Вшэ — высшая школа экономики

Командный проект для 3 курса

Выбор темы для командного проекта по курсу «Анализ данных в бизнесе»

Студенты делятся на группы по 3 человека. В дальнейшем 2-3 группы могут соединить в одну. Внутри группы должен быть определен капитан команды — ответственное лицо группы.

Ответственное лицо отвечает за выполнение и результат следующих основных функций:

• отправка заявки на тему проекта и согласование темы проекта от лица всей группы с преподавателями;
• предоставление информации куратору о текущем статусе проекта: учет, распределение и контроль выполнения задания по проекту;
• отправка отчетов, презентаций, технической документации по выполненными работам группы в электронном виде.

Сроки выбора тем:

До 17 апреля группа должна выбрать две темы из указанного списка, указав первый и второй приоритет для этих тем.

18 апреля — каждой группе, которая подала заявку на проект, через указанную форму, будет назначена тема проекта и куратор. При назначении тем будут учитываться приоритеты указанные студентами, а также средний балл студентов в группе по первому модулю курса. На одну тему назначается не более 3-х групп студентов.

При возникновении вопросов пишите в Telegram Титовой Наталии.

Итогом каждого проекта должна быть презентация результатов проекта на 10-15 минут.

Защита проекта для ПАД будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите июня (15-19 июня) до начала сессии.

Оценка за проект во втором модуле выставляется по 10-балльной шкале по итогам защиты проекта.

Те студенты, которые не нашли себе группу тоже подают заяку на тему, но на одного себя. Мы сами соединим с группой по схожей теме.

Даты защиты учебных проектов в 4 модуле:

Защиты проектов пройдут с 17 по 19 июня 2021 года.

Бюджет и недвижимость

В 2018 году доход вуза составил 17,76 млрд рублей (на январь 2020 года это примерно 259 405 579 евро). Основными источниками финансирования являются государственные средства, услуги частного образования, фундаментальные и прикладные исследования, гранты, пожертвования и другие виды поддержки.

Прикладные исследования по заказу государственных органов, частных компаний или международных организаций составляют до 40% дохода университета. Среди постоянных клиентов Минобрнауки, Департамент информационных технологий Москвы   , Минэкономразвития , Роснефть , Аэрофлот , Газпром , РЖД . За один учебный год вуз выполняет в среднем около 300 проектов. Другие источники поддержки — это государственные субсидии и научные гранты, в том числе международные программы. Например, только на Российский проект академического совершенства государство выделило 950 миллионов рублей (по состоянию на январь 2020 года это составляет примерно 13 874 037 евро).

В 2007 году соучредители НИУ ВШЭ учредили финансовый эндаумент НИУ ВШЭ — некоммерческую организацию, которая принимает пожертвования от имени университета и инвестирует полученные средства. Прибыль идет на развитие университетских проектов. По состоянию на декабрь 2018 года размер эндаумент-фонда составлял 742,5 млн рублей (на январь 2020 года это примерно 10 845 942 евро).

Всего в Москве университету принадлежит более пятидесяти зданий, расположенных на Мясницкой улице, Покровском бульваре, Шаболовке, Старой Басманной улице и других местах. В Санкт-Петербурге университетские городки расположены на канале Грибоедова , на улице Союза Печатников, на улице Кантемировской. В Перми у ВШЭ шесть корпусов, а в Нижнем Новгороде всего четыре.

Преподаватели и ассистенты

Пилотный поток

Лекции: Владимир Подольский

Семинары:
Алексей Леонидович Таламбуца, Владимир Владимирович Подольский, Артем Максимович Максаев

Основной поток

Лекции: Михаил Николаевич Вялый

Семинары: Никита Сергеевич Лукьяненко, Илья Глебович Райко, Михаил Николаевич Вялый, Артем Максимович Максаев, Алина Эдуардовна Хузиева

Учебные ассистенты: Арсений Алексеевич Абрамов, Аъзам Бехруз Хусан угли, Станислав Сергеевич Динер, Анна Тиграновна Енгоян, Александр Александрович Соколихин, Юлия Александровна Василевская, Даниэль Рустамович Хабиров, Елизавета Игоревна Шатская, Фома Александрович Шипилов, Владимир Сахатович Якшимамедов, Александр Всеволодович Крупецков, Даниил Иванович Иваник, Даниил Юрьевич Трошин

