Поступление 2019
0
личный кабинет

ПАСПОРТ ПРОГРАММЫ

Тип: программа индустриальной магистратуры

Языки обучения: ENG Английский
Форма обучения: Очная, 2 года
Стоимость контрактного обучения в 2019 году: 214 000 руб. в год
  • 214 тыс. руб в год для граждан Российской федерации
  • 234 тыс. руб в год для иностранных граждан
Международная образовательная программа Государственная аккредитация

01.04.02 Прикладная математика и информатика

Количество мест:

Бюджетных - 45

Целевых - 9

Контрактных - 10

Вступительные испытания:

Вступительный экзамен

Медалист/победитель "Я-профессионал"

Дистанционный экзамен

олимпиада НТИ

Специализации:
Язык обучения:

Cognitive Technologies and Quantum Intelligence

Английский

Machine Learning and Big Data Analysis Technologies

Английский

Big Data Infrastructure Organization and Management Technologies

Английский

Контактное лицо Карабинцева Александра Анатольевна
Руководитель программы:
Насонов Денис Александрович
Учебные корпуса: Кронверкский пр., д. 49Биржевая линия, д.14Биржевая линия, д.16Биржевая линия, д.4

ОПИСАНИЕ ПРОГРАММЫ

Магистерская программа «Большие данные и машинное обучение» Университета ИТМО готовит специалистов в области прикладной математики и информатики, компетентных в проектировании, разработке и использовании технологии Big Data и машинного обучения для решения различных задач.
В ходе обучения магистранты получат необходимые знания и навыки, в том числе для применения и разработки методов интеллектуального анализа данных, решения прикладных задач по обработке больших объемов информации и визуализации больших данных.
Партнер международной образовательной программы “Большие данные и машинное обучение”– Университет г. Амстердам (Нидерланды). На конкурсной основе по итогам первого года обучения предлагается опция двойного диплома.
Обучение в магистратуре подразумевает выбор одной из трех специализаций:

  • Технологии организации и управления инфраструктурой больших данных
  • Технологии машинного обучения и анализа больших данных
  • Когнитивные технологии и квантовый интеллект

Специализация «Технологии организации и управления инфраструктурой больших данных» направлена на изучение инфраструктуры, хранения и обработки больших данных. Данная специализация ориентирована на следующие профессии: программисты, решающие задачи хранения и обработки сверхбольших объемов данных в индустрии; инженеры-исследователи, работающие над исследовательскими проектами; специалисты, работающие с высоконагруженными системами хранения данных.
Специализация «Технологии машинного обучения и анализа больших данных»
cфокусирована на анализе данных с помощью методов глубокого обучения и нейронных сетей. Данная специализация ориентирована на следующие профессии: инженеры-исследователи, специалисты по анализу данных, аналитики и разработчики программного обеспечения в крупных исследовательских центрах и инновационных стартапах, научные сотрудники в академической среде в ведущих мировых и российских вузах.
Специализация «Когнитивные технологии и квантовый интеллект»
нацелена на математическое моделирование сложных социально-экономических процессов с применением современных методов квантовой теории информации, когнитивных технологий, машинного обучения и искусственного интеллекта. Основой специализации является обучение разработке, исследованию методик анализа, синтеза, оптимизации и прогнозирования процессов функционирования информационных систем и технологий главным образом в сфере современной экономики и финансов, через призму когнитивных подходов, включающих поведенческий подход (поведенческая экономика), психологический (психофизиологический) подходы, а также нейро-подход, используемые в искусственном интеллекте, и реализуемый в таких перспективных направлениях как нейроэкономика и нейромаркетинг.
Выбор специализации осуществляется в конце первого семестра магистерской программы. Важно отметить, что независимо от выбора специализации, в первых двух семестрах будут изучаться современные технологии для анализа данных, в том числе машинное обучение, искусственный интеллект, параллельные вычисления.

