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

Школа «Науки о данных» (Факультет компьютерных наук НИУ ВШЭ)

Внимание! Особые требования для участия в школе:

  • Знание Python или R (минимальный уровень - начальный); 
  • Необходимо иметь с собой ноутбук;

Треки школы:

Основы методов майнинга данных

Позволит овладеть математическими основами важнейшей области майнинга данных (Data mining) - построения таксономий и онтологий классов объектов, импликаций, ассоциативных правил и зависимостей других типов для данных различный. В процессе работы слушатели познакомятся с навыками автоматического построения иерархической модели предметной области, находить зависимости в данных, а также анализировать алгоритмическую сложность такого рода задач и строить эффективные алгоритмы порождения иерархий классов объектов и систем зависимостей на множествах признаков объектов.

Проектирование человеко-машинных интерфейсов

Позволит овладеть знаниями и навыками, необходимыми для грамотной оценки и пользователе-ориентированного проектирования интерфейсов информационных систем.  Будут изучаться механизмы человеческого восприятия и переработки информации, базовые характеристики и ограничения человека-пользователя, а также основные концепции и модели современных человеко-машинных интерфейсов, промышленные и корпоративные стандарты, методы решения стандартных задач проектирования и оценки качества человеко-машинных интерфейсов. Основной объект изучения - современные интерфейсы пользователя для персональных компьютеров (включая мобильные устройства). Особое внимание будет уделяться проектированию графических интерфейсов, в том числе для сети Интернет.

Рекомендательные системы

В процессе работы будут объяснены  алгоритмы и модели рекомендательных систем. Специально будет  рассматриваться таксономия рекомендательных систем и основные области их применения, в том числе, по таким отраслям, как музыка, фильмы, книги, путешествия, образование и т.п., а также по характеру моделей - контентные, коллаборативные, гибридные, учитывающие контекст, многокритериальные и т.д. Будут приведены примеры реальных рекомендательных систем в России и на мировой арене. Особое внимание планируется уделить межпредметной связи с машинным обучением, майнингом данных и информационном поиском, а также ряду практических аспектов.  В частности, ответу на вопрос «Как построить свою рекомендательную систему?»

Биоинформатика

Благодаря революции в высоко-поточных технологиях секвенирования биоинформатика стала наукой о больших данных геномики. К большим данным молекулярной биологии применяются общие алгоритмы и методы наук о данных, среди которых методы машинного обучения демонстрируют хорошую эффективность. Планируется знакомство слушателей с типами больших данных геномики, а также примерами  применения к ним алгоритмов и методов Наук о Данных. Работа начнется с лекции “Вся молекулярная биология  для компьютерщиков за полтора часа”, за которой последуют  практическое занятие о том, где найти геномы и геномные аннотации.  В дальнейшем участники школы построят модели машинного  обучения, предсказывающие функциональные элементы генома.

Трек «Биоинформатика» не предполагает знания  молекулярной биологии.
Сайт Факультета компьютерных наук НИУ ВШЭ