Распределение по группам

Официальная система наименования с этого года имеет вид ДМ_Б2020_ПМИИ_<номер группы>#Г#Дискретная математика. В наших материалах мы будем придерживаться более простого наименования 20<номер группы>

Группа	201	202	204	203	205	206 (online)	207	208	209	2010	2011	2012
Лектор	Владимир Владимирович Подольский	Михаил Николаевич Вялый
Семинарист	Алексей Леонидович Таламбуца	Владимир Владимирович Подольский	Артем Максимович Максаев	Никита Сергеевич Лукьяненко	Илья Глебович Райко	Никита Сергеевич Лукьяненко	Михаил Николаевич Вялый	Илья Глебович Райко	Артем Максимович Максаев	Алина Эдуардовна Хузиева	Алина Эдуардовна Хузиева	Артем Максимович Максаев
Ассистент	Даниил Иванович Иваник	Павел Александрович Захаров	Владимир Сахатович Якшимамедов	Аъзам Бехруз Хусан угли	Даниэль Рустамович Хабиров	Александр Александрович Соколихин, Юлия Александровна Василевская	Анна Тиграновна Енгоян	Елизавета Игоревна Шатская	Даниил Юрьевич Трошин	Арсений Алексеевич Абрамов	Фома Александрович Шипилов	Станислав Сергеевич Динер

Домашние задания

Для каждого задания предоставляется ссылка на сервис, содержащий описание задания и реализующий тестирование решений. Данные сервисы размещаются на платформе Everest (см. далее).

	Задание	Мягкий дедлайн	Жесткий дедлайн
1	3 октября 00:00 MSK	5 октября 00:00 MSK
2	17 октября 00:00 MSK	19 октября 00:00 MSK
3	8 ноября 00:00 MSK	9 ноября 00:00 MSK
4	21 ноября 00:00 MSK	23 ноября 00:00 MSK
5	5 декабря 00:00 MSK	7 декабря 00:00 MSK
6	12 декабря 00:00 MSK	14 декабря 00:00 MSK

Тестирование решений

На странице каждого сервиса содержится описание задания и выполняемых тестов. Данные тесты могут не покрывать все возможные ошибки и не заменяют самостоятельное тестирование своих решений. Тем не менее, результаты тестов позволяют составить представление о работе вашей программы и используются при проверке решений преподавателями.

Для тестирования решения необходимо перейти во вкладку Submit Job, загрузить требуемые файлы и нажать кнопку Submit. При этом происходит перенаправление на страницу нового задания (job), где можно отслеживать его состояние. Информация на странице обновляется автоматически. После окончания выполнения задания (состояние DONE или FAILED) становится доступной вкладка Outputs, где можно увидеть вывод с результатами тестирования.

Время выполнения тестов обычно составляет несколько минут, однако при большом количестве одновременных запросов к сервису время ожидания увеличивается. Поэтому лучше не откладывать тестирование на последний момент. Число попыток при тестировании не ограничено.

Сдача решений

Для сдачи решения надо перейти в раздел Задачи, нажать Сдать напротив нужного задания и отправить текст, содержащий:

• краткое описание вашего решения (основная идея, особенности реализации, соответствие условиям задания и т.д.), которое бы позволило проверяющему быстрее разобраться в нём (приветствуются также комментарии в коде),

Число попыток сдачи решения не ограничено. В случае, если решение отправлено заранее, есть шанс получить комментарий преподавателя до окончания срока сдачи и, в случае необходимости, исправить решение. Досрочные комментарии даются по мере возможности и вероятность их стремится к нулю с приближением срока сдачи.

Проверка решений

Проверка решений обычно происходит в течение недели после срока сдачи задания. При проверке оценивается последняя присланная до срока версия решения. В качестве начального приближения оценки берутся баллы, полученные решением на тестах. Так как тесты могут не покрывать все возможные проблемы, оценка может корректироваться преподавателем в ходе проверки. После окончания проверки в Anytask должен появиться ответ преподавателя с оценкой и комментариями.

Каждое задание оценивается по 10-балльной шкале. За каждый день просрочки после мягкого дедлайна снимается 2 балла. После жёсткого дедлайна решения не принимаются.

