выбирай будущее,
поступай в Университет Иннополис
анализ данных и искусственный интеллект
-
язык обученияанглийский
-
форма обученияочная
-
длительность обучения4 года
-
результатдиплом государственного образца
-
старт обучения1 сентября 2026
-
стоимость обученияот 0 ₽/год при участии в грантовом конкурсе
Реализуется в рамках федерального проекта «Искусственный интеллект» национального проекта «Экономика данных и цифровая трансформация государства»
О профиле подготовки
Анализ данных и искусственный интеллект
Этот профиль для тех, кто хочет не просто использовать готовые AI-решения, а создавать их с нуля, задавая новые стандарты в технологиях.
Вы получите фундаментальные знания в области анализа данных, глубокого обучения и разработки интеллектуальных систем — от компьютерного зрения и обработки естественных языков до объяснимого ИИ и работы с супермассивами данных.
Реализуется в рамках федерального проекта «Искусственный интеллект» национального проекта «Экономика данных и цифровая трансформация государства»
Преподавательский состав
Адил Хан
Профессор Института анализа данных и искусственного интеллекта, начальник Лаборатории машинного обучения и представления данных
Руководил более чем десятью исследовательскими проектами, опубликовал свыше 80 научных работ
Владимир Иванов
Директор института разработки ПО и программной инженерии, доцент, PhD.
Кандидат физико-математических наук (2009).
Научные интересы: анализ данных, машинное обучение, разработка ПО, компьютерная лингвистика
Мохаммад Реза Бахрами
Кандидат технических наук, доцент, руководитель Лаборатории кибер-физических систем. Обладатель аспирантских и преподавательских грантов по программе 5-100.
Никола Златанов
Доктор философии в Университете Британской Колумбии (Канада, 2015). Занимал академические позиции в Университете Монаш (Австралия).
Редактор ведущих международных журналов: IEEE Communications Letters (2015–2018) и IEEE Wireless Communications Letters (2020–2023). Сфера научных интересов: машинное обучение и беспроводная связь.
Рустам Лукманов
PhD по физике в Бернском университете, удостоен награды «Молодые лидеры БРИКС и ШОС». Сфера научных интересов: анализ данных, машинное обучение, биоинформатика, анализ данных и объяснимость моделей ИИ. Основной преподаватель курсов бакалавриата по объяснимому ИИ и представлению данных и знаний
Ярослав Холодов
Доктор наук, профессор Института анализа данных и искусственного интеллекта, заведующий лабораторией анализа данных и биоинформатики.
Автор более 50 публикаций в рецензируемых журналах
Почему стоит выбрать эту программу
-
Одна из самых передовых программ в области ИТ-технологий
-
Возможность получить востребованную профессию в сфере ИИ
-
Программа позволит найти перспективную работу в топовых компаниях
Треки профиля
Со 2 года обучения студенты могут выбрать профиль для углубленных знаний и прикладных навыков по своей траектории обучения.
Для тех, кто хочет разрабатывать и улучшать искусственный интеллект с помощью данных. Студенты будут изучать машинное обучение, создавать модели компьютерного зрения и нейронные сети.
Темы
- Введение в машинное обучение
- Компьютерные сети
- Проектирование баз данных
- Распределенное и сетевое программирование
- Статистические методы
- Информационный поиск
- Введение в компьютерное зрение
- Обработка естественных языков
- Прикладные технологии машинного и глубокого обучения
- Интеллектуальный анализ данных
- Представление данных и знаний
- Супермасивы данных
- Теория игр
Трек позволяет погрузиться в применение технологий ИИ для создания программных решений, которые будут менять жизнь людей к лучшему.
