• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

 

Декан — Асеева Наталья Владимировна

 

Руководитель учебного офиса образовательной программы "Прикладная математика и информатика"
Воронцова Светлана Григорьевна
Телефон: (831) 416 95 40
email: svorontsova@hse.ru


Руководитель учебного офиса образовательной программы "Бизнес-информатика"
Куранова Яна Павловна
Телефон: (831) 416 98 00
email: ykuranova@hse.ru


Менеджер образовательной программы "Программная инженерия"
Панкратова Лилия Александровна
Телефон: (831) 416 95 40
E-mail: lpankratova@hse.ru


Менеджер образовательной программы "Математика"

Колданова Мария Никитична
Телефон: (831) 416 95 40
E-mail: mkoldanova@hse.ru

 

Адрес: 603155, Н.Новгород, ул. Б.Печерская, 25/12, каб. 301

 

Партнеры:

 

Образовательные программы
Бакалаврская программа

Бизнес-информатика

4 года
Очная форма обучения
45/20/5
45 бюджетных мест
20 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Математика

4 года
Очная форма обучения
20/5/3
20 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
35/20/3
35 бюджетных мест
20 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
30/20/3
30 бюджетных мест
20 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Бизнес-информатика

2 года
Очная форма обучения
20/15/3
20 бюджетных мест
15 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Интеллектуальный анализ данных

2 года
Очная форма обучения
25/5/3
25 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Математика

2 года
Очная форма обучения
10/10/5
10 бюджетных мест
10 платных мест
5 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Книга
Невидимые правила цифрового политического участия: компьютерные модели онлайн-дискуссий

Бабкин Э. А., Карпов Н. В., Радина Н. К. и др.

Н. Новгород: Издательство Нижегородского госуниверситета им. Н.И. Лобачевского, 2018.

Статья
Konig graphs with respect to the 4-path and Its spanning supergraphs

Malyshev D., Mokeev D. B.

Journal of Applied and Industrial Mathematics. 2019. Vol. 26. No. 1. P. 74-88.

Глава в книге
DEMO as a tool of value co-creation strategy realization

Babkin E., Malyzhenkov P. V.

In bk.: Advances in Enterprise Engineering XII. Vol. 334. Springer, 2019. Ch. 10. P. 159-167.

Препринт
Asymmetric variations of multifunctions with application to functional inclusions

Vyacheslav V. Chistyakov.

Functional Analysis. arXiv [math.FA]. Cornell University, NY, USA, 2019. No. 1901.09722.

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