Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
Адрес: 123458, Москва, Таллинская улица, 34 (м. "Строгино").
Телефон:
(495) 772-95-90 *11086
(915) 317-30-12
E-mail: avbelov@hse.ru
Департамент прикладной математики создан в 2015 году на базе факультета прикладной математики и кибернетики МИЭМ. За 50-летнюю историю факультета сложились признанные научные школы по ключевым направлениям развития прикладной математики и информатики. Преподаватели и сотрудники департамента участвуют в реализации образовательных программ "Прикладная математика" (бакалавриат) и "Компьютерная безопасность" (специалитет). На базе проводимых научных исследований в области разработки систем управления и обработки информации, а также современных методов математического и компьютерного моделирования ведущими учеными департамента реализуется магистерская программа "Системный анализ и математические технологии". В 2023 году состоится первый набор на магистерскую программу "Прикладные модели искусственного интеллекта", спроектированную совместно с ключевым партнером — корпорацией ВК, которая глубоко вовлечена в учебный процесс и проектную деятельность.
Под науч. редакцией: Е. А. Крук, С. А. Аксенов, К. Ю. Арутюнов и др.
М.: ООО "Издательский дом Медиа паблишер", 2024.
Journal of Molecular Liquids. 2024.
Краюшкин Д. В., Чеповский А. М.
В кн.: Инжиниринг предприятий и управление знаниями (ИП&УЗ-2024) : сборник научных трудов XXVII Российской научной конференции. 28–29 ноября 2024 г. / под науч. ред. Ю. Ф. Тельнова. – Москва : ФГБОУ ВО «РЭУ им. Г. В. Плеханова», 2024.. М.: ФГБОУ ВО "РЭУ им. Г.В. Плеханова", 2024.
quant-ph. arxiv/org. Cornell University, 2024. No. 2412.03470.
С 25 по 30 июля 2016 года состоялась четвертая Летняя школа по биоинформатике, которую организовал Институт биоинформатики совместно с Академическим Университетом Санкт-Петербурга.
В мероприятии приняло участие 100 студентов, которых поделили на два потока, в соответсвии с образовательной программой в их университетах : биологов и информатиков. В их числе были, как и только начинающие путь бакалавры, так и уже определившиеся со своей научной карьерой молодые аспиранты.
Программа школы была рассчитана на начальный уровень подготовки, но в то же время была насыщена лекциями, освещающие актуальные исследования и открытые проблемы биоинформатики. Благодаря лекторам - выдающимся ученым и исследователям в самых разных областях, начиная от иммунологии и заканчивая транскриптомикой, мне посчастливилось прочувсвовать научную среду и поработать в ней в рамках исследовательских проектов. Как мне кажется, это один из самых больших преимуществ школы - вовлечение более половины участников в работу над командными научными проектами под руководством менторов, тематика которых была самой разнообразной. Команда, в которой состоял я, работала над предсказыванием силы связывания пептидов c главным комплексом гистосовмести (major histocompatibility complex - MHC) имунной системы человека и других позвоночных. С увеличением объема экспериментльных данных о том, какие гены MHC и белки связываются, стало возможным обучать предсказательные модели для силы связывания. Другая команда, например, применяла методы машинного обучения для диагностики болезни Альцгеймера путем анализа антител в сыворотке крови.
Для понимания и постановки задачи крайне важным аспектом были командная работая и активное взаимодейсвие между биологами и информатиками в команде. Именно это позволило уже на второй день школы продвинуться в решении нашей задачи и подобрать биологически обоснованные признаки для регрессии на основе машины опорных векторов (Support Vector Regression). Наше итоговое решение использовало градиентный бустинг (Gradient Boosting Machine). Главным результатом было достижение результатов работы нашей линейной модели результатов передовых решений, которые используют нелинейные модели(нейронные сети), которые хуже интерпретируются.
Задачи, поставленные перед студентами в исследовательских проектах, зачастую, требовали больших вичислительных мощностей, которые были предоставлены Институтом биоинформатики в виде мощных кластеов.
Организаторами были приглашены ведущие биоинформатики и статистики из различных универститетов: Михаил Райко (University of California, San Diego), Никита Алексеев (George Washington University), Дмитрий Чудаков (Masaryk University ), Дмитрий Фишман (University of Tartu).
Лайко Рудольф
студент 3 курса образовательной программы "Прикладная математика"