Темы
- Введение в машинное обучение
- Компьютерные сети
- Проектирование баз данных
- Обучение с подкреплением
- Бионические вычисления
- Информационный поиск
- Введение в компьютерное зрение
- Обработка естественных языков
- Прикладные технологии машинного и глубокого обучения
- Проектирование систем человеко-машинного взаимодействия для искусственного интеллекта
- Объяснимый и справедливый искусственный интеллект
- Супермассивы данных
- Теория игр
Подайте заявку на обучение
Станьте востребованным специалистом в сфере ИТ-технологий
Программа обучения
-
Обязательные дисциплины
- Физическая культура и спорт
- Иностранный язык
- История России
- Архитектура вычислительных систем
- Математический анализ
- Аналитическая геометрия и линейная алгебра
- Введение в программирование
- Логика и дискретная математика
- Алгоритмы и структуры данных
- Математический анализ II
- Аналитическая геометрия и линейная алгебра II
- Теоретические основы компьютерных наук
- Проектирование и анализ программных систем
- Разработка программного продукта (проектная работа)
Дисциплины по выбору
- Введение в развитие карьеры ИТ-специалиста
- Психология ИТ-специалиста
- Публичные выступления в бизнесе
- UX/UI-дизайн
- Архитектура вычислительных устройств
- Разработка пользовательских интерфейсов веб-приложений
- Введение в 3D-моделирование
- Введение в инженерное дело
- Русский как иностранный
- Логика решения задач
-
Обязательные дисциплины
- Философия
- Безопасность жизнедеятельности
- Философия II (Введение в искусственный интеллект)
- Теория вероятности и статистика
- Физика I (Механика)
- Операционные системы
- Дифференциальные уравнения
- Введение в оптимизацию
- Введение в машинное обучение
- Прикладной проект
Дисциплины по выбору
- Компьютерные сети
- Физика II (Электротехника)
- Теория автоматического управления
- Проектирование баз данных
- Распределенное и сетевое программирование
- Обработка и визуализация данных
- Теоретическая механика
- Проектирование систем с использованием технологий искусственного интеллекта
- Основы робототехники
- Бионические вычисления
- Критическое мышление для ИТ-специалиста
- Введение в ИТ-предпринимательство
- Создание технологического стартапа
- Архитектура программного обеспечения (практический курс)
- Компьютерная графика в разработке игр
- Представление мозга человека и животных в нейронауках
-
Обязательные дисциплины
- Введение в компьютерное зрение
- Прикладные технологии машинного и глубокого обучения
- Практика подготовки и написания научных работ на иностранном языке
Дисциплины по выбору
- Информационный поиск
- Мехатроника
- Механика и механизмы
- Обработка естественного языка
- Интеллектуальный анализ данных
- Проектирование систем с использованием технологий искусственного интеллекта
- Обработка и аналитика супермассивов данных
- Автономная робототехника
- Теория игр
- Робототехника
- Представление данных и знаний
- Объяснимый, интерпретируемый и справедливый искусственный интеллект
-
- Прикладной проект
- Преддипломная практика
- Выполнение и защита выпускной квалификационной работы
Получите практические навыки
Инструменты
AI frameworks
-
.svg)
LIME -
.svg)
Fairlearn -
.svg)
LiFT -
.svg)
PyTorch -
.svg)
Tensorflow -
.svg)
OpenCV
ML блокноты
-
.svg)
Google Colab -
.svg)
Kaggle Notebook -
.svg)
Apache Zeppelin -
.svg)
JupyterLab
Виртуализация и контейнеризация
-
.svg)
Virtualbox -
.svg)
VMware -
.svg)
Hyper-V -
.svg)
Docker
Управление ресурсами
-
.svg)
Apache Mesos -
.svg)
Kubernetes
Платформы больших данных
-
.svg)
Arenadata Hadoop platform -
.svg)
Cloudera Data Platform -
.svg)
Hortonworks Data Platform
Распределенная обработка данных
-
.svg)
Apache Spark -
.svg)
Hadoop MapReduce -
.svg)
Apache Tez
Хранилище данных
-
.svg)
Apache Hive -
.svg)
Hadoop HDFS
Прием данных
-
.svg)
Apache Sqoop
Анализ и виртуализация данных
-
.svg)
Apache Superset -
.svg)
Grafana -
.svg)
Power BI
Контроль версий и репозиториев
-
.svg)
Git -
.svg)
SVN -
.svg)
GitLab -
.svg)
GitHub -
.svg)
Bitbucket
Языки программирования
-
.svg)
Scala -
.svg)
Python
Базы данных
-
.svg)
PostgreSQL -
.svg)
Mongodb -
.svg)
Neo4j -
.svg)
Apache HBase -
.svg)
Apache Cassandra
Исследования
-
.svg)
Overleaf -
.svg)
Zotero -
.svg)
Mendeley
Навыки
-
Писать чистый, читаемый и документированный код Python
-
Разрабатывать приложения обработки данных с использованием принципов объектно-ориентированного и функционального программирования
-
Заниматься практическим глубоким обучением в областях CV и NLP
-
Заниматься интеллектуальным анализом данных с использованием платформы CRISP-DM
-
Собирать и извлекать данные из различных источников
-
Проверять гипотезы экспериментальных исследований
-
Разрабатывать конвейеры данных и анализ данных в кластерах Hadoop
-
Создавать объяснимые и интерпретируемые модели ИИ
-
Разрабатывать контекстно-зависимые и адаптивные системы искусственного интеллекта с использованием обучения с подкреплением
-
Заниматься парсингом веб-страниц и создавать рекомендательные системы
-
Заниматься анализом больших объемов данных
Специальности выпускников
ML-инженер
Разрабатывает и внедряет модели ИИ в продукты — от рекомендательных систем до нейросетевых сервисов
Специалист по данным
Подготавливает и анализирует большие объёмы данных для бизнеса, создаёт аналитические отчёты и модели
Аналитик данных
Исследует данные компании, выявляет закономерности и тренды — от анализа продаж и поведения пользