Школа анализа данных Яндекса

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (Преподаватели: Конушин)
(викификация)
 
Строка 1: Строка 1:
-
'''Школа анализа данных Яндекса''' - организована компанией «[[Яндекс]]» в 2007 году с целью подготовки специалистов в области анализа данных и извлечения информации из интернета, проведения фундаментальных научных разработок в этой области и участия в прикладных проектах Яндекса.
+
'''Школа анализа данных Яндекса''' — организована компанией «[[Яндекс]]» в 2007 году с целью подготовки специалистов в области анализа данных и извлечения информации из интернета, проведения фундаментальных научных разработок в этой области и участия в прикладных проектах Яндекса.
-
Директор Школы Яндекса - профессор Ратгерского университета [[Мучник, Илья Борисович|Илья Борисович Мучник]].
+
Директор Школы Яндекса — профессор Ратгерского университета [[Мучник, Илья Борисович|Илья Борисович Мучник]].
-
 
+
В Школе Яндекса работает три отделения: отделение анализа данных, отделение computer science и отделение биоинформатики (с 2011/2012 г). Студенты изучают следующие дисциплины.
-
В Школе Яндекса работает три отделения: отделение анализа данных, отделение computer science и отделение биоинформатики (с 2011/2012г). Студенты изучают следующие дисциплины.
+
'''Анализ данных:'''
'''Анализ данных:'''

Текущая версия

Школа анализа данных Яндекса — организована компанией «Яндекс» в 2007 году с целью подготовки специалистов в области анализа данных и извлечения информации из интернета, проведения фундаментальных научных разработок в этой области и участия в прикладных проектах Яндекса.

Директор Школы Яндекса — профессор Ратгерского университета Илья Борисович Мучник.

В Школе Яндекса работает три отделения: отделение анализа данных, отделение computer science и отделение биоинформатики (с 2011/2012 г). Студенты изучают следующие дисциплины.

Анализ данных:

  • базовые разделы анализа данных (методы построения классификаторов, вычисления мер сходства между объектами, кластерный анализ, методы визуализации и сокращения размерностей);
  • методы анализа специальных данных (изображений, символьных последовательностей, текстов на естественных языках и других структурных объектов);
  • методы оптимизации, необходимые для построения основных вычислительных процедур (как для базовых задач, так и для специальных).

Сomputer science:

  • дополнительные главы дискретного анализа, теории графов, комбинаторики и теории вероятностей.
  • методы построения и анализа эффективных алгоритмов и структур данных;
  • современные методы машинного обучения, обработки текстовой информации и распределенных вычислений.

Биоинформатика:

  • комбинаторика и теории вероятностей, статистика, мат. анализ (для биологов)
  • введение в биологию, системная биология, молекулярная эволюция, мед. и популяционная генетика, сравнительная геномика, иммунология, микробиология и вирусология, нейрофизиология и физиология сенсорных систем, биология развития
  • алгоритмы биоинформатики, анализ данных, структурная биоинформатика
  • программирование и базы данных специфических для биоинформатики

Преподаватели

Ссылки

Личные инструменты