Школа по компьютерным наукам

Что? Где? Когда?

Зимняя школа по компьютерным наукам пройдет с 25 по 29 января 2015 года в учебном центре "Вороново" НИУ ВШЭ.

На школе по компьютерным наукам будут представлены магистерские программы, которые ведет факультет компьютерных наук:

• Системная и программная инженерия (руководитель И.А. Ломазова)
• Науки о данных (руководитель С.О. Кузнецов; справочный материал о поступлении на программу)
• Математические методы оптимизации и стохастики (руководитель В.Г. Спокойный, набор открывается в 2015 году)

Также в школе будут участвовать коллеги из магистерской программы «Математические методы моделирования и компьютерные технологии» МИЭМ НИУ ВШЭ (руководитель М.В. Карасев).

На школе будет прочитан цикл научных лекций ведущих российских и мировых специалистов; состоятся презентации магистерских программ и ключевых партнеров факультета компьютерных наук; пройдет подготовка к сдаче вступительных экзаменов в магистратуру НИУ ВШЭ по магистерским программам, представленным на школе.

Лекторы и лекции

Фуад Алескеров (НИУ ВШЭ)

Как оценить спрос на высшее образование?

В работе представлены результаты прогнозирования контрольных цифр приема в среднесрочной перспективе с использованием моделей многоступенчатого выбора. Рассматривается новая динамическая модель переключения предпочтений абитуриентов между двумя группами специальностей.

Дмитрий Ветров (НИУ ВШЭ)

Машинное обучение на больших данных - новые подходы

Человечество вступило в эпоху больших данных - время, когда объем доступной для анализа информации нарастает на порядки быстрее чем вычислительные мощности. Традиционные математические методы и модели в такой ситуации становятся неприменимы. Необходимо создание “новой математики”, адаптированной под новые соотношения между данными и вычислительными ресурсами. Как можно хранить и обрабатывать многомерные массивы в линейных по памяти структурах? Что дает обучение нейронных сетей из триллионов триллионов нейронов и как можно осуществить его без переобучения? Можно ли обрабатывать информацию “на лету”, не сохраняя поступающие последовательно данные? Как оптимизировать функцию за время меньшее чем уходит на ее вычисление в одной точке? Что дает обучение по слаборазмеченным данным? И почему для решения всех перечисленных выше задач надо хорошо знать математику? Ответы на эти вопросы будут рассмотрены в лекции.

Geoffrey Décrouez (НИУ ВШЭ)

To be announced

Лекция будет прочитана на английском языке.

Ирина Ломазова (НИУ ВШЭ)

Процессы в информационных системах: моделирование, анализ, совершенствование

Процессы окружают нас повсюду: аренда автомобиля, бронирование авиабилета, покупка в интернет-магазине, подача налоговой декларации, скачивание файла — все это поддерживается специальными процессно-ориентированными информационными системами. Сегодня процессы оставляют массу информационных следов в базах данных, аудиторских отчетах, логах сообщений и транзакций и т.п. При этом модели процессов, построенные людьми, могут сильно отличаться от реального исполнения процессов. Можно ли обеспечить корректное и надежное выполнение процессов? Как обнаружить и исправить узкие места в организации процессов? Можно ли восстановить модель процесса по истории его выполнения? Как связать модель с реальным поведением системы? Из лекции Вы узнаете, где и как искать ответы на эти вопросы.

Макс Канович (University College London и НИУ ВШЭ)

Compositionality: Local Resource Reasoning against Global Properties

Compositionality - that the analysis result of a whole is computed from the analysis results of its parts - has well-known benefits in logic, Artificial Intelligence, and computer science, including, in program analysis, the ability to analyze incomplete programs (e.g., programs as they are being written) and increased potential to scale.

We will consider the basic logical tools intended to provide compositionality, namely, the frame property and bi-abduction.

The frame property captures the idea of the local reasoning deduction that remains valid in specific contexts. Abductive inference is a mode of reasoning that concerns generation of new hypotheses.

The main challenge is to dig information out of bare code by iterated deduction and hypothesis formation.

Дмитрий Сошников (Microsoft)

Александр Петренко (Институт системного программирования РАН)

Иван Пузыревский (НИУ ВШЭ и компания Яндекс)

Алгоритмы для анализа потоков данных

При работе с большими данными часто случается, что объем поступающей на вход алгоритму информации значительно превышает размер внутренней памяти. Из-за этого подсчитать и запомнить весь вход становится невозможно, и приходится поддерживать в памяти лишь некоторое компактное представление уже прочитанной части. Удивительно, но даже в этих жестких условиях удается вычислить многие важные параметры последовательности — частотные элементы, количество различных значений и так далее. О задачах подобного типа и пойдет речь в этой лекции.

Константин Яковлев (Базовая кафедра “Математические методы системного анализа” Института системного анализа РАН)

Методы и алгоритмы планирования траектории интеллектуальных агентов (роботов, компьютерных персонажей и др.)

Планирование траектории в пространстве является одной из ключевых способностей интеллектуального агента (робота, беспилотного транспортного средства, персонажа компьютерной игры и др.), функционирующего в реальном или виртуальном мире. Несмотря на то, что исследования в области автоматического планирования траектории ведутся с 60-х годов ХХ века, к настоящему моменту в этой предметной области решены далеко не все задачи (как теоретические, так и практические), и интерес исследователей к их решению весьма велик. В докладе будут рассмотрены основные модели, методы и алгоритмы искусственного интеллекта, применимые к проблеме планирования траектории агента в пространстве. Особое внимание будет уделено методам построения графовых моделей окружающего интеллектуального агента пространства и методам эвристического поиска на этих графах.

