• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Адрес: 123458, Москва, ул. Таллинская, д.34
Телефон: 8(495)916-88-29
Факс: 8(495)916-88-29
Эл. почта: miem@hse.ru

     
Руководство

и.о. директора, научный руководитель Крук Евгений Аврамович

Заместитель директора Абрамешин Андрей Евгеньевич

Заместитель директора Романов Виктор Владимирович

Заместитель директора Костинский Александр Юльевич

Заместитель директора Прохорова Вероника Борисовна

Заместитель директора по учебной работе Тумковский Сергей Ростиславович

Заместитель директора по научной работе Аксенов Сергей Алексеевич

Образовательные программы
Бакалаврская программа

Инфокоммуникационные технологии и системы связи

4 года
Очная форма обучения
50/10/5
50 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Информатика и вычислительная техника

4 года
Очная форма обучения
100/40/15
100 бюджетных мест
40 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Информационная безопасность

4 года
Очная форма обучения
30/20
30 бюджетных мест
20 платных мест
RUS
Обучение ведётся на русском языке
Программа специалитета

Компьютерная безопасность

5,5 лет
Очная форма обучения
30/45/1
30 бюджетных мест
45 платных мест
1 платное место для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Прикладная математика

4 года
Очная форма обучения
80/40/6
80 бюджетных мест
40 платных мест
6 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Инжиниринг в электронике

2 года
Очная форма обучения
30/5/2
30 бюджетных мест
5 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Интернет вещей и киберфизические системы

2 года
Очная форма обучения
20/5/2
20 бюджетных мест
5 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Компьютерные системы и сети

2 года
Очная форма обучения
50/15/2
50 бюджетных мест
15 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Математические методы моделирования и компьютерные технологии

2 года
Очная форма обучения
20/5/3
20 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Материалы. Приборы. Нанотехнологии

2 года
Очная форма обучения
20/10/2
20 бюджетных мест
10 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Системы управления и обработки информации в инженерии

2 года
Очная форма обучения
25/5/2
25 бюджетных мест
5 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Суперкомпьютерное моделирование в науке и инженерии

2 года
Очная форма обучения
20/5/4
20 бюджетных мест
5 платных мест
4 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках

Многомерные тензорные разложения

7 февраля в рамках научного семинара МИЭМ НИУ ВШЭ «Суперкомпьютерное моделирование в науке и инженерии или Вычислительные среды», организованного базовой кафедрой Прикладных информационно-коммуникационных средств и систем ВЦ РАН департамента прикладной математики МИЭМ НИУ ВШЭ, выступил Вениамин Блинов (разработчик Яндекс, м.н.с. НЦЧ РАН, к.ф.-м.н) с докладом «Многомерные тензорные разложения: введение и основные приложения». 

В докладе рассматривается обобщение многомерной матрицы как массив с тремя и более индексами. Например, обычные фотографии содержат несколько каналов цвета, что делает их 3-тензорами, цветные видеоролики - это 4-тензоры, и так далее. Различные тензорные разложения (например, каноническое или разложение Такера) применяются для задач сжатия, классификации и распознавания. 

Как соотносятся нейронные сети с тензорными разложениями? Оказывается, что можно применять тензорные разложения для оптимизации нейронных сетей по следующей схеме: глубокая нейронная сеть преобразуется в так называемую тензорную сеть, затем происходит понижение ранка тензорной сети, а затем конструируется нейронная сеть со свойствами, близкими к начальным, но которая требует меньшего числа операций как при обучении, так и функционировании. Известен пример специальной сети, сконструированной с помощью такого подхода израильскими исследователями под руководством профессора Коэна. 

В машинном обучении много эвристических подходов, которые хорошо работают в одних задачах и совсем не работают в других. Благодаря тому, что для тензоров разработан богатый математический аппарат, применение их в машинном обучении может давать более предсказуемые результаты. Доклад вызвал большой интерес аудитории, так как в дальнейшем может способствовать развитию научных исследований в данной области.