Бакалавриат
Направление: Прикладная математика и информатика
очная
4 года
Военная кафедра
ru
русский
Информация о поступлении
Вступительные испытания
    Array ( [0] => Array ( [NAME] => Математика [ID] => 10504 [TRIM_NAME] => [LINK] => http://www.fa.ru/priemka/bakalavr/Documents/%d0%91%d0%b0%d0%ba%d0%b0%d0%bb%d0%b0%d0%b2%d1%80%d0%b8%d0%b0%d1%82%20-%20%d0%9c%d0%b0%d1%82%d0%b5%d0%bc%d0%b0%d1%82%d0%b8%d0%ba%d0%b0.pdf ) [1] => Array ( [NAME] => Русский язык [ID] => 3943 [TRIM_NAME] => [LINK] => http://www.fa.ru/priemka/bakalavr/Documents/%d0%91%d0%b0%d0%ba%d0%b0%d0%bb%d0%b0%d0%b2%d1%80%d0%b8%d0%b0%d1%82%20-%20%d0%a0%d1%83%d1%81%d1%81%d0%ba%d0%b8%d0%b9%20%d1%8f%d0%b7%d1%8b%d0%ba.pdf ) [2] => Array ( [NAME] => На выбор: Информатика и информационно-коммуникационные технологии (ИКТ)​​ или Физика или Иностранный язык [ID] => 28746 [TRIM_NAME] => Иностранный язык [LINK] => http://www.fa.ru/priemka/bakalavr/Pages/ispitaniya.aspx ) )
  1. Математика
  2. Русский язык
  3. На выбор: Информатика и информационно-коммуникационные технологии (ИКТ)​​ или Физика или Иностранный язык
Количество мест
Бюджетные места
120
Платные места
55
Данные приёма
2021 года
Конкурс
3,42
чел./место
Средний балл (ЕГЭ)
89,64
Стоимость обучения
Описание программы

Образовательная программа "Прикладное машинное обучение" направлена на подготовку специалистов в области машинного обучения и науки о данных. Студенты этой программы изучают математические основы машинного обучения и анализа данных, языки программирования и инструменты создания интеллектуальных программных систем. Выпускники этой программы смогут работать аналитиками данных, инженерами в области машинного обучения и искусственного интеллекта.

Стратегические партнеры
Руководители программы
Макрушин
Сергей Вячеславович
  • К.э.н., доцент
  • Руководитель лаборатории Искусственного интеллекта и сетевого анализа, доцент Департамента анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных
  • <p> Область научных интересов: теория сложных сетей, глубокое обучение на графах, семантический анализ текстов и диалоговые системы, базы знаний, анализ финансово-экономических данных </p> <p> Исследовательские проекты: руководство 4 проектами в интересах ПАО «Сбербанк» («Исследование применимости инновационной технологии граф знаний и инструментов искусственного интеллекта для целевой омниканальной базы знаний «Knowledge Assistant» в интересах ПАО Сбербанк»; «Разговорный искусственный интеллект с эмпатическим вовлечением пользователя в обществе на определенные тем на естественном языке»; «Проверка гипотезы о достаточности структурированных данных из базы знаний Wikidata»); руководство 1 проектом в интересах «Газпромбанк»: «Обогащение графового хранилища данных автоматически размеченными транзакциями клиентов и разработка модификации модели предсказания дефолтов, использующей дополнительные признаки на основе обогащенных данных графового хранилища». </p> <p> Научные монографии: «Парадигмы цифровой экономики: технологии искусственного интеллекта в финансах и финтехе»; «Гис-технологии для управления устойчивым пространственным развитием регионов России». </p> <br> <br>
После окончания программы выпускники смогут
Ставить и решать оптимизационные задачи в различных сферах экономики и финансов
Применять методы и инструменты анализа данных и машинного обучения при подготовке аналитического обоснования финансово-экономических решений
Применять математический аппарат при разработке вычислительных алгоритмов для решения задач в области экономики и финансов
Составлять прогнозы, готовить рекомендации для принятия финансово-экономических решений
Собирать наборы данных, в том числе больших данных, выполнять их подготовку для анализа в соответствии с решаемой прикладной задачей
Выполнять анализ качества данных, выявлять и корректировать отклонения в данных и выполнять визуализацию данных
Решать прикладные задачи машинного обучения, оценивать качество решений и интерпретировать их результаты
Строить, обучать и оценивать качество моделей глубокого обучения в прикладных задачах
Выполнять сборку модулей и компонент программной реализации моделей машинного обучения и развертывания реализации моделей машинного обучения
Дисциплины программы
  • Алгоритмы и структуры данных в языке Python
    В рамках этого фундаментального годового курса не только формируется навык программирования на одном из самых востребованных языков, но и закладываются знания о ключевых структурах данных и алгоритмах.