Выпускников

Большинство выпускников продолжают обучение в магистратуре или докторантуре. Около четверти всех выпускников поступили на программы докторантуры в зарубежных университетах: Гарвардский университет , Колумбийский университет , Массачусетский технологический институт , Университет Торонто , Йельский университет , Принстонский университет , ETH Zurich и т. Д. Те, кто выбрал работу в промышленности, работают в области финансов, страхования, информационных технологий и др. Выпускники НИУ ВШЭ также работают в сфере образования, в том числе в математических вузах Москвы (2, , 179).

Рекомендуемая литература и полезные дополнительные материалы

Полезные материалы

Полезная литература

К разделу 1:

• К. Уолш (2000) Ключевые показатели менеджмента: как анализировать, сравнивать и контролировать данные, определяющие стоимость компании. М.: Дело. — Есть в открытом доступе.

К разделу 2:

• Шапиро Дж (2006). Моделирование цепи поставок. Питер. Серия «Теория менеджмента».
• Tijms H.C., Groenevelt H. (1984). Simple approximations for the reorder point in periodic and continuous review (s, S) inventory systems with service level constraints. European Journal of Operational Research, Vol. 17, Issue 2, August 1984, Pages 175-190.]

К разделу 3:

Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.

К разделу 4:

Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.

Описание учебного заведения Национальный исследовательский университет «Высшая школа экономики»

Высшая школа экономики — это отличный старт для карьеры в науке, бизнесе и на государственной службе. Сочетание фундаментальности образовательных программ с возможностью уже с первого курса участвовать в научных проектах и исследованиях рядом с авторитетными российскими и зарубежными учеными позволяет выпускникам Вышки добиться профессионального успеха. Сегодня Высшая школа экономики -это: 4 кампуса (Москва, Санкт-Петербург, Нижний Новгород, Пермь) 

3 500 преподавателей 29 400 студентов 57 500 выпускников Этапы развития НИУ ВШЭ 1992 — создание Высшей школы экономики 1993 — первый прием в университет: 65 бакалавров и 92 магистра 1996 — открытие кампуса в Нижнем Новгороде 1997 — открытие совместно с Лондонским университетом Международного института экономики и финансов (МИЭФ) 1998 — открытие кампусов в Санкт-Петербурге и Перми 2000 — проведение первой Международной Апрельской конференции ВШЭ 2010 — ВШЭ получает статус национального исследовательского университета (НИУ). Создан Международный консультативный комитет ВШЭ, его возглавил лауреат Нобелевской премии по экономике Эрик Маскин 2011 — к НИУ ВШЭ присоединяется Московский институт электроники и математики (МИЭМ) 2013 — победа в конкурсе «5/100» по повышению между¬народной конкурентоспособности российских вузов 2014 — реорганизация внутренней структуры университета: создание «больших» факультетов. ВШЭ и Яндекс открывают факультет компьютерных наук Бакалавриат 64 образовательные программы  самостоятельная работа с 1 курса под контролем курирующего преподавателя возможность получать несколько стипендий сразу за высокие оценки и активное участие в жизни университета; возможность заниматься исследованиями в научно-учебных и проектно-учебных лабораториях и группах; обязательное получение международного сертификата об уровне владения английским языком; ·участие в международных научных конференциях наравне с ведущими мировыми учеными; ·участие в программах обмена с университетами-партнерами ВШЭ в Австрии, Бельгии, Бразилии, Великобритании, Венгрии, Германии, Канаде, Китае, США, Южной Корее, Франции, Японии и других странах; возможность стать оплачиваемым учебным ассистентом; доступ к одной из крупнейших университетских библиотек России. Магистратура 29 направлений подготовки 129 магистерских программ 

