Иван Аржанцев, профессор, декан факультета компьютерных наук НИУ ВШЭ

– Ваш факультет совсем недавно создан…

– Факультет компьютерных наук Высшей школы экономики создан в марте 2014 года. Но направления, связанные с информатикой, прикладной математикой и программной инженерией, развиваются в НИУ ВШЭ с 2006 года, поэтому у нас есть не только студенты младших курсов, но и старшекурсники, и даже выпускники.

В качестве соорганизатора факультета выступила компания «Яндекс». Специалисты компании и преподаватели Школы анализа данных Яндекса принимают активное участие в разработке и реализации бакалаврской программы «Прикладная математика и информатика», ведут специализацию «Анализ интернет-данных» на магистерской программе «Науки о данных», организуют проектную работу, стажировки и практики, руководят работами студентов и аспирантов.

За прошедшее время факультет заметно вырос – в дополнение к существовавшим ранее магистерским программам «Науки о данных» и «Системная и программная инженерия» были открыты программы «Математические методы оптимизации и стохастики» и «Анализ данных в биологии и медицине», в 2017-м состоится первый набор на программы «Системное программирование» и «Статистическая теория обучения».

Сформирована аспирантская школа по компьютерным наукам.

Научных лабораторий факультета стало теперь четыре, заметно расширился спектр научных исследований.

В последний год мы успешно реализуем программы повышения квалификации по анализу данных, машинному обучению и программированию.

– Каких специалистов готовит факультет и какие направления развивает?

– Программа «Прикладная математика и информатика» готовит исследователей, инженеров-исследователей и инженеров-разработчиков в области теоретической и прикладной информатики (Computer Science). На первом-втором курсах студенты изучают Python,

С++, алгоритмы и получают сильную математическую подготовку. На третьем курсе происходит распределение по специализациям, среди которых «Анализ данных и интеллектуальные системы», «Анализ и принятие решений», «Машинное обучение и приложения», «Теоретическая информатика», «Распределенные системы».

Программа «Программная инженерия» направлена на подготовку ведущих технических специалистов, квалифицированных разработчиков и архитекторов программного обеспечения, менеджеров по качеству программного обеспечения и процессам его разработки. Студенты специализируются в таких областях, как системное программирование, процессно-ориентированные информационные системы, нейросетевые технологии, облачные вычисления, разработка мобильных приложений и многое другое.

На факультете сформировались сильные научные коллективы по таким направлениям, как анализ данных и машинное обучение, дискретная и выпуклая оптимизация, программная инженерия, системное программирование, информационный поиск, теоретическая информатика, анализ процессов, биоинформатика и компьютерная лингвистика.

– Кто приходит к вам учиться?

– С момента создания факультет пользуется повышенным вниманием со стороны сильных абитуриентов.

У нас 180 бюджетных мест в бакалавриате и 100 бюджетных мест в магистратуре. Значительную часть бюджетных мест в бакалавриате занимают победители и призеры заключительного этапа Всероссийской олимпиады школьников по информатике, математике и физике, а также победители других предметных олимпиад высокого уровня, обладающие правом поступления без вступительных испытаний.

Для того чтобы сохранить возможность поступления по результатам ЕГЭ, Вышка предлагает абитуриентам дополнительные места, которые финансирует университет.

Растет число студентов, поступивших на места с оплатой обучения, значительная часть коммерческих студентов пользуется скидками и образовательным кредитом. Рост числа коммерческих студентов показывает, что ребята и их родители рассматривают качественное образование как серьезную инвестицию в будущее.

– Партнеры факультета содействуют трудоустройству выпускников?

– В число партнеров факультета компьютерных наук входят ведущие академические институты: Институт проблем передачи информации (ИППИ РАН) имени А.А.Харкевича, Институт системного программирования (ИСП РАН), Федеральный исследовательский центр «Информатика и управление» РАН и большое число индустриальных партнеров, среди которых отметим «Яндекс» как соорганизатора факультета, компании IBM, Microsoft, Sumsung, Сбербанк, SAS, SAP, JetBrains, Acronis, Paralles, Croc и ряд других.

Компьютерные науки и информационные технологии развиваются стремительно, и для образовательных программ нашего направления особенно важен регулярный контакт с исследовательскими центрами и практиками из компаний.

