• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Книга
Качество приема как зеркало развития высшего образования: итоги 2025 года и долгосрочные тренды. Современная аналитика образования №3 (95)

Кузьминов Я. И., Кручинская Е. В., Габдрахманов Н. К. и др.

Вып. 3 (95): КАЧЕСТВО ПРИЕМА КАК ЗЕРКАЛО РАЗВИТИЯ ВЫСШЕГО ОБРАЗОВАНИЯ: ИТОГИ 2025 ГОДА И ДОЛГОСРОЧНЫЕ ТРЕНДЫ. М.: НИУ ВШЭ, Институт образования, 2026.

Статья
Artificial Intelligence. Law. Industries

Bogdanovskaya I. J., Volos A., N.A. Danilov et al.

Legal Issues in the Digital Age. 2026. Vol. 7. No. 2. P. 113-135.

Глава в книге
VIA AI: Reliable Deep Reinforcement Learning for Traffic Signal Control

Герасёв М. С., Kiselev D., Beketov M. et al.

In bk.: 2024 IEEE International Conference on Data Mining (ICDM) Workshops (ICDMW). Curran Associates, 2024. P. 887-890.

Введение в дискретную математику и теорию графов

2026/2027
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты
Статус:
Курс обязательный
Когда читается:
2-й курс, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

Основная цель курса — дать введение в разделы дискретной математики, важные для анализа данных.Мы начнем с краткого введения в комбинаторику, раздел математики, изучающий подсчеты. Основы комбинаторики критически важны для всех, кто работает в анализе данных или в Computer Science. В качестве примеров использования комбинаторики мы обсудим вопросы о подсчете размера пространства признаков и об оценке времени работы программ на Python. После этого мы используем наши знания в комбинаторике в изучении дискретной вероятности. Вероятностью в области анализа данных пронизано абсолютно все, и мы еще изучим этот раздел математики в одном из следующих курсов гораздо подробнее. В этом курсе в части вероятности наша цель — дать первоначальное знакомство с этой областью, а также дать нам возможность использовать вероятность в следующей части курса. Наконец, в третьей части курса НИУ ВШЭ мы обсудим комбинаторную структуру, наиболее часто встречающуюся в анализе данных — графы. Графы встречаются повсюду, как в анализе данных, так и в обычной жизни, и мы увидим это на разнообразных примерах. Мы дадим необходимые сведения из теории графов, а в конце курса выполним проект, а именно построим несложную рекомендательную систему, основанную на случайных блужданиях в графах.