21 программа на английском языке возможность сменить направление обучения и овладеть новой специальностью · участие в международных стажировках и студенческих обменах · участие в программах двойных дипломов · возможность стать оплачиваемым учебным ассистентом или преподавателем · участие в исследовательской и проектной работе в лабораториях и научных институтах ВШЭ. Обучение за рубежом и двойные дипломы Высшая школа экономики тесно сотрудничает с ведущими зарубежными университетами, бизнес-школами и исследовательскими центрами. Каждый факультет НИУ ВШЭ предлагает студентам возможность пройти стажировку и участвовать в программах обмена с вузами-партнерами. Основные образовательные партнеры НИУ ВШЭ за рубежом: Университет Эразмус (Нидерланды) Университет им. Дж. Мэйсона (США) Сорбонна (Франция) Университет Болоньи (Италия) Университет Гумбольдта (Германия) Университет Поля Сезанна Вестфальский университет имени Вильгельма (Германия) Технический университет Эйндховена (Нидерланды) и др/ Аспирантура Высшая школа экономики первой из российских университетов перешла к системе аспирантских школ по отдельным отраслям науки, которые должны задать общие внутри каждой школы стандарты исследований и подготовки диссертаций. Особенности программы академической аспирантуры: полная занятость и участие в исследовательских проектах университета; руководитель из числа зарубежных исследователей; обязательная стажировка в зарубежном университете-партнере НИУ ВШЭ. В НИУ ВШЭ 120 научно-исследовательских институтов и центров, 27 научно-учебных и проектно-учебных лабораторий, 21 международных лабораторий под руководством ведущих зарубежных ученых. НИУ ВШЭ имеет собственный Издательский дом, который специализируется на выпуске научной, учебной и справочной литературы по профильным дисциплинам университета: экономике, менеджменту, бизнес-информатике, социологии, политологии, психологии, праву, философии и другим.

Эссе по визуализации

Эссе по визуализации принимается до 30 мая. Работать можно в командах до 5 человек включительно.

Концепция задания следующая:

1. Возьмите данные о каком-либо социальном процессе, явлении, историческом, культурном или политическом событии. Под данными подразумевается некоторый набор статистики.
2. Проведите анализ этих данных — посмотрите на распределения, выделите средние, распределения, медианы и дисперсии — о чем они говорят?
3. Визуализируйте результаты описанными в лекциях графиками и графическими инструментами. Проследите за тем, чтобы визуализации получились наглядными, выдержанными в едином стиле, информационно полными (с соблюдением принципов, описанных в лекциях).
4. Под полученными визуализациями добавьте текстовые аннотации на ± полстраницы текста на каждую графическую единицу.
5. Итоговая размерность задания, если переводить его в word / pdf с 14 Times New Roman — около 3-5 страниц (больше — по желанию).
6. Итоговая работа может быть в любом виде по желанию вашей команды, например:
   1. .docx / .pdf / .pptx с картинками и подписями (самый простой вариант).
   2. веб-страница с графиками и текстом (взгляните, например, на Tableau Public — там можно рисовать графики (включая картографические) и прочее в Web-версии без знания особых инструментов)
   3. Бумажный ватман с распечатанными и наклеенными / нарисованными графиками и подписями (если вдруг такое взбредет вам в голову, получится что-то похожее на стенгазету).
   4. любой неперечисленный выше формат лучше все таки уточнить у нас (я правда не знаю что еще может прийти в голову, но если вдруг).
   5. Позаботьтесь о том, чтобы в вашем задании был некоторый осмысленный и осязаемый из графиков вывод об объекте изучения. Он должен быть не менее 3-х предложений по теме.

N.B. Постарайтесь подойти к этому заданию творчески. Возможно, вы захотите чтобы оно вошло в портфолио ваших проектов — получится явная польза помимо курса.

Возможные вопросы:

Q: Я не умею в сложный web и не очень хорошо рисую, как мне сделать это задание?

A: Самый простой способ — возьмите обычный Excel и Word, разберите данные там, сделайте графики в Excel и перенесите их в Word.

Q: А где брать данные?

A: Вопрос непростой, но есть некоторые базовые локации:

1. Социальная / экономическая статистика:
2. Любые цифровые выкладки по вашему предмету визуалиации — желательно чтобы данные были открытыми.
3. В сообществе ods.ai в канале #datasets есть самые разнообразные данные (даже картинки со сканом легких). Зарегистрируйтесь (это займет около 1 дня на рассмотрение регистрации) — и спросите там (или у нас)
4. Спросите нас — может сможем что-нибудь подсказать.

Q: Можно ли мне сделать что-нибудь по данным с realtime API (twitter / google / etc)?

A: Конечно же да, но тогда должно быть понятно о чем именно вы рассказываете.

Q: А какими инструментами можно пользоваться?