  • Практикум по программированию
    На этом двухлетнем предмете студенту получают навыки самостоятельного программирования и решения задач от самых простых в первом семестре до тяжелых коллективных проектов в четвертом.
    Здесь нет лекций, только практика кодинга под руководством опытного наставника-профессионала.
  • Машинное обучение
    Этот курс научит вас использовать самые распространенные инструменты для анализа данных и машинного обучения. После освоения данного курса вы научитесь применять классические модели регрессии и классификации, писать код для обучения и тестирования моделей, вести проекты в области построения интеллектуальных систем.
  • Технологии обработки данных
    Для работы с данными необходимо знать их форматы, структуру и основные инструменты работы с данными в разных формах. На этом курсе студенты учатся работать с наиболее распространенными форматами данных, изучают средства парсинга, обработки и очистки данных.
  • Глубокое обучение
    В рамках этой дисциплины студенты научатся работать с нейронными сетями, строить современные модели обработки текстов, изображений, видеоданных на основе методов глубокого обучения и использованием современных библиотек, в том числе с вычислениями на GPU.
  • Технологии обработки больших данных
    Этот уникальный авторский курс знакомит с самыми передовыми технологиями обработки и анализа больших объемов данных.
  • Обработка текстов на естественных языках
    На этом предмете студенты погрузятся в увлекательный мир обработки текстов на естественных языках - области, которая сейчас очень востребована во многих областях - от машинного перевода до голосовых помощников.
  • Рекомендательные системы и коллаборативная фильтрация
    Студенты на этом предмете будут учиться строить рекомендательные системы наподобие работающих в сердце всех крупных коммерческих компаний. Студенты данного курса научатся и внутреннему устройству рекомендательных систем и инструментальным средствам их создания.
  • Машинное зрение
    Цель дисциплины заключается в изучении методов цифровой обработки изображений с элементами машинного обучения. Излагаемые алгоритмы применяются при проектировании автономных устройств (роботов), а также используются в интеллектуальных задачах обработки изображений
Получить консультацию о программе
Отправте заявку и с вами свяжется специалист для консультирования
Карьера и работа
Специалисты, получившие подготовку по данной программе бакалавриата, находят работу в банках, инвестиционных, страховых, телекоммуникационных, торговых, производственных компаниях, организациях различных форм собственности, индустрии и бизнеса, осуществляющих разработку и использование информационных систем, интеллектуальных продуктов и сервисов, основанных на технологиях и научных достижениях в области анализа данных и принятия решений.
Организации, в которых можно пройти практику с последующим трудоустройством
Уникальные преимущества программы
  • Компаниям практически любой сферы деятельности сегодня требуется проведение анализа данных, и выпускники программы легко находят работу
  • Обучение на программе обеспечивает фундаментальные знания и практические навыки необходимые для разработки и внедрения цифровых технологий.
  • Программа обучения составлена и актуализируется с учетом требований работодателей
  • Студенты проходят практику в ведущих банках, инвестиционных, страховых, консалтинговых и производственных компаниях (Сбербанк, Газпромбанк, ВТБ, Альфа-капитал, Финам, Ингосстрах, KPMG, Deloitte и др.)
  • Возможность построения индивидуальной траектории обучения на старших курсах.
  • Возможность участия в научной и научно-практической деятельности.
Ведущие преподаватели
Как поступить
1
Выбрать программу бакалавриата
2
Собрать документы/ Заполнить электронную анкету
3
Написать
заявление
4
Пройти вступительные испытания
5
Начать
обучение
Почему абитуриенты выбирают наш ВУЗ?
Остались вопросы? Задайте свой вопрос приемной комиссии
Приемная комиссия
+7(495)249-5249 9:00-18:00
График работы приёмной комиссии: понедельник-пятница: 9:00-18:00
125993, Москва, Ленинградский пр-т, д.51/1
Понравилось? Поделитесь!