Компьютерные науки и информационные технологии развиваются стремительно, и для образовательных программ нашего направления особенно важен регулярный контакт с исследовательскими центрами и практиками из компаний-лидеров ИТ-отрасли

Партнеры факультета участвуют в разработке образовательных программ, проведении занятий и организации проектной работы студентов, читают оригинальные факультативы и проводят мастер-классы, предлагают летние стажировки и практики, вовлекают студентов в крупные прикладные проекты и содействуют трудоустройству выпускников.

На факультете регулярно проводятся разнообразные мероприятия, среди выступающих – специалисты из Facebook, Google, Opera и других лидеров ИТ-отрасли. Они помогают студентам быть в курсе последних достижений и трендов и осознанно спланировать свою будущую карьерную траекторию.

– ВШЭ – в рейтинге лучших вузов. Ваши сильные стороны?

– Созданная в ноябре 1992 года как образовательный центр в области экономики, за короткое время Высшая школа экономики сумела стать многопрофильным Национальным исследовательским университетом, войти в число университетов-лидеров в России и добиться впечатляющих результатов в области международного сотрудничества.

Помимо успехов в области социально-экономических и гуманитарных наук, Вышка по праву гордится достижениями других факультетов, таких как факультет математики и инженерных направлений, в настоящий момент у нас формируется факультет физики.

Учебный процесс в Высшей школе экономики имеет ряд важных отличий от других российских университетов – это модульная система обучение, регулярное обновление учебных планов, особый акцент на проектной и самостоятельной работе, усиленное изучение английского языка, привлечение иностранных специалистов, работа учебных ассистентов, возможность получить вторую специальность в рамках системы «майноров», постоянный анализ обратной связи со студентами, разнообразная внеучебная жизнь.

Эти факторы создают отличную основу для развития факультета компьютерных наук в молодом, активно развивающемся университете.

Справка

Высшая школа экономики – исследовательский университет, осуществляющий свою миссию через научно-образовательную, проектную, экспертно-аналитическую и социокультурную деятельности на основе международных научных и организационных стандартов (https://www.hse.ru).

Сегодня Высшая школа экономики – это:

• 4 кампуса (Москва, Санкт-Петербург, Нижний Новгород, Пермь);
• 3 500 преподавателей;
• 29 400 студентов;
• 57 500 выпусников.

Компьютерные науки и информационные технологии развиваются стремительно, и для образовательных программ нашего направления особенно важен регулярный контакт с исследовательскими центрами и практиками из компаний-лидеров ИТ-отрасли

---

Дмитрий Игнатов: «Сейчас есть потребность в квалифицированных кадрах, сочетающих точность и глубину математического подхода с навыками уверенного обращения с инструментами машинного обучения и анализа данных»

Дмитрий Игнатов, доцент департамента анализа данных и искусственного интеллекта, научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа

– Кто такие специалисты по машинному обучению и как их навыки применяются на практике?

– Лет 10-15 назад специалисты по машинному обучению в России были почти неприметны на фоне прочих ветвей компьютерных наук и были представлены в основном учеными, но сейчас на рынке труда возник больший спрос на их услуги. Причем требуются люди, умеющие решать средствами машинного обучения сложные задачи, связанные с распознаванием образов, анализом текстов, предсказанием поведения пользователей, поиском закономерностей в данных.

Если раньше на страницах классических учебников по машинному обучению авторы говорили об алгоритмах, которые способны учиться решать некоторую задачу (например, задачу медицинской диагностики – болен/здоров пациент или выдачи кредита – надежный заемщик или нет) все лучше и лучше по мере накопления опыта (обучающих примеров), то сейчас все чаще речь идет о поиске закономерностей в (больших массивах) данных. Естественно, эти найденные в ходе обучения закономерности (часто неизвестные ранее или недоступные для непосредственного анализа человеку) и помогают решать задачи машинного обучения: кластеризации (например, поиск похожих клиентов для анализа рынков), классификации (например, медицинская диагностика), ранжирования (например, упорядочение веб-страниц по релевантности), регрессии (предсказание числовой величины по некоторым признакам, например, зарплаты на рынке труда на основе стажа, пола и возраста соискателя), поиска закономерностей в виде правил (этому клиенту выдать кредит потому-то и потому-то) и т.п.

Так как машинное обучение – это наука, то у нее есть своя теоретическая база, свой язык, математическое описание задач, свои методы, алгоритмы, тесно связанные с компьютерными науками, теорией оптимизации, математической статистикой, дискретной математикой.