Критерии оценивания эссе по визуализации

1. Логическая связность повествования — от 1 до 5 баллов
2. Понятность графических объектов (не менее 3-х графических объектов, меньше — 1 балл) — от 1 до 10 баллов
3. Аккуратность, информативность графиков, подписанные оси, грамотные аннотации — от 1 до 10 баллов
4. Наличие логичного вывода в концовке эссе и его связность с темой — от 1 до 5 баллов

Course Description

The course introduces students to the elements of linear algebra and analytic geometry, provides the foundations for understanding some of the main concepts of modern mathematics. There is a strong emphasis in this course on complete proofs of almost all results.

We will approach the subject from both a practical point of view (learning methods and acquiring computational skills
relevant for problem solving) and a theoretical point of view (learning a more abstract and theoretical approach that focuses on achieving a deep understanding of the different abstract concepts).

Topics covered include: matrix algebra, systems of linear equations, permutations, determinants, complex numbers, fields, abstract vector spaces, bilinear and quadratic forms, Euclidean spaces, some elements of analytic geometry, linear operators. It took mathematicians at least two hundred years to comprehend these objects. We plan to accomplish this in one year.

История

В 2007 году центральное руководство НИУ ВШЭ обратилось в Независимый Московский университет (НМУ) с предложением присоединиться к НИУ ВШЭ в качестве одного из факультетов. Хотя это предложение в его первоначальной форме было отклонено, IUM решил помочь в создании нового математического факультета. В частности, в 2008 г. в НИУ ВШЭ было принято несколько профессоров НУМ, которые составили первоначальный состав факультета. Дальнейший прием на работу проводился через открытые международные конкурсы. В сентябре 2008 года FM пригласил первых студентов бакалавриата.

Идея математического факультета НИУ ВШЭ заключалась в создании первой кафедры математики в бывшем СССР, которая была бы конкурентоспособной на международном уровне в следующем смысле:

• Условия найма (включая размер заработной платы и финансирование исследований) должны быть привлекательными для математиков из развитых стран ;
• Следует использовать гибридную стратегию обучения, которая сочетает в себе систему Константинова и передовой опыт ведущих западных математических факультетов (например, ассистенты преподавателей , систему накопительных оценок, внешнюю оценку уровня владения английским языком и т. Д.).
• Новый факультет должен унаследовать основные положительные черты IUM, а именно: смешение учебы и исследований, преподавание современной математики, высокий уровень преподавателей и студентов и отсутствие слабых, которые не имеют права выдавать государственные дипломы, и , что самое серьезное, имея небольшое количество обладателей степени IUM.

В 2010 году были открыты магистерская программа по математике и докторская программа по математической логике, алгебре и теории чисел, в которых обучались около 10 студентов на каждом уровне. Все студенты, принятые на программы, окончили вузы, отличные от ВШЭ. В 2011 году было решено сделать программу магистратуры по математике международной с занятиями на английском языке и учредить новую программу магистратуры «Математическая физика» на русском языке, которую возглавит Игорь Кричевер . В 2010 г. ВШЭ выиграла « мега-грант » Минобрнауки России, и под научным руководством Федора Богомолова ( Институт математических наук им. Куранта, Институт математических наук им. Куранта , г. Нью-Йорк, США). Лаборатория продолжает свою академическую деятельность, однако с 2015 года полностью финансируется университетом.

Три кафедры (алгебры, геометрии и топологии и дискретной математики) существовали с первого дня работы факультета, но были расформированы в 2011 году, в результате чего административная структура стала одноуровневой, а не двухуровневой. Между тем, в 2011 году по соглашению с Математическим институтом им. В. А. Стеклова Российской академии наук (РАН) в ФМ было создано совместное отделение со Институтом Стеклова. В 2012 г. аналогичное соглашение было достигнуто с Институтом Харкевича РАН по проблемам передачи информации, а в 2014 г. — с Физическим институтом им. П.Н. Лебедева РАН.

В 2014 году была основана Международная лаборатория теории представлений и математической физики. Научный руководитель лаборатории — Андрей Окуньков ( Колумбийский университет , штат Нью-Йорк, США). Решение об открытии этого исследовательского подразделения было принято в результате конкурса, проводимого НИУ ВШЭ, и аналогичного конкурсу «мегагрантов», проводимому правительством РФ. В 2016 году Вышка выиграла очередной «мегагрант» на создание Международной лаборатории зеркальной симметрии и автоморфных форм под научным руководством Людмила Кацаркова ( Венский университет , Университет Майами ).

