ВШЭ запустила две новые специализации в области компьютерных наук на Coursera

Специализации Introduction to Discrete Mathematics for Computer Science и Advanced Machine Learning — англоязычные. Обе создавались при участии компании Яндекс, а специализация Introduction to Discrete Mathematics for Computer Science — также при участии Университета Калифорнии в Сан-Диего.

Авторы специализации Introduction to Discrete Mathematics for Computer Science — Михаил Левин (ВШЭ, Яндекс), Владимир Подольский (ВШЭ), Александр Куликов (Университет Калифорнии в Сан-Диего), приглашенный лектор — Александр Шень (Национальный центр научных исследований Франции — CNRS).

Наряду с изучением математических аспектов, авторы стремятся развить у слушателя понимание того, что такое доказательство с точки зрения математики.

«Нам важно, чтобы слушатель ознакомился с различными методами и идеями рассуждений, научился отличать доказательства и проводить их самостоятельно, — отмечает руководитель Департамента больших данных и информационного поиска ВШЭ Владимир Подольский. — Учить таким навыкам в рамках онлайн-курсов — нетривиальная задача, поскольку возможностей для обратной связи меньше, чем при очном обучении. Поэтому мы включаем в курсы интерактивные задачи и головоломки в игровой форме. Их интересно решать, они позволяют задуматься о возможности той или иной конструкции, увидеть препятствия на пути построения рассуждения или модели, заметить ключевые идеи, из которых впоследствии вырастают доказательства».

Специализацию Advanced Machine Learning подготовил коллектив из 22 авторов. Она состоит из 7 курсов.

Первый курс — Introduction to Deep Learning — знакомит с глубинными нейронными сетями и их архитектурами для анализа изображений и текстов. Остальные курсы в той или иной мере на него опираются.

Три курса — Introduction to Reinforcement Learning, Deep Learning for Computer Vision и Natural Language Processing — посвящены конкретным областям машинного обучения.

В курсе Bayesian Methods for Machine Learning, созданном при участии Международной лаборатории глубинного обучения и байесовских методов, речь пойдёт об основах байесовского подхода и о его перспективных применениях для обучения глубинных нейронных сетей.

Еще два курса посвящены прикладным вопросам. В курсе How to Win a Data Science Competition: Learn from Top Kagglers победители соревнований по анализу данных расскажут об особенностях использования продвинутых методов машинного обучения на практике и о том, как добиться лучших результатов на реальных задачах. Из курса Addressing Large Hadron Collider Challenges by Machine Learning на примерах, связанных с анализом данных Большого адронного коллайдера, можно будет узнать способы решения сложных задач, в которых не работают стандартные методы машинного обучения или в которых предметная область предъявляет к моделям очень специфичные требования.

«Науки о данных развиваются быстро, и образованию не всегда удаётся держать такой же темп, — говорит заместитель руководителя Департамента больших данных и информационного поиска ВШЭ Евгений Соколов. — Классические методы машинного обучения ещё в начале XXI века успешно использовались в бизнесе, но курсы по машинному обучению широко распространились лишь в последние годы. Сейчас появляются новые области — скажем, глубинное обучение или обучение с подкреплением, и этому только начинают учить в университетах. Благодаря нашей специализации слушатели узнают о последних успехах в области искусственного интеллекта, смогут применять современные методы машинного обучения, а также приобретут опыт решения задач с нестандартными постановками».

Полный список онлайн-курсов ВШЭ