• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФКН
Контакты

Декан — Филинов Николай Борисович

 

Первый заместитель декана — Царьков Игорь Николаевич

 

Заместитель декана по образовательной деятельности — Герами Виктория Дарабовна

 

Заместитель декана по работе с абитуриентами, студентами и выпускниками — Лесовская Ирина Николаевна

 

тел: +7 (495) 772-95-69
e-mail: fbm@hse.ru
105187, Москва,
ул. Кирпичная, 33

 

Редактор сайта факультета — Сдобнов Василий Викторович

Образовательные программы
Бакалаврская программа

Бизнес-информатика

4 года
Очная форма обучения
85/120/25
85 бюджетных мест
120 платных мест
25 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Логистика и управление цепями поставок

4 года
Очная форма обучения
50/65/10
50 бюджетных мест
65 платных мест
10 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Маркетинг и рыночная аналитика

4 года
Очная форма обучения
25/50/10
25 бюджетных мест
50 платных мест
10 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Менеджмент

4 года
Очная форма обучения
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Управление бизнесом

4 года
Очная форма обучения
60/80/35
60 бюджетных мест
80 платных мест
35 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Цифровые инновации в управлении предприятием (программа двух дипломов НИУ ВШЭ и Лондонского университета)

4 года
Очная форма обучения
80/12
80 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

HR-аналитика

2 года
Очная форма обучения
20/10/5
20 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Бизнес-информатика

2 года
Очная форма обучения
70/20/4
70 бюджетных мест
20 платных мест
4 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Инновационные технологии управления цепями поставок

2 года
Очная форма обучения
20/1
20 платных мест
1 платное место для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Маркетинг

2 года
Очная форма обучения
35/15/10
35 бюджетных мест
15 платных мест
10 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Маркетинговые коммуникации и реклама в современном бизнесе

2 года
Очная форма обучения
25/10/4
25 бюджетных мест
10 платных мест
4 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Менеджмент в ритейле

2 года
Очная форма обучения
25/2
25 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Менеджмент и маркетинг в индустрии моды

2 года
Очная форма обучения
25/2
25 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Системы больших данных

2 года
Очная форма обучения
20/10/10
20 бюджетных мест
10 платных мест
10 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Стратегии развития бизнеса: управление и консалтинг

2 года
Очная форма обучения
30/10/6
30 бюджетных мест
10 платных мест
6 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Стратегический менеджмент в топливно-энергетическом комплексе

2,5 года
Очно-заочная форма обучения
15/2
15 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Стратегическое управление логистикой

2 года
Очная форма обучения
40/10/5
40 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Управление информационной безопасностью

2 года
Очная форма обучения
20/10/4
20 бюджетных мест
10 платных мест
4 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Управление проектами: проектный анализ, инвестиции, технологии реализации

2 года
Очная форма обучения
30/10/10
30 бюджетных мест
10 платных мест
10 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Управление человеческими ресурсами

2 года
Очная форма обучения
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Цифровая логистика и управление цепями поставок

2 года
Очная форма обучения
20/10/5
20 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме

2 года
Очная форма обучения
20/10/2
20 бюджетных мест
10 платных мест
2 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Электронный бизнес

2 года
Очная форма обучения
25/10/2
25 бюджетных мест
10 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Книга
Инструменты оценки и обеспечения устойчивого развития отраслей российской экономики

Батаева Б. С., Кожевина О. В., Богачев Ю. С. и др.

М.: НИЦ Инфра-М, 2018.

Статья
Active Media as a Physical Model of Spatiotemporal Self-Organization in the Stock Market

Твердислов В. А., Dmitriev A., Sidorova A.

Bulletin of the Russian Academy of Sciences: Physics. 2017. Vol. 81. No. 1. P. 114-120.

Статья
Agent-based modelling for ecological economics: A case study of the Republic of Armenia

Akopov A. S., Beklaryan L. A., Saghatelyan A. K.

Ecological Modelling. 2017. Vol. 346. P. 99-118.

Статья
Divinity Rules: Towards a Revised Typology of Multinational Corporate Parenting Styles

Gurkov I. B., Morley M. J.

European Journal of International Management. 2017. Vol. 11. No. 4. P. 490-510.

Книга
Инструменты оценки и обеспечения устойчивого развития отраслей российской экономики

Батаева Б. С., Кожевина О. В., Богачев Ю. С. и др.