Использование и изучение ПО SAS в курсе «Анализ данных в бизнесе»

Студент по своему желанию может выбирать программный инструмент для выполнения практики: SAS, R, Python.

Студенты, планирующие выполнять практику на SAS, могут пройти бесплатно углубленные онлайн курсы.

Для получения доступа к курсу необходимо обратиться к преподавателю курса Титовой Наталии или написать запрос в Телеграм чате.

Если студент выполнил все практические задания на SAS и сдал курс на отлично, то он может получить:

• сертификат о прохождении академической программы SAS
• электронный бейдж Acclaim, подтверждающий сдачу курса и перечень использованных SAS технологий

Все желающие студенты могут бесплатно пройти базовые онлайн курсы SAS:

Примерные вопросы к тесту №2 по теме «Статистика»

В тесте 12 вопросов, 10 оцениваются в 2 балла (итого 20), 2 вопроса — в 5 балла (итого 10), суммарно можно получить 30 баллов. На тест дается 60 минут (по 5 минут на вопрос).

Суммарно за тест можно набрать 30 баллов (20 за секцию с вопросами с одним ответом и 10 за секцию с вопросами с многочисленным выбором ответа).

Вопросы с одним ответом (2 балла за каждый вопрос, всего 10 баллов за секцию):

1. Медиана — это (выберите определение)
2. Дана выборка цветов, выберите моду и введите ответ
3. Рассчитайте среднее числового ряда
4. Статистический выброс — это (выберите определение)
5. Дисперсия — это (выберите определение)
6. Распределение, имеющее два ярко выраженных пика — это (выберите название распределения)
7. Коэффициент корреляции равный единице означает что между признаками имеется (X) связь (выберите X)
8. Квантиль — это (выберите определение)
9. Большое значение дисперсии означает что (выберите, что означает)
10. Представлен график распределения, на нем отмечены точки A,B,C. Выберите точку, которая соответствует среднему данного распределения.

Вопросы с выбором ответа (5 баллов за каждый вопрос, всего 10 баллов за секцию):

1. Представлен график распределения, выберите верные утверждения относительно данного распределения (дан набор утверждений)
2. Представьте, что вы на телешоу, в котором вам нужно выбрать одну из трех дверей. За одной из дверей автомобиль, а за двумя другими — козы. Вы выбираете дверь номер 1, после чего ведущий, который знает где находится автомобиль, открывает одну из дверей (например, дверь номер 3), и за ней оказывается коза. Какова вероятность вашего выигрышав случае когда вы меняете свой выбор? Запишите ответ в процентах, округлив его до целого числа.

Полезные материалы

Книги

• Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
• Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
• Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
• Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
• Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
• Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

Критерии оценки

Оценка за курс = 0.4*Семинары + 0.4*ДЗ + 0.2*Экзамен
Округление осуществляется по арифметическим правилам.

Семинары

• На каждом семинаре выполняется небольшая самостоятельная работы по пройденной семе
• Дедлайн семинарской работы — до конца занятия, но по решению преподавателя может быть отложен.
• Система оценивания бинарная: 1 — если задание выполнено, 0 — если задание не сделано/сдано после дедлайна
• Предусмотрено 11 семинаров
• В конце семестра суммируется число выполненных заданий (max 11); сумма пропорционально переводится в 10-балльную шкалу
• Студенты имеют право сдать строго 1 задание, не присутствуя на семинаре, в течение курса.

Домашние задания

• В курсе предусмотрено 4 домашних задания
• Дедлайны устаналиваются каждой группе индивидуально преподавателем. О сроках сдачи сообщают не менее, чем за 2 недели до дедлайна.

Научно-исследовательский семинар

Расписание

Индивидуальные беседы — 13:20 — 14:20

Темы

• Декабрь — Мировые ИТ компании
• Январь — Языки программирования
• Февраль — Интересное приложение
• Март — Цифровой стартап
• Апрель-май — История одной железки
• Сентябрь — Основы верстки научных тексов в Latex.
• Октябрь — Визуализация

Доклады

Выбрать определенный предмет изучения
Подготовить конспект (1-2 страницы)
Записать 15-20 минутный доклад (презентация + рассказ)

Задание в Latex

Необходимо выбрать пять заданий по математике и информатике, например, из ЕГЭ:

• два задания по алгебре, где требуется решения уравнений;
• два задания по геометрии, где для решения требуется построение чертежа;
• одно задание по информатике, где требуется написать код.

