Серия онлайн встреч с выпускниками ФЭН
Факультет экономических наук представляет серию онлайн встреч для абитуриентов, студентов и всех заинтересованных в приобретении профессиональных знаний в области экономики, статистики и финансов. Иностранные и российские выпускники расскажут о собственном опыте и различных возможностях построить успешную карьеру в академии, индустрии и предпринимательстве
#econHSEonline
В связи с органичениями международный отдел факультета экономических наук предлагает серию встреч для иностранных и российских абитуриентов и студентов онлайн с выпускниками ФЭН. Во время онлайн встреч из главных столиц мира - Москвы, Лондона, Нью Йорка, Мюнхена, Тель Авива, Брюсселя, Амстердама, Люксембурга, участники задавали вопросы и увидели практические примеры успеха, в том числе, при ограниченных финансовых ресурсах, смогли познакомиться с выпускниками ФЭН, представляющими наиболее разностороннюю, мотивированную группу молодых профессионалов, нацеленных на успех. Видео встреч ниже. Статья дополняется.
Встреча с выпускником ФЭН и MIT Робертом Давтяном
Встреча с выпускницей ФЭН и Кембриджа, Мариам Арутюнян
Встреча с выпускником ФЭН и Стэнфорда, Иваном Королевым
PhD: как поступать и чего ожидать - Егор Малков (ФЭН) и Арсений Столяров (МИЭФ)
Дарья Матвиенко, ФЭН 2018 и 2020 о поступлении в Стэнфорд
Алексей Макарьин, ФЭН 2011, Ph.D. Northwestern, EIEF Rome, RoMe Master
Выпускники ФЭН и магистратуры высоких достижений (MIT, Bocconi, CEU, U. Chicago, Рим, ЦЕУ)
Встреча с выпускником ФЭН (СУФФ) Владимиром Голубятниковым
Встреча с Мариной Завалиной (СБ ВШЭ РЭШ), Александром Пуховым (Матфак) и Анастасией Ерастовой (МИЭФ)
Встреча с Аней Стоговой (ФЭН)
Встреча с выпускниками Совместного бакалавриата в McKinsey&Co
Q&A c Эдуардо Алберти, СУФФ 2018
Q&A с Тоби Оладиран, СУФФ 2020
Встреча с выпускниками магистерских программ ФЭН и Сорбонны
Вебинар с выпускниками магистерских программ ФЭН и ПДД с Гумбольдт, Ланкастер
Интервью Варвары Сухановой, ФЭН и Эразмус
Вебинар с Мариам Мамедли, ФЭН, PSE, ЦБ РФ
Егор Малков, ФЭН, Университет Миннесоты. Лекция в ЛЭШ
Выпускник ФЭН, эксперт KPMG Георгий Пащенко и старший управляющий директор ВЭБ.РФ Дмитрий Тихомиров
Онлайн с Евгенией Одинцовой, Юнилевер
Вебинар на питоне и R с Борисом Демешевым, Магистром Тайного Ордена Дикого Бутстрэпа, Кавалером Трёх Вероятностей (Априорной, Апостериорной и Правдоподобия)
Алексей Балаев, Экономическая экспертная группа
Степан Гусамов, Озон
Николай Пильник. Матметоды в экономике
Таня Кузнецова, ФЭН 2011, СУФФ 2013, продукт менеджер в IT
Андрей Петрин, СБ ВШЭ РЭШ 2015, Яндекс, ЭМШ
Ольга Иванцова, ФЭН 2012, Ростелеком
Лиза Витюк, ФЭН, партнер МакКинзи (Торонто, Канада)
Наталья Лярская, ФЭН, PhD Université Paris Ouest, Chief Data Officer @ZestMoney, 2019 DataIQ100
Елена Сидорова, ФЭН, финалист конкурса управленцев «Лидеры России»
Богдан Потанин, ФЭН, лауреат премии "Золотая Вышка", АШ по экономике, к.э.н.