М.: НИЦ Инфра-М, 2018.

Исследователи Школы бизнес-информатики Факультета бизнеса и менеджмента помогают астрономам не потеряться в космосе

Почему важно научиться распознавать сигналы от нейтронных звёзд

©SIgnature/ISTOCK

Почти 90 ГБ информации ежедневно регистрирует большая сканирующая антенна Пущинской радиоастрономической обсерватории. Обычно полученные данные обрабатываются астрономами вручную. Исследователи факультета бизнеса и менеджмента ВШЭ Владимир Самодуров и Александр Горбунов решили освободить учёных от кропотливого труда и передать эту задачу нейронным сетям. О результатах работы они рассказали в статье Perspectives of intellectual processing of large volumes of astronomical data using neural networks. 

Мерцающие звёзды 

Пульсары — это быстровращающиеся нейтронные звёзды, которые образуются в результате взрыва сверхновых. Пульсары обладают очень сильным магнитным полем, которое наклонено к оси вращения. Эти космические объекты испускают на Землю радиоизлучение в виде импульсов по осям магнитных полей. Когда эти импульсы были обнаружены, существовала теория, что они искусственного происхождения, и первому пульсару даже дали имя LGM-1 (Little Green Men). Пульсары — размером с небольшой город, но массой больше нашего Солнца. С Земли они выглядят как непрерывно мигающие звезды — такой эффект достигается за счёт вращения. Поэтому они по праву считаются своеобразными космическими маяками.

— После взрыва сверхновой наступает интересная пора. У некоторых звезд происходит выброс определённой массы вещества из своей внешней оболочки, а сами звёзды, как фигуристы, начинают быстро вращаться. Фигурист расставил руки и кружится сначала медленно, а потом руки сжал и ускорился. Это называется закон сохранения момента импульса, — объясняет Владимир Самодуров, — И сверхновая начинает быстро вращаться, подобно фигуристу, при этом у неё еще осталось какое-то количество энергии, которая начинает вылетать по осям магнитного поля. Звезда движется, ее ось вращения не совпадает с магнитной осью. Поэтому и получается, некоторое подобие волчка, который бегает по небу со своими магнитными полюсами, и при этом из него вылетают заряженные частицы. И по сути мы имеем очень мощный радиомаяк.

Если излучение пульсара оказывается «в окрестностях Земли», учёные фиксируют этот момент. Расстояние вычисляют следующим образом: когда свет распространяется в плотной среде, он замедляет свою скорость, и длина волны уменьшается. Это очень напоминает классический опыт: когда мы берем призму, она раскладывает свет в радужную полоску, при этом коэффициент преломления зависит от длины волны света. Каждая его спектральная составляющая будет преломляться по-разному, то есть будет отклоняться на разный угол от исходного распространения. Спектральные составляющие с меньшей длиной волны будут преломляться больше, а составляющие с большей длиной волны — меньше. Все то же самое работает в радиодиапазоне. На более высокой частоте к нам импульс приходит раньше, на более медленной — позже.

— Где-то на небе вспыхнул на долю секунды какой-то радиоисточник: мы фиксируем пик, если сигнал поступает раз в несколько секунд, это, скорее всего пульсар, — рассказывает Владимир Самодуров, — Такие объекты мы обнаружили среди данных нашего радиотелескопа. Сначала приходит на высокой частоте импульс, потом на более низкой, еще на более низкой — как будто на пианино мы играем музыкальную гамму до-ре-ми-фа-соль-ля-си, только в обратной последовательности. И нам остается просмотреть вручную 80 тыс. картинок и попытаться найти те, на которых такой импульс пробежался по гамме с отставанием нижней частоты.

 

Схематическое изображение пульсара. Сфера в центре изображения — нейтронная звезда, кривые линии обозначают линии магнитного поля пульсара, голубые конусы — потоки излучения пульсара.  

Нейронные сети

Как показала практика, вручную с обработкой больших объемов астрономических данных за год можно справиться за шесть месяцев. Чтобы оптимизировать этот процесс, Александр Горбунов предложил воспользоваться возможностями нейронных сетей. За основу взяли данные из круглосуточного наблюдения BSA LPI (Большой сканирующей антенны Пущинской радиоастрономической обсерватории) в период с 2012 по 2013 годы. Поскольку эту информацию предварительно уже обработали эксперты, можно было понять, насколько нейронная сеть может справиться с поставленной задачей.