Мы в социальных сетях : 





АКТУАЛЬНОСТЬ И ЗНАЧИМОСТЬ ПРОГРАММЫ

В современном мире грамотный анализ накопленных данных является необходимостью для любой компании и значительно повышает ее конкурентоспособность. Рынок нуждается в специалистах, способных правильно выстроить логику и процесс проводимого анализа, реализовывать высокоэффективные алгоритмы обработки данных в распределенной вычислительной среде. Актуальным требованием становятся не только умение применять отдельные методы машинного обучения, но и понимание подходов искусственного интеллекта на системном уровне. Умение проектировать прогностические и имитационные модели для решения трудно формализуемых задач делает специалистов данного направления крайне востребованными. Это подтверждается успешным сотрудничеством с такими компаниями, как Сименс, РосНефть, ГазпромНефть, МТС, Банк Санкт-Петербург, Mail.Ru, СберТех, BCC, Расофт.

ЦЕЛЬ ПРОГРАММЫ

Цель образовательной программы — подготовка высококвалифицированных кадров в области прикладной
информатики, способных проектировать, разрабатывать и эффективно использовать технологии Big Data и машинного обучения в современных задачах поддержки принятия решений.

Направление включает в себя:

  • создание научно-технологической базы современной распределенной вычислительной инфраструктуры для сбора, хранения и обработки сверхбольших данных в логике технологий Big Data;
  • разработку методов, моделей и высокоэффективных алгоритмов для автоматического извлечения знаний из данных методами машинного обучения и эволюционных вычислений;
  • развитие методов формализации, структурирования, агрегации, интерпретации и усвоения знаний, извлеченных из сверхбольших массивов данных для задач поддержки принятия решений.

ПРЕПОДАВАТЕЛИ

Екатерина Владимировна Болгова кандидат технических наук
Клавдия Олеговна Боченина кандидат технических наук
Николай Алексеевич Бутаков кандидат технических наук
Александр Валерьевич Бухановский доктор технических наук
Александр Александрович Вишератин
Олег Сергеевич Заикин кандидат технических наук
Анна Владимировна Калюжная кандидат технических наук
Андрей Сергеевич Карсаков кандидат технических наук
Михаил Алексеевич Мельник
Денис Насонов кандидат технических наук

ТЕМЫ ВЫПУСКНЫХ РАБОТ

  • Разработка метода извлечения изображений на основе анализа содержания с использованием низкоуровневых и высокоуровневых характеристик
  • Многопользовательский подход адаптивного распределенного сбора данных социальных сетей
  • Семантический подход к определению социального отклика для поддержки принятия решений в критических ситуациях
  • Автоматическая система для аннотации изображений из зашумленных данных с использованием глубоких нейронных представлений
  • Распределенный механизм хранения на основе технологии блокчейн с использованием Proof-of-Storage консенсус-протокола

ПРАКТИКА И СТАЖИРОВКИ ДЛЯ СТУДЕНТОВ

В процессе обучения студенты проходят практику в научно-исследовательском институте наукоемких компьютерных технологий.  У студентов  есть возможность проходить стажировки в ведущих зарубежных университетах в рамках программ краткосрочного обмена.

Выпускники программы востребованы как инженеры-исследователи, специалисты по анализу данных,  аналитики и разработчики программного обеспечения в крупных исследовательских центрах и инновационных стартапах, в качестве научных сотрудников в академической среде в ведущих мировых и российских вузах. 

НАБОР КОМПЕТЕНЦИЙ

Мы готовим профессионалов, которые обладают знаниями на стыке дисциплин, разбираются в предметной области, а также владеют навыками программирования, работы с системами хранения данных, статистическими методами, методами машинного обучения и способами визуализации полученных результатов. 

Компетенции наших выпускников позволяют им успешно продолжать исследовательскую деятельность, разрабатывать и внедрять алгоритмы интеллектуального анализа данных, а также руководить группой разработчиков. Знания и навыки, полученные на протяжении обучения, релевантны как в работе над исследовательскими проектами, так и в индустрии — от решения задач хранения и обработки сверхбольших объемов данных до анализа и предсказания поведения людей в социальных медиа.

Обратная связь

* Имя
* E-mail
Ваше сообщение