.05 * Работа на семинараз
Список литературы

Список литературы

Рекомендуемая основная литература

  • Python. Исчерпывающее руководство. - 978-5-4461-1956-1 - Бизли Дэвид - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/products/386795 - 386795 - iBOOKS
  • Анализ данных : учебник для вузов / под редакцией В. С. Мхитаряна. — Москва : Издательство Юрайт, 2023. — 490 с. — (Высшее образование). — ISBN 978-5-534-00616-2. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/511020 (дата обращения: 04.07.2025).
  • Глубокое обучение на Python. 2-е межд. издание. - 978-5-4461-1909-7 - Шолле Франсуа - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/products/386793 - 386793 - iBOOKS
  • Интерпретируемое машинное обучение на Python: Пер. с англ. - 978-5-9775-1735-5 - Масис С. - 2023 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/products/389646 - 389646 - iBOOKS
  • Кремер, Н. Ш.  Линейная алгебра : учебник и практикум для вузов / Н. Ш. Кремер, М. Н. Фридман, И. М. Тришин ; под редакцией Н. Ш. Кремера. — 3-е изд., испр. и доп. — Москва : Издательство Юрайт, 2023. — 422 с. — (Высшее образование). — ISBN 978-5-534-08547-1. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/510867 (дата обращения: 04.07.2025).
  • Криволапов, С. Я., Математика на Python : учебник / С. Я. Криволапов, М. Б. Хрипунова. — Москва : КноРус, 2024. — 455 с. — ISBN 978-5-406-12069-9. — URL: https://book.ru/book/950432 (дата обращения: 09.12.2025). — Текст : электронный.
  • Маккинни, У. Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter : справочник / У. Маккинни , перевод с английского А. А. Слинкина. — 3-е изд. — Москва : ДМК Пресс, 2023. — 536 с. — ISBN 978-5-93700-174-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348086 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Математический анализ и дискретная математика : учебное пособие для вузов / Е. Г. Плотникова, С. В. Левко, В. В. Логинова, Г. М. Хакимова ; под общей редакцией Е. Г. Плотниковой. — 2-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2023. — 300 с. — (Высшее образование). — ISBN 978-5-534-07545-8. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/515514 (дата обращения: 04.07.2025).
  • Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 04.07.2025).
  • Чернышев, С. А., Алгоритмы и структуры данных на Python : учебное пособие / С. А. Чернышев. — Москва : КноРус, 2024. — 326 с. — ISBN 978-5-406-11683-8. — URL: https://book.ru/book/949701 (дата обращения: 04.07.2025). — Текст : электронный.
  • Шипачев, В. С. Математический анализ. Теория и практика : учебное пособие / В. С. Шипачев. — 3-е изд. — Москва : ИНФРА-М, 2023. — 351 с. — (Высшее образование). — DOI 10.12737/5267. - ISBN 978-5-16-010073-9. - Текст : электронный. - URL: https://znanium.com/catalog/product/1911211

Рекомендуемая дополнительная литература

  • Berk, R. A. (2008). Statistical Learning From a Regression Perspective. New York, NY: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=254950
  • Discrete Mathematics for Computer Science - CCBY4_028 - Mark A. Fitch - 2022 - Open Educational Resources: libretexts.org - https://ibooks.ru/products/390548 - 390548 - iBOOKS
  • Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
  • Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. – Springer, 2009. – 745 pp.
  • James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
  • Python без проблем: решаем реальные задачи и пишем полезный код. - 978-5-4461-1920-2 - Зингаро Даниэль - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/products/386794 - 386794 - iBOOKS
  • Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/products/376830 - 376830 - iBOOKS
  • Линейная алгебра в примерах и задачах - Бортаковский А.С., Пантелеев А.В. - НИЦ ИНФРА-М - 2023 - https://znanium.com/catalog/product/1907364 - 1455020 - ZNANIUM
  • Макаров, С. И., Высшая математика: математический анализ и линейная алгебра : учебное пособие / С. И. Макаров. — Москва : КноРус, 2023. — 320 с. — ISBN 978-5-406-11035-5. — URL: https://book.ru/book/947276 (дата обращения: 09.12.2025). — Текст : электронный.
  • Мэрфи, К. П. Вероятностное машинное обучение. Введение / К. П. Мэрфи , перевод с английского А. А. Слинкина. — Москва : ДМК Пресс, 2022. — 940 с. — ISBN 978-5-93700-119-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/314891 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Шагин, В. Л.  Математический анализ. Базовые понятия : учебное пособие для вузов / В. Л. Шагин, А. В. Соколов. — Москва : Издательство Юрайт, 2023. — 245 с. — (Высшее образование). — ISBN 978-5-534-00884-5. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/512337 (дата обращения: 04.07.2025).
  • Шень, А. Вероятность: примеры и задачи : учебное пособие / А. Шень. — 2-е изд., стер. — Москва : МЦНМО, 2008. — 64 с. — ISBN 978-5-94057-284-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/9442 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

  • Попов Виктор Юрьевич