Юрий Максимов (Институт проблем передачи информации им. А.А. Харкевича РАН/ПреМоЛаб)

Статистика, оптимизация, сложность вычислений

В лекции пойдет речь о некоторых интересных и красивых задачах, возникающих на стыке оптимизации, статистики и машинного обучения с теорией вычислительной сложности.

Александр Гасников (Московский физико-технический институт/ПреМоЛаб)

Разреженность и рандомизация: как они помогают оптимизировать в пространствах огромных размеров

В докладе речь пойдет о нескольких недавних сюжетах, восходящих к идеям А.С. Немировского, Ю.Е. Нестерова, Б.Т. Поляка и др. В частности, будут рассмотрены: Google problem (ранжирование web-страниц), l1- оптимизация (сжатие измерений), энтропийно-линейное программирование (задачи, возникающие при поиске равновесий макросистем).

Григорий Кабатянский (НИУ ВШЭ и Институт проблем передачи информации им. А.А. Харкевича РАН)

Конечные поля, коды и криптография

Дмитрий Николаев (Институт проблем передачи информации им. А.А. Харкевича РАН)

Какая математика нужна, чтобы научить компьютер видеть?

Александр Холево (МИАН И НИУ ВШЭ)

Что такое квантовая информатика?

Квантовая информатика – новая, быстро развивающаяся наука, которая изучает общие закономерности передачи, хранения и преобразования информации в системах, подчиняющихся законам квантовой механики. Квантовая информатика использует математический аппарат линейной алгебры, основы  анализа и теории вероятностей для исследования потенциальных  возможностей таких систем, а также разрабатывает принципы их  рационального и помехоустойчивого дизайна.

Новые возможности, открывающиеся при использовании специфически-квантовых  ресурсов, таких как сцепленность (запутанность) состояний, дополнительность между измерением и возмущением, невозможность  клонирования квантовой информации пpоиллюстpиpованы в лекции на  пpимеpах алгоритмов квантовой телепоpтации и свеpхплотного кодиpования.

Сергей Нечаев (НИУ ВШЭ, ФИАН и Université Paris-Orsay)

Решеточные зверушки, тетрис и сравнение последовательностей

В лекции будет рассказано, как геометрическая теория групп позволяет решать ряд комбинаторных задач, возникающих в экстремальной статистике сильно коррелированных процессов.

Широко известно распределение Гаусса, которое часто встречается в природе. В последнее время стало понятно, что это распределение не уникально: в реальном мире был обнаружен не менее широкий класс процессов, в которых принципиальную роль играют экстремальные значения коррелированных величин (например, рост чернильного фронта на промокательной бумаге, опущенной в банку с чернилами, или игра в "тетрис" с закрытыми глазами). Соответствующие распределения вероятности устроены совершенно не так, как распределение Гаусса, и требуют для своего анализа другой математики.

В качестве примеров мы покажем как с помощью геометро-групповых методов можно вычислять статистическую сумму ансамбля "решеточных зверушек", а также изучать статистику кучи в игре в "тетрис" при случайном бросании в ящик одинаковых элементарных блоков. Мы также обсудим связь игры в “тетрис” с поиском общей самой длинной подпоследовательности в двух случайных последовательностях - важной современной задачей геномики.

Роман Ефремов (ИБХ РАН И НИУ ВШЭ)

Биоинформатика и молекулярная медицина

Лекция рассчитана на слушателей, интересующихся разработкой и применением новейших методов математического и компьютерного моделирования для анализа на молекулярном уровне захватывающе интересных явлений, происходящих в живой клетке. Используемые методы компьютерного моделирования (т.н. технологии in silico - от лат. «в кремнии», т.е. на компьютере) сегодня являются неотъемлемыми партнерами традиционных экспериментальных методов биофизики, биохимии, молекулярной биологии. В лекции рассматриваются модели и математические алгоритмы, описывающие структуру, динамику и функции важнейших представителей биологических систем - молекул белков, биомембран и белок-мембранных комплексов. Клеточные мембраны (включая внедренные в них белки) представляют собой наиболее перспективный класс фармакологических мишеней, на которые должно быть направлено действие лекарств нового поколения.

Среди вопросов, которые рассматриваться в лекции:

• как устроены и как работают белки и клеточные мембраны на уровне отдельных молекул?
• можно ли на компьютере смоделировать процессы функционирования этих систем?
• как компьютерная биология помогает в создании совершенно новых классов лекарств?

Юрий Лозовик (ИСАН И НИУ ВШЭ)

Моделирование наномира и нанороботы

Чудеса наномира начинаются с того, что недавно открытый физиками материал графен (слой углерода толщиной в один атом), казалось бы, противоречит известной теореме Ландау-Пайерлса-Мермина-Вагнера, которая запрещает существование упорядоченных двумерных кристаллов. Более того, вызовом для теории является и существование так называемых мембран - свободно подвешенных двумерных систем.

Однако, свойства маломерных (одномерных и двумерных) наноструктур, в частности, нанотрубок, вполне успешно рассчитываются на компьютерах. Разработанные математические и вычислительные методы открывают уникальные возможности для моделирования нанороботов - наноэлектромеханических систем (НЭМС). В лекции рассмотрены перспективны для компьютерных экспериментов и моделирования концептуально новых элементов электроники, оптики и НЭМС на основе графена и углеродных нанотрубок.

 Программа Зимней школы по компьютерным наукам (DOCX, 23 Кб)

 
     Видеозаписи первого дня Зимней школы