Но надо учесть, что наука эта в последнее время все чаще используется инженерами, которым больше свойственен подход проб и ошибок при анализе данных для решения какой-то задачи. Данные нужно уметь получить, предобработать, подобрать подходящую задачу из пула задач машинного обучения, а затем начинаются эксперименты с настройкой (обучением) параметров множества алгоритмов в надежде получить ошибку решения на тестовых данных, как можно меньшую. Ведь инженер не может ждать, пока теоретик доберется до его задачи и предложит оптимальный метод, поэтому нарасхват «универсальные солдаты», т.е. те, кто может и с большими данными работать, и парсеры писать, прочесть за ночь передовую статью, а днем уже программировать и даже добавлять что-то свое к методам, описанным в ней, проводить эксперименты…

Если говорить об инструментах, то тут многое зависит от задач, да и дело это часто вкусовое, но, как правило, инструменты открытые: кому-то нравится язык Python и библиотека scikit-learn, а кому-то R и MLR, кто-то работает с Apache Spark и MLlib, а кто-то фанат глубинного (глубокого) обучения…

– Как студенты подключаются к работе в данной области во время учебы?

– Для того чтобы студенты могли не только слушать лекции и программировать в рамках практикумов, но и решать реальные задачи, на нашем факультете есть ряд лабораторий, например лаборатория по анализу больших данных (LAMDBA), в которой, в частности, методами машинного обучения решаются задачи, связанные с описанием поведения элементарных частиц в Большом андронном коллайдере. Она называется Международной научно-учебной лабораторией интеллектуальных систем и структурного анализа.

Для того чтобы студенты могли не только слушать лекции и программировать в рамках практикумов, но и решать реальные задачи, на нашем факультете есть ряд лабораторий

Среди задач, решаемых нами методами машинного обучения, можно назвать и медицинскую диагностику лейкемии у детей (совместно со специалистами из научно-клинического центра детской гематологии, онкологии и иммунологии имени Д. Рогачева), анализ текстовых данных, которые еще нужно постараться превратить в пригодные для машинного обучения структуры данных, рекомендательные системы (совместно со специалистами из Имхонет), поиск закономерностей в данных на основе формальных понятий, частых множеств признаков и ассоциативных правил, а также анализ последовательностей, например, в демографии и много-много чего еще.

Ко всем этим задачам студенты и аспиранты могут подключиться как стажеры-исследователи под руководством более опытных старших коллег с научной степенью. Студенты могут также работать в совместных проектах с компаниями в рамках проектно-учебных групп, а могут решать какую-нибудь научную задачу в рамках научно-учебных групп, например помогать ученым-демографам искать закономерности в демографическом поведении людей разных поколений. Регулярно проводятся конференции и выездные школы по анализу данных и смежным областям – например, 13-я международная конференция по решеткам понятий и их приложениям (https://cla2016.hse.ru) прошла этим летом вместе стремя сопутствующими семинарами по анализу неструктурированных данных, изучению экономического поведения людей методами машинного обучения, а также мягким вычислениям и поиску закономерностей в данных. Студенты и аспиранты помогали в качестве волонтеров, делали доклады, знакомились с учеными мировой величины и их идеями. Так, аспирант Юрий Кашницкий рассказывал про эффективный поиск классифицирующих правил, а аспирант Алексей Масютин, совмещающий обучение с работой в банке, сделал доклад об ансамблевых методах для кредитного скоринга на основе решеток понятий. Сейчас нет недостатка в задачах, напротив, есть потребность в квалифицированных кадрах, сочетающих точность и глубину математического подхода с навыками уверенного обращения с инструментами машинного обучения и анализа данных, а именно таких специалистов мы и готовим на наших программах.

---

Маргарита Власенко: «Мы боремся за сильных математиков и с экономическими программами»

Маргарита Власенко, менеджер, куратор программ дополнительного профессионального образования факультета

– Как вы привлекаете абитуриентов?

– Сказать, что целевая аудитория нашего бакалавриата притязательна, – это ничего не сказать. К нам поступают школьники с победами в олимпиадах по математике и информатике или с высокими баллами по ЕГЭ. Такие дети могут выбрать любой вуз и любую программу. За «математиков» мы боремся с экономическими вузами. Мы адресно работаем со школами и олимпиадами, где такие дети участвуют. Но это же делают и другие вузы. И вот два года назад мы начали проводить специальные мероприятия для наших абитуриентов, где рассказываем не только о факультете, но и о компьютерных науках и направлениях их применения. Например, как предсказать победу в Dota2. В эту игру можно не только играть, но и подойти к этому вопросу с научной стороны! Или о том, как компьютеры распознают образы и понимают речь, а банки предсказывают возраст клиентов по их транзакциям. Все это действительно реальные истории о математике и информатике.

К мероприятиям активно подключаются компании. Выбор направления обучения очень важен, и, если школьники заинтересуются и пойдут «в ИТ», значит, мы действительно выполняем важную работу. Наверное, компаниями движет то же стремление. Плюс спрос на специалистов по компьютерным наукам сейчас настолько превышает предложение, что компании формируют свой бренд привлекательного работодателя для будущих сотрудников уже с их школьной скамьи.

– Какие возможности на факультете есть для тех, кто уже не успел поступить к вам в бакалавриат?

– У нас есть пять магистерских программ, аспирантская школа и программы повышения квалификации. Ранее мы часто слышали вопросы: «Какие есть возможности для выпускников вузов?», «Почему, когда мы учились, такого не было?». Мы задумались – и правда, почему? В Вышке очень успешно развиваются программы дополнительного профессионального образования по другим направлениям.

Так, чуть меньше года назад мы запустили серию курсов продолжительностью от двух недель до пяти месяцев по анализу данных, машинному обучению и программированию. С сентября в дополнение к этому открылась программа «Практический анализ данных и машинное обучение», аналогов которой нет на российском рынке. Все программы – результат совместной работы преподавателей Высшей школы экономики и практиков из ведущих ИТ-компаний. За год существования мы обучили более 150 человек, это как бывшие студенты технических специальностей, так и выпускники экономических и гуманитарных направлений, а также магистры Вышки, МГУ, МФТИ, Бауманки и других вузов. Учиться у нас непросто – компьютерные науки – это не то, что можно прослушать, занимаясь параллельно своими делами, – но интересно. И это действительно те знания и навыки, которые востребованы сейчас на рынке и очень ценятся работодателями. Так что вложение времени и денег окупается с лихвой.

– Кто приходит учиться по этим программам?

– Изначально самый большой интерес, конечно же, у тех, кто уже обладает какими-то компетенциями по анализу данных и разработке. Это можно связать и с тем, что у факультета уже появилась репутация как у одной из основных школ по компьютерным наукам.

Одно из главных направлений развития – создание корпоративных курсов под требования и задачи конкретных ИТ-компаний

Думаю, еще рано подводить итоги, но самой успешной программой на данный момент у нас является «Машинное обучение и майнинг данных». В сентябре мы запустили первый годовой курс по анализу данных «Практический анализ данных и машинное обучение» – это ответ на запрос рынка. Программа покрывает все темы анализа данных, такие как анализ текстов, нейронные сети, анализ социальных сетей, а начинается с повторения математических основ.

Можно много говорить о том, почему мы считаем эту программу востребованной и успешной, но самый яркий показатель, на мой взгляд, – это то, что при первом анонсе в социальных сетях мы набрали группу всего за три часа.

Мы также работаем над тем, чтобы о нас узнали выпускники не технических специальностей и пошли к нам осваивать программирование и анализ данных. Таких слушателей мы ждем на программах «Python как первый язык программирования», «Введение в машинное обучение и майнинг данных», «Анализ сетевого взаимодействия и профессиональных сообществ» и многих других (полный список программ есть на сайте http://cs.hse.ru/dpo).

Одно из главных направлений развития – создание корпоративных курсов под компанию. Сейчас 20% мест на программы покупают компании для повышения квалификации своих сотрудников. В основном это банки, ретейл и операторы связи. И это действительно выгодное вложение. Намного легче обучить уже имеющихся специалистов, чем найти и нанять новых. В то же время многим компаниям интересно, чтобы программа была подготовлена специально для них, исходя из запросов и их настоящих потребностей, а инструменты анализа данных или программирование изначально рассматривались под кейсы компаний, обучение проходило бы в удобное для них время и на удобной территории.

Сейчас мы уже проводим такие курсы по направлениям «Поиск зависимостей в данных» и «Нейронные сети и глубинное обучение» для одной из компаний в Казахстане. В ближайшее время мы официально анонсируем это направление.

---

Валентин Бирюков: «В вопросе мобильности и актуальности знаний Вышке нет равных»

Валентин Бирюков, студент 2-го курса образовательной программы «Прикладная математика и информатика»

После 11-го класса главным вопросом для меня был не просто «что я хочу» или «куда меня возьмут», а скорее «что из меня выйдет через четыре года обучения».