Распознавание различных классов импульсных явлений проводилось с использованием двух типов нейронных сетей: многослойного персептрона и самоорганизующейся сети Кохонена. Причём, в отличие от многослойного персептрона, который использует алгоритмы обучения с учителем, в сети Кохонена работает механизм самоорганизации. Обработка с помощью сетей позволяет разделять полученные импульсные явления на четыре больших кластера. В итоге, сравнивая результат ручного труда и работу нейронных сетей, можно сказать, что последний способ существенным образом ускоряет процесс классификации новых данных.

— Проведённый экспертный анализ работы нейронной сети Кохонена показал, что в один из кластеров попадают импульсы, имеющие хорошо выраженный космический характер. В два других — шумы (аппаратурные сбои) и импульсы техногенного характера различного рода, в последний кластер — короткие мерцания, — говорит Александр Горбунов, — Таким образом, эксперт может в режиме реального времени видеть результаты обработки космических данных и заниматься отслеживанием наиболее значимых ситуаций, связанных, например, с возникновением импульсов, характерных пульсарам.

Навигация по пульсарам 

Использование нейронных сетей для обработки астрономических данных не только облегчит работу астрономам. В будущем эта система может стать частью «космического GPS» — навигации по пульсарам. Сегодня стандартный метод навигации в межпланетном пространстве — это комбинированное использование радиоданных, полученных на станциях слежения на Земле, и оптических данных с бортовой камеры во время встреч с объектами Солнечной системы. Но этот метод далек от совершенства. Даже при использовании атомных часов в космосе сложно добиться большой точности. Погрешности в пределах Солнечной системы составляют до 100, а в районе Плутона до 500 километров. Большей точности можно добиться с помощью пульсаров. Существуют подсчёты, которые утверждают, что «космические маяки» позволяют определить местоположение объекта с погрешностью до 5 километров. Поэтому, на данный момент пульсары предлагают самый надежный стандарт времени, известный нам.

— Мы ищем на небе эти быстро вращающиеся пульсары в радиодиапазоне, они двигаются с невероятной точностью, — объясняет Владимир Самодуров, — Представьте, что Солнце сжали, утрамбовали до шарика 10 км и заставили вращаться с оборотом несколько раз в секунду. Поскольку масса чудовищная, то пульсар очень стабилен, на протяжении сотен тысяч лет, миллионов лет. Правда, он постепенно замедляется, но делает это предсказуемо. И если мы будем смотреть на 100 таких волчков в разных направлениях, мы построим необычайно точную шкалу времени, точнее не бывает.

Пока что это далёкие планы, поскольку сигнал от пульсаров достаточно слабый и его нужно научиться отличать от посторонней информации. А систему для распознавания астрономических данных можно использовать для распознавания и других объектов в разнообразных спектральных диапазонах, например, астероидов.

— Еще лет 20 назад астероидов было известно порядка 2 тыс. штук. Сейчас их 600-700 тысяч с диаметром от нескольких сотен метров. Да, речь уже о сотнях метров, но ведь нам нужно научиться вылавливать всё, условно говоря, класса челябинского метеорита, который был размером 15 метров. Когда мы научимся вылавливать их, лишь тогда будем застрахованы от опасности, — подытоживает Самодуров.

По итогам проделанной работы исследователи решили, что будут использовать обе нейронные сети — обученную на знаниях эксперта и на сети Кохонена.

— Для развития системы мониторинга импульсных явлений нам нужно обнаружить некоторые новые закономерности, которые появляются в наших наблюдениях, чтобы производить более тонкую фильтрацию данных. В настоящий момент выполняются работы по формализации знаний, которыми руководствуются эксперты в процессе классификации. Эти знания затем будут использованы для разработки новых инструментов мониторинга. Нейронные сети, используемые в настоящий момент и разрабатываемые новые инструменты, в совокупности позволят исследователям объективно оценивать то, что содержится в поступающих из космоса данных, — добавляет Александр Горбунов.
IQ

Авторы исследования:
Владимир Самодуров, доцент, заведующий кафедрой группы компаний Стек
Александр Горбунов, преподаватель кафедры управления информационными системами и цифровой инфраструктурой