Вебинар с выпускниками магистратуры "Статистическое моделирование и актуарные расчеты"
Выпускники про учебу за рубежом. Мероприятие HSE Alumni Int
Выпускник ФЭН Роман Абрамов, Аналитический центр Москвы
Ирина и Кирилл Озеровы. Встреча с абитуриентами - участниками математического лагеря ФЭН MathBootCamp
Елена Сидорова - Кейс чемпионаты, как побеждать и зачем. Лекция для абитуриентов - участников математического лагеря ФЭН MathBootCamp
Встреча с выпускниками бакалавриата ФЭН и магистратуры по финансам MIT
Вебинар с Екатериной Трутневой, выпускницей магистратуры ВШЭ, Сбер
Встреча выпускников в связи с 20-летием программ двойных дипломов с университетом им. Гусбольдта
0:33 Welcome and Opening Remarks - Sergey E. Pekarski, Dean, Faculty of Economic Sciences, HSE University
4:19 Greeting Remarks - Ivan Prostakov, Vice Rector, HSE University
7:50 Greeting Remarks - Stefan Karsch, Regional Coordinator for Central and Eastern Europe, Humboldt-Universität zu Berlin
10:32 How It All Started - Franz Hubert, Humboldt-Universität zu Berlin
17:03 Greeting Remarks - Matthias Fischer, Head of the Department of Economy and Science, German Embassy Moscow
22:02 Looking at the Past - Vladimir Avtonomov, HSE University Alumni Careers - alumni speeches. Chair - Vladimir Avtonomov
25:52 Nadezhda Unesikhina, 2011, Regional Project Manager at Hilton and PhD candidate at Technical University Munchen
27:52 Elena Semerikova, 2013, Senior Lecturer, Department of Applied Economics, Faculty of Economic Sciences, HSE University
32:11 Roman Protasevich, 2003, Senior Investment Officer, International Finance Corporation
37:46 Olga Reznikova, 2007, Head of Capital Modeling at Euroclear, Belgium
45:37 Artem Chaplygin, 2008, entrepreneur, consulting practice for technology companies in M&A, VC & PE financing
53:08 Sergey Samokhvalov, 2010, partner, SBS Consulting
56:26 Konstantin Bogatyrev, 2014, PhD student Bocconi, Public Policy and Administration
59:53 Nikita Kozodoy, 2016, PhD candidate Humboldt, Data Science Research Associate at Monedo, Applying Machine Learning to Finance (Credit Scoring)
1:04:53 Irina Yakimenko, 2020, Big-4 in consulting in Berlin
1:10:58 Let's stay in touch - Ivan Prostakov, Vice Rector, HSE University
1:12:57 Keep the community - Franz Hubert, Humboldt-Universität zu Berlin
Марика Карибова, СБ ВШЭ РЭШ 2018, продолжение обучения и работа по специальности бизнес-аналитика
Алина Шестяева, ФЭН & MIT MFin, Учеба в MIT, поиск работы и о важности любознательности
Константин Голяев, ФЭН, РЭШ, PhD Minnesota, data science, Microsoft
Список рекомендованных книг
Analytics
“R for Data Science” by Hadley Wickham and Garrett Grolemund. Free online: https://r4ds.had.co.nz/.
If you can read through this book and feel comfortable with the code in it, you’ll likely be able to do the DS Analytics role reasonably well. This is a fantastic resource for someone learning to use R for analyzing data.
“Python for Data Analysis” by Wes McKinney. Amazon page link.
This is the book written by the original creator of the Python pandas library, de-facto standard interface for tabular data analysis. Really well-written book with plenty of code examples.
Inference
“Mostly Harmless Econometrics” by Joshua Angrist and Jorn-Steffen Pischke. Amazon page link.
This is a great textbook on quasi-experimentation and causal inference methods in econometrics.
“Causal Inference: The Mixtape”, by Scott Cunningham. Amazon page link.
A more recent version of the book on causal inference methods.
“Business Data Science” by Matt Taddy. Amazon page link.
A good guide on using some of the recent techniques from econometrics and machine learning in real business applications. Uses R.
“Trustworthy Online Controlled Experiments” by Ron Kohavi, Diane Tang, and Ya Xu. Amazon page link.
There are not too many books on online experimentation that I know of, this one is really good. Ron Kohavi has built the experimentation platforms at both Amazon and Microsoft, he knows how to do this well.
Algorithms
"An Introduction to Statistical Learning with Applications in R", by Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani. Can be obtained here: http://www-bcf.usc.edu/~
"Applied Predictive Modeling", by Max Kuhn and Kjell Johnson. Here is the Amazon page: https://smile.amazon.
This is a really good book that discusses how one should solve business problems with ML, with lots of code. Max is the author of the fantastic R package 'caret', which is basically a high-level API to most ML methods in R.
"Practical Data Science with R", by Nina Zumel and John Mount. Amazon page here: https://smile.amazon.
This is probably one of the best books I read about making data science useful for business. It focuses less on the learning algorithms and more on bridging the gaps between science of ML and applied work that ultimately produces business value. It is likely worth reading end-to-end.
“Python for Data Analysis” by Wes McKinney. Amazon page link.
This is the book written by the original creator of the Python pandas library, de-facto standard interface for tabular data analysis. Really well-written book with plenty of code examples.
“Deep Learning for Coders with fast.ai and PyTorch”, by Jeremy Howard and Sylvain Gugger. Amazon page link.
If you want to learn how to build deep learning models, this is a great starting point. You will need to be at least somewhat comfortable with Python.