HSE University Online

Bachelor's

Master's

Online

programmes

You will master your skills by solving a wide variety of real-world problems like image captioning and automatic game playing throughout the course projects. You will gain the hands-on experience of applying advanced machine learning techniques that provide the foundation to the current state-of-the art in AI

During the course "Mathematics for ComputerVision", students will complete the project “Use matrix filters and set functions to detect the edges of an object in the image”. During the working at this project, students using Python programming language (Jupiter's notebook), will implement the application that performs the required functions. All operations will have to be implemented independently without using third-party libraries. At the course "Object-oriented Programming", students will apply the acquired skills and develop an application in C++ programming language. At the course "2D Image Processing", students will design the application -Development of C++ application that use OpenCV to detect and count coins in a given image. In addition, they will test the quality of created detector application

This specialization gives an introduction to reinforcement learning, natural language understanding, computer vision. Upon completion of 4 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings

This specialization focuses on key finance concepts of the value creation vision of any firm, including closely held and family businesses. You will gain an understanding of how risk-return criteria change the performance measurement of a company itself and help to assess different financial instruments in financial markets that might be used for financing to capture growth opportunities. It gives you the tools to address the value-creation effects of business decisions in any sector. You’ll also unlock a new vision on how different motives behind the executive team and board decisions can impact corporate performance. We involve experts from large employers, such as PWC, Russian Agricultural Bank, Moscow Exchange, Boston Consulting Group, and IBS consulting into delivering particular topics and share their expertise in applying value creation thinking to real-life decisions. You will master your skills by working with real data projects which involve the application of models for asset pricing and value drivers analytics. You will also gain hands-on experience in applying financial ratios to analyze real-world companies, and their life cycle stage and compare accounting-based performance versus value-based.

Behind numerous standard models and constructions in Data Science there is mathematics that makes things work. It is important to understand it to be successful in Data Science. In this specialisation we will cover wide range of mathematical tools and see how they arise in Data Science. We will cover such crucial fields as Discrete Mathematics, Calculus, Linear Algebra and Probability. To make your experience more practical we accompany mathematics with examples and problems arising in Data Science and show how to solve them in Python

The specialization is intended for a general audience of business analysts, seeking to augment their toolkit with the newest analytical methods. Specifically, they will get introduced to the analysis of networks and unstructured data (texts) – the two areas that are currently hailed as the “methods of the future.” The connections that people build and the words they use can potentially tell us much more about the organizational processes than the traditional analytics on numbers. It is also for anyone who wants to learn practical analytics. “Business” is a very broad domain. Learners will know about the application of the newest methods to the analysis of business and will be able to extend the knowledge to other areas. To immerse the newly learned methods into the broader analytical context, specialization offers two additional overview courses. One is dedicated to the field of analytics, helping form a solid understanding of the role that different methods play in generating insights. The second one is an overview of business analytics specifically, with practical tools and tips for a more successful analytic outcome.

The Quantitative Finance Specialization provides fundamentals for quantitative analysis of financial data. Starting from the basic concepts of time value of money and descriptive statistics, you will dive into theory and practice of econometric models on real data. To make it more beneficial for your CV, you will complete the specialization by developing your own financial model. Final project As you progress through the Quantitative Finance Specialization, you will practice the acquired skills on real data by using Excel and RStudio. Each course of the specialization offers a final project that will be peer-reviewed. You will calculate cash flows and descriptive measures of return data, analyze cross-sectional data of different firms, choose the best specification of estimating models, estimate CAPM model and, finally, experience what financial analysts go through in real life when developing a financial model

Специализация «Алгоритмы и структуры данных» состоит из двух курсов: «Алгоритмы и структуры данных-1» и «Алгоритмы и структуры данных-2». Каждый курс вы можете пройти отдельно.

За каждой стандартной моделью и конструкцией в Data Science стоит математика, благодаря которой эти модели функционируют. Если вы хотите работать с данными на серьезном уровне и понимать, как устроены методы машинного обучения, то знание математических основ вам просто необходимо. В этой специализации мы изучим широкий спектр математических инструментов и рассмотрим некоторые их приложения к анализу данных. Будут рассмотрены такие важные разделы математики, как дискретная математика, линейная алгебра, математический анализ и теория вероятностей. Материалы курсов разработаны с учетом современного состояния Data Science и покрывают все темы, необходимые для для дальнейшего развития в данном направлении. Чтобы сделать обучение более практико-ориентированным, мы сопровождаем лекции примерами и задачами, возникающими при реальной работе с данными, и показываем, как решать подобные задачи с помощью Python. Курсы рекомендуется проходить в том порядке, в котором они представлены на платформе. Каждый из них в той или иной мере использует материал, разобранный в предыдущих курсах. Помимо лекций и теоретических заданий, в специализацию включены также практические задания на Python и проекты, которые позволят слушателю применить полученные в предлагаемых курсах знания для решения задач, близких к анализу данных. Некоторые задания на программирование построены на реальных данных и дают представление о простых решениях прикладных задач.

Мы начнём с изучения инструментария Python для анализа данных: разберёмся, как с его помощью можно собирать данные из разнообразных источников, искать и устранять в них проблемы, делать первичную аналитику. В следующих курсах мы познакомимся с классическим машинным обучением (и дойдём до композиций моделей, которые являются стандартом для работы с табличными данными) и статистическими методами и их приложениями для анализа моделей, работы с временными данными и A/B-тестирования. Наконец, мы изучим ключевые разделы глубинного обучения: узнаем, как обучаются современные нейронные сети и как именно они позволяют добиваться мощных результатов при анализе изображений и текстов. Во всех курсах нашей специализации есть как классические лекции, так и практические занятия. Помимо тестовых заданий на знание теории, слушателей ждет решение различных практических задач, в большинстве случаев построенных на реальных данных

Специализация «Программирование на языке C#» состоит из трёх курсов: «Основы языка C#», «Объектно-ориентированное программирование на языке С#» и «Промышленная разработка на языке С#». Каждый курс вы можете пройти отдельно.

В первом курсе мы изучим технологии работы с большими данными, во втором — сконцентрируемся на адаптации алгоритмов машинного обучения для распределенного построения. В заключительном, третьем курсе специализации мы будем применять изученные методы и алгоритмы для построения реальных сервисов. Слушатели, успешно освоившие все темы программы, научатся эффективно использовать большие данные, обучать на них модели машинного обучения и создавать на их основе сервисы для решения практических задач. Значительная часть видеоматериала специализации — практические занятия, на которых подробно разбираются различные проекты.