Поскольку я смотрел в сторону специальностей, связанных с информационными технологиями, то вопрос актуальности знаний стоял очень остро. Сейчас технологии меняются быстро и постоянно, а значит, и программа специальности, на которую я хотел бы пойти, должна также легко меняться и подстраиваться под новые тенденции.

И в вопросе мобильности и актуальности знаний я понимал, что Вышке нет равных. И тем более нет равных ФКН.

Я с трудом могу представить, как можно учить что-то, не понимая, зачем тебе нужны получаемые знания. Здесь же я отчетливо вижу, в каких областях пригодятся мне знания по анализу, линейной алгебре, теории вероятности, дискретной математике и, конечно же, по программированию. Да, прямо говоря, мне нередко доводится уже применять большую часть знаний по предметам не только для решения домашних заданий, но и для достаточно прикладных задач, которые также достаются нам в рамках учебы на факультете.

И даже если бы у меня вновь была возможность поступать и выбирать место для учебы, я бы своего решения не поменял.

---

Вадим Дробинин: «Вуз дал мне уверенность в своих силах, хороший устойчивый фундамент для дальнейшего развития»

Вадим Дробинин, лауреат стипендии имени Ильи Сегаловича, студент 4-го курса образовательной программы «Программная инженерия»

Когда я выбирал вуз, у меня был полный комплект успешного выпускника: диплом профильной олимпиады, портфолио с четырехлетней историей участия в научно-практических конференциях, хорошие баллы ЕГЭ (в том числе сотня по английскому языку) и сильное желание уехать в Москву или Санкт-Петербург.

Я рассматривал не только Вышку, но и ИТМО, МГУ, МФТИ, хотя в итоге подал документы только во ВШЭ – на факультет, в те времена еще называвшийся факультетом бизнес-информатики. В первую очередь потому, что программистов, исполнителей, готовых реализовывать алгоритмы, в мире более чем достаточно, а вот стать грамотным управленцем, при этом не разучившись разрабатывать приложения, было куда интереснее.

За прошедшие годы изменилось многое, начиная с корпуса, где мы учимся, и заканчивая названием факультета, но вдохновивший меня в свое время подход к обучению, большое количество практических заданий, прозрачная формула выставления оценок и отсутствие какого бы то ни было акцента на не самой нужной математике никуда не делись.

Поэтому за годы в вузе я получил огромное количество знаний в сфере управления проектами, оценки сложности выполнения работы, психологии взаимодействия с заказчиками, принял участие во множестве хакатонов, начал совмещать учебу с работой по специальности и не один десяток раз выступал с докладами на профильных конференциях.

Вуз дал мне уверенность в своих силах, хороший устойчивый фундамент для дальнейшего развития и приятный коллектив, в котором очень комфортно учиться.

---

Элен Теванян: «Я перепоступила в магистратуру ФКН после семестра магистратуры по экономике»

Элен Теванян, студентка 1-го курса образовательной программы магистратуры «Анализ данных в биологии и медицине», выпускница образовательной программы бакалавриата «Прикладная математика и информатика»

После бакалавриата факультета компьютерных наук казалось, что нужно именно на экономику, но, увидев анонс новой программы по биоинформатике на родном факультете, решила перепоступить.

Я перепоступила в магистратуру ФКН после семестра магистратуры по экономике. Была уверена, что точно узнаю много нового, так как половина курсов – предметы биологического блока и, повторю, прекрасные математические дисциплины. Ожидания оправдываются, оперативно вместе с академическим руководителем Михаилом Гельфандом решаем все наши вопросы.

Программа состоит из двух больших подблоков: предметы медико-биологического цикла и предметы математического цикла.

На курсе есть ребята с разными бэкграундами, поэтому все в одинаковой ситуации: кто-то подтягивает основы по биологии, кто-то подтягивает математику. Сейчас у нас в основном вводные или базовые дисциплины (введение в молекулярную биологию, эволюционная генетика, прикладная статистика и т.д.), со второго семестра углубимся в специальность. У нас очень интересный научно-исследовательский семинар.

Пока мы не можем похвастаться своими исследованиями, много читаем современных научных статей, разбираем использованные в них методы, изучаем алгоритмы, которые часто применяются в задачах по биоинформатике.

Подготовила Ирина Ложкина