Департамент прикладной математики МИЭМ им. А.Н. Тихонова НИУ ВШЭ

АБB
АБB
АБB

Обычная версия сайта

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:

Бакалавриат — ОП «Прикладная математика»
Магистратура:

«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
«Прикладные модели искусственного интеллекта» (с 2023 года), спроектированная совместно с ключевым партнёром — корпорацией ВК, которая глубоко вовлечена в учебный процесс и проектную деятельность
«Цифровая инженерия для компьютерных игр» (первый набор в 2025 году) с углублённым изучением игровых движков и процесса создания игр; партнёр программы — компания «Elverils»

ПОЛЕЗНЫЕ ССЫЛКИ

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

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Кто читает:: Департамент прикладной математики

Статус:: Курс обязательный

Когда читается:: 1-й курс, 2, 3 модуль

Преподаватели

Сиротинский Никита Вадимович

Фимина Ксения Игоревна

Якубов Вячеслав Юсупович

Дополнительные материалы в LMS Задать вопрос

Аннотация

Целями освоения дисциплины являются овладение студентами моделями и методами интеллектуального анализа данных, машинного и глубинного обучения в задачах обработки и анализа данных, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных. Изучаются основные модели (линейные, метрические, логические), подходы к их обучению и методы обработки данных.

Цель освоения дисциплины

Знакомство с основными методами машинного обучения в задачах классификации, кластеризации и регрессии.
Опыт построения классических статистических моделей и моделей машинного обучения с использованием математического аппарата и инструментов анализа данных

Планируемые результаты обучения

Освоение базовых понятий математической статистики
Изучение современных методов анализа данных с использованием машинного и глубинного обучения, ИИ.
Знакомство с Pandas, навык предобработки данных
Знакомство с основными понятиями и терминологиями анализа данных
Построение моделей классификации и регрессии на основе решающих деревьев и их комитетов
Знакомство с методами кластеризации, навык построения моделей кластеризации

Содержание учебной дисциплины

Описательный анализ данных. Корреляционный анализ.
Сравнительный анализ.
Дисперсионный анализ.
Введение в машинное обучение.
Решение задачи регрессии.
Решение задачи классификации.
Древовидные модели: деревья решений, случайный лес
Ансамбли моделей Бэггинг, бустинг, градиентный бустинг
Глубинное обучение.

Элементы контроля

Контрольная работ 2мод
Домашнее задание 2мод
Домашнее задание 3мод
Коллоквиум
Контрольная работа 3мод
Экзамен 3мод

Промежуточная аттестация

2025/2026 2nd module
0.4 * Домашнее задание 2мод + 0.6 * Контрольная работ 2мод
2025/2026 3rd module
0.3 * Экзамен 3мод + 0.1 * Домашнее задание 3мод + 0.4 * Коллоквиум + 0.2 * Контрольная работа 3мод

Список литературы

Авторы

Крепкер Виктор Алексеевич
Фимина Ксения Игоревна

Анализ данных и машинное обучение