• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты
Руководство
Киселева Ирина Анатольевна
Заместитель декана факультета по учебной работе Киселева Ирина Анатольевна
Заместитель декана факультета по работе со студентами Шадрина Елена Викторовна
Отдел сопровождения учебного процесса очных программ бакалавриата и магистратуры: Начальник отдела Емельянова Мария Максимовна

Телефон:
+7 (831) 4320089
6403
email: memelyanova@hse.ru

Образовательные программы
Бакалаврская программа

Бизнес-информатика

4 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Компьютерные науки и технологии

4 года
Очная форма обучения
170/105/6

170 бюджетных мест

105 платных мест

6 платных мест для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Программная инженерия (очно-заочное обучение)

4,5 года
Очно-заочная форма обучения
30

30 платных мест

RUS
Обучение ведётся полностью на русском языке
Бакалаврская программа

Технологии искусственного и дополненного интеллекта

4 года
Очная форма обучения
10/50/2

10 бюджетных мест

50 платных мест

2 платных места для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Фундаментальная и прикладная математика

4 года
Очная форма обучения
40/20/1

40 бюджетных мест

20 платных мест

1 платное место для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Бизнес-информатика

2 года
Очная форма обучения
22/20/1

22 бюджетных места

20 платных мест

1 платное место для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Интеллектуальный анализ данных

2 года
Очная форма обучения
38/5/1

38 бюджетных мест

5 платных мест

1 платное место для иностранцев

RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Искусственный интеллект и компьютерное зрение

2 года
Очная форма обучения
Онлайн-программа
60/10

60 платных мест

10 платных мест для иностранцев

ENG
Обучение ведётся полностью на английском языке
Магистерская программа

Математика

2 года
Очная форма обучения
12/5/1

12 бюджетных мест

5 платных мест

1 платное место для иностранцев

ENG
Обучение ведётся полностью на английском языке
Книга
Отечественные историки математики

Полотовский Г. М., Синкевич Г. И.

ИД "Петрополис", 2025.

Статья
On the Structure of Orbits from a Neighborhood of a Transversal Homoclinic Orbit to a Nonhyperbolic Fixed Point

Gonchenko S., Gordeeva O. V.

Regular and Chaotic Dynamics. 2025. Vol. 30. No. 1. P. 9-25.

Глава в книге
Academic Capitalism

Chepurenko A., Nefedova A.

In bk.: International Encyclopedia of Business Management. Vol. 2. Elsevier, 2026. P. 662-666.

Препринт
The Gamma-Theta Conjecture holds for planar graphs

Taletskii D.

math. arXiv. Cornell University, 2024

Лекция профессора Пардалоса для магистров ф-та БИ и ПМ

заслуженный профессор университета Флориды, научный руководитель лаборатории ЛАТАС профессор Пардалос П.М. прочтет 4 сентября лекцию для студентов магистратуры факультета БИ и ПМ Knowledge discovery and Optimization Heuristics for Massive Networks  Panos M. Pardalos Center for Applied Optimization, Department of Industrial  and Systems Engineering, University of Florida Gainesville, FL USA and Laboratory of Algorithms and Technologies for Networks Analysis (LATNA) National Research University, Higher School of Economics,  Moscow, Russia.

In recent years, data mining and optimization heuristics have been used to analyze many large (and massive) data-sets that can be represented as a network. In these networks, certain attributes are associated with vertices and edges. This analysis  often provides useful information about the internal structure of the datasets they represent. We are going to discuss our work on several networks from telecommunications (call graph), financial networks (market graph), social networks, and neuroscience.

 In addition, we are going to present recent results on critical element selection. In network analysis, the problem of detecting subsets of elements important to the connectivity of a network (i.e., critical elements) has become a fundamental task over the last few years. Identifying the nodes, arcs, paths, clusters, cliques, etc., that are responsible for network cohesion can be crucial for studying many fundamental properties of a network.

 Лекция состоится в четверг, 4 сентября, в 18:00, в ауд. 302