Кафедра прикладной математики и информатики (Нижний Новгород)

Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

✖

АБB
АБB
АБB

Обычная версия сайта

О кафедре

Кафедра ПМИ создана в 2006 году как выпускающая кафедра по направлению "Прикладная математика и информатика".

Целью деятельности кафедры «Прикладной математики и информатики» является подготовка высококвалифицированных специалистов (бакалавров и магистров) по направлению 010500 «Прикладная математика и информатика», обладающих знаниями и квалификацией, необходимыми для профессионального моделирования и информационного обеспечения экономических и бизнес процессов, анализа и обработки данных.

Научная деятельность

Кафедра выполняет межкафедральные (кафедры Информационных систем и технологий, Математики и др.) исследовательские проекты, национальные проекты в составе общих исследовательских групп (РФФИ, проекты Минобрнауки РФ и др.) с участием партнеров из Института прикладной математики им. М. Келдыша РАН, Математического института им. В. Стеклова РАН, Института прикладной физики РАН, МГУ им. М. Ломоносова, ННГУ им Н. Лобачевского. Осуществляется международное сотрудничество с различными научными центрами Европы и США.

Публикации

Книга

Теория вероятностей и математическая статистика. 2-е изд.

Колданов А. П., Колданов П. А.

М.: Издательский дом НИУ ВШЭ, 2024.

Статья

Эффективный поиск минимального дерева на точках пространства в $l_1$-норме

Каймаков К. В., Малышев Д. С.

Математические заметки. 2025. Т. 117. № 5. С. 672-679.

Глава в книге

ALOE: Boosting Large Language Model Fine-Tuning with Aggressive Loss-Based Elimination of Samples

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

In bk.: Frontiers in Artificial Intelligence and Applications: 27th European Conference on Artificial Intelligence, 19–24 October 2024, Santiago de Compostela, Spain. Vol. 392. IOS Press Ebooks, 2024. P. 3980-3986.

Препринт

The Gamma-Theta Conjecture holds for planar graphs

Taletskii D.

math. arXiv. Cornell University, 2024

Все публикации

603093 Н.Новгород, ул. Родионова, д. 136, 406 к.

Тел: (831) 436-13-97
E-mail: kaf_pmi@hse.ru

Факультет информатики, математики и компьютерных наук (Нижний Новгород)

Кафедра прикладной математики и информатики (Нижний Новгород)

Кто читает:: Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:: Маго-лего

Когда читается:: 1 модуль

Преподаватель

Пономаренко Александр Александрович

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Как отличить сеть развившуюся естественным образом от сети построенную искусственно; определить критические и наиболее важные элементы в сети; выделить сообщества в сетях; предсказать появления ребра; предсказать как сеть будет развиваться с течением времени – всё это вы узнаете в рамках данного курса.

Цель освоения дисциплины

Владеть методами кластеризации
Знать и разбираться в различных моделях случайных графов
Владеть методами поиска наиболее важных элементов в сети
Понимать принципы работы графовых нейронных сетей

Планируемые результаты обучения

Знаем модели графов со свойствами "тесного мира". Может запрограммировать.
Знает концепцию DHT и принцип работы Chord протокола.
Знает основные характеристики графов
Понимает Page Rank алгоритм. Понимает модель случайного блуждателя
Понимает метод вложения графов в векторное пространство graph2vec
Понимает метод спектральной кластеризации. Может запрограммировать.
Понимает модель Клайнберга.
Понимает модель. Умеет вычислять вероятность возникновения фиксированной структуры,.

Содержание учебной дисциплины

Основные характеристики графов
Google’s PageRank, HITS
Случайные графы.
Модели графов со свойствами "тесного мира"
Алгоритмы кластеризации в сетях
Модели навигационных тесных миров
Методы вложения графов в векторные пространства.

Элементы контроля

Навигационные графы
Модели случайных графов

Промежуточная аттестация

2024/2025 1st module
0.5 * Модели случайных графов + 0.5 * Навигационные графы

Список литературы

Авторы

Грибанов Дмитрий Владимирович
Пономаренко Александр Александрович

Методы анализа сетевых структур