Ваша задача заключается в том, чтобы подготовить подробный текст в Latex условий и решений выбранных заданий с записью всех уравнений, графиков, чертежей и оформления кода:

Для каждой задачи запишите ее условие и подробное образцовое решение.

В результате Вам необходимо подготовить и отправить:

• Архив tex файлом и всеми дополнительными файлами (в overleaf есть кнопка «Download» в списке проектов)
• Итоговый PDF файл (в overleaf при редактировании есть «Download PDF»)

Задание будет оцениваться по количеству задач и качеству оформления текста.

Задание на визуализацию

Вам необходимо выбрать пять каких-то понятий или явлений и построить для них диаграмму связей (mind map, ментальная карта).
Что такое диаграммы связей можно почитать, например, тут:

• и еще много где, загуглив «mind map»

Явления или понятия Вы можете выбрать сами, например, это может быть что-то из Ваших лицейских предметов, или просто вещи, которыми Вы интересуетесь, и в которых Вы разбираетесь.

Сделайте карты достаточно подробными, в каждой из них должно быть не менее 20 связных элементов. Если Вам кажется, что для данного явления или понятия нет 20 элементов, то:

• либо подумайте еще, скорее всего еще не до конца разобрались;
• либо выберете другое понятие или явление.

Курсы в рамках проекта Data Culture

2 семестр

Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)Научно-исследовательский семинар (ОП «Политология», 1 курс)Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)Искусственный интеллект и большие данные (ОП «Дизайн», «Мода», 1 курс)Компьютерная лингвистика и информационные технологии (ОП «Фундаментальная и компьютерная лингвистика», 4 курс, 2 семестр)Основы анализа данных в международных отношениях (ОП «Международные отношения», 2 курс, 4 модуль)Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс) Введение в Data Science (ФБиМ, 4 модуль)

1 семестр

Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)Машинное обучение (факультет экономических наук) Компьютерная лингвистика и информационные технологии (ОП «Фундаментальная и компьютерная лингвистика», 4 курс, 1 семестр) Извлечение и анализ интернет-данных (факультет экономических наук) Анализ больших данных в социальных науках (ФСН, 2017)Информационные технологии в деятельности юриста (Факультет права) Машинное обучение (магистратура Школы лингвистики)

Рекомендуемая литература и полезные материалы

Архитектура компьютера

• John L. Hennessy, David A. Patterson. Computer Architecture: A Quantitative Approach. Morgan Kaufmann, 2011 (5th edition).

Многопоточное программирование и concurrency

• Anthony Williams. C++ Concurrency in Action: Practical Multithreading. Manning, 2012. (Перевод на русский: Энтони Уильямс. Параллельное программирование на C++ в действии: Практика разработки многопоточных программ. ДМК Пресс, 2012.)
• Paul Butcher. Seven Concurrency Models in Seven Weeks: When Threads Unravel. Pragmatic Bookshelf, 2014.
• Maurice Herlihy, Nir Shavit. The Art of Multiprocessor Programming. Morgan Kaufmann, 2012 (Revised Reprint).

Параллельные вычисления

• Peter Pacheco. An Introduction to Parallel Programming. Morgan Kaufmann, 2011.
• G. Barlas. Multicore and GPU Programming: An Integrated Approach. Morgan Kaufmann, 2014.
• David B. Kirk, Wen-mei W. Hwu. Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kaufmann, 2016 (3rd edition).
• W. Gropp, E. Lusk, A. Skjellum. Using MPI: Portable Parallel Programming with the Message-Passing Interface. MIT Press, 2014 (3rd edition).

Распределенные системы

• Andrew S. Tanenbaum, Maarten van Steen. Distributed Systems: Principles and Paradigms. Pearson, 2007 (2nd edition). (Перевод на русский 1-го издания: Э. Таненбаум, М. ван Стеен. Распределенные системы. Принципы и парадигмы. — СПб.: Питер, 2003.)
• Martin Kleppmann. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems. O’Reilly Media, 2017.