Upload
edutainme
View
2.212
Download
2
Embed Size (px)
Citation preview
Компьютерные науки: как учить тому, что постоянно меняется?
Антон Конушин Академический руководитель программы «Прикладная математика и информатика»
Компьютерные науки: как учить тому, что постоянно меняется?
Антон Конушин Академический руководитель программы «Прикладная математика и информатика»
Что такое «Компьютерные науки»?
Компьютерные науки (computer science)
Программная инженерия
(software engineering) Математика
Примеры задач • Оценить вычислительную сложность алгоритмов
решения задачи (теоретическая информатика) • Построить систему для расчёта подъёмной силы и
сопротивления воздуха крыла самолёта (математическое моделирование)
• Спрогнозировать следующую покупку клиента (анализ данных и машинное обучение)
• Научить автомобили и их компоненты общаться друг с другом (инженерия)
Компьютерные науки: как учить тому, что постоянно меняется?
Антон Конушин Академический руководитель программы «Прикладная математика и информатика»
Насколько быстро меняется? Выделение лица человека на изображении (компьютерное зрение) 1998 – нейросетевой алгоритм Rowley 2001 – каскадный алгоритм Viola-Jones на основе бустинга и признаков Хоара 2009 – интегральные признаки 2014 – face detection without bells and whistles 2015 – глубокие нейросети
Компьютерные науки: как учить тому, что постоянно меняется?
Антон Конушин Академический руководитель программы «Прикладная математика и информатика»
Как учить? • Чему надо учить? • Кто будет учить? • Как организовать учебный процесс?
Сегодня только 15% выпускников образовательных организаций по инженерным специальностям пригодны к немедленному трудоустройству в сфере информационных технологий.
Из стратегии развития отрасли информационных технологий
в Российской Федерации на 2014 - 2020 годы
Что должен знать и уметь выпускник? • Программирование
– разрабатывать самому и в команде сложный программный продукт
• Математику – фундаментальные разделы, т.е. наиболее широко
используемые математические понятия и методы • Специальность
– уметь решать поставленные задачи в профессиональной области
• Английский язык – читать, понимать и работать в англоязычной среде
Кто это будет решать? Для согласования основных задач нам потребуются и преподаватели, и учёные, и профессионалы из промышленности Академический совет:
Алескеров Фуад Тагиевич д.т.н., ординарный профессор, руководитель департамента математики ф-та экономики НИУ ВШЭ
Аржанцев Иван Владимирович д.ф.-м.н., профессор, декан ф-та компьютерных наук НИУ ВШЭ
Ветров Дмитрий Петрович к.ф.-м.н., доцент НИУ ВШЭ и МГУ им. М.В. Ломоносова, руководитель департамента больших данных и информационного поиска ФКН НИУ ВШЭ
Левин Михаил Владимирович Yandex Data Factory
Соболевский Андрей Николаевич д.ф.-м.н., зам. директора ИППИ РАН
Шень Александр Ханиевич к.ф.-м.н., старший научный сотрудник ИППИ РАН, научный сотрудник CNRS
Кто будет учить?
Преподаватели
Сотрудники ведущих институтов РАН
Победители международных олимпиад по математике и
программированию
Сотрудники ведущих ИТ-компаний
Профессора и доценты НИУ ВШЭ
Составление учебного плана
Распределение времени
Сон Учеба Остальное
«Нуу, можно и не спать…» (цитата)
Сон Учеба Остальное
Распределение времени • 8 часов в день x 5 дней в неделю = 40 часов • «Кредит» - 25 часов (36-38 академических) • 60 «кредитов» в год • 240 кредитов за 4 года • 6000 часов всего на всё-всё-всё
Баланс и компромисс
Некоторые принципы • Фундаментальность основных предметов • Востребованность и актуальность предметов
специализации • Лекции + семинары + самостоятельная работа • Много самостоятельной работы • Индивидуальная траектория • Регулярный контроль и плотная сессия в
модульной системе • Постоянная обратная связь
Задачи студента на первых курсах 1. Овладеть основами всех ключевых для
компьютерных наук разделов математики 2. Научиться самостоятельно реализовывать
законченный нетривиальный программный проект
3. Освоить английский язык в достаточной степени, чтобы изучать дисциплины специальности на английском
4. Выбрать специализацию и научное направление
1 год 1 модуль
1 год 2 модуль
1 год 3 модуль
1 год 4 модуль
2 год 1 модуль
2 год 2 модуль
2 год 3 модуль
2 год 4 модуль
Английский язык (2 пары)
Английский язык (2 пары)
Английский язык (2 пары)
Английский язык (2 пары)
Психология в ИТ (2 пары)
История (2 пары)
Minor 1 (2 пары)
Minor 2 (2 пары)
Линейная алгебра и геометрия (2 пары)
Мат. модели в экономике (2 пары)
Дифференциальные уравнения (2 пары)
Математический анализ 1 (2 пары)
Математический анализ 2 (2 пары)
Дискретная математика (2 пары)
Алгебра (2 пары)
Теория вероятности и математическая статистика (2 пары)
ОиМП (4 пары)
ОиМП (2 пары)
Алгоритмы и структуры данных (4 пары)
Архитектура компьютера и операционные системы (3 пары) АиСД
(2 пары)
Обзорный НИС
(1 пара)
Программный проект Учебная практика
Программный проект
http://cs.hse.ru/news/151715219.html
Распознавание цифр с помощью нейронных сетей
Видеоигра для Oculus VR с голосовым
управлением
Другие примеры проектов: Мониторинг цен на жильё, рекомендация музыки, калькулятор, архиватор, анализ Instagram, библиотека для задачи коммивояжёра, веб-сервис списков дел, интерактивная карта метров, ….
Задачи студента на старших курсах 1. Стать специалистом в выбранном направлении
компьютерных наук («специализация») 2. Получить опыт профессиональной работы в
англоязычной среде, от написания академических текстов до их устного обсуждения
3. Выполнить законченное научное исследование 4. Пройти практику
3 год 1 модуль
3 год 2 модуль
3 год 3 модуль
3 год 4 модуль
4 год 1 модуль
4 год 2 модуль
4 год 3 модуль
4 год 4 модуль
Академическое письмо (1 пара)
Minor 3 (2 пары)
Minor 4 (2 пары)
Философия (2 пары)
Машинное обучение 1 (2 пары)
Методы оптимизации (2 пары)
Специализация 4 (2 пары)
(Байесовские методы машинного обучения)
Специализация 6 (3 пары)
(Глубинное обучение)
Специализация 1 (2 пары)
(Прикладной статистический анализ данных)
Специализация 2 (2 пары)
(Машинное обучение 2)
Специализация 5 (2 пары)
(Анализ текстов)
Специализация 7 (3 пары)
(Компьютерное зрение)
Нау чный семинар (1 пара)
Нау чный семинар (1 пара)
Осенний курс по выбору (2 пары)
Зимний курс по выбору (3 пары)
Специализация №3 (2 пары)
(Машинное обучение на больших данных)
Осенний курс по выбору (2 пары)
Зимний курс по выбору (3 пары)
Курсовая работа Подготовка ВКР
Производственная практика Преддипломная практика
Машинное обучение и приложения
• Машинное обучение 1 и 2 • Методы оптимизации • Прикладной статистический анализ данных • Байесовские методы • Глубинное обучение • Анализ текстов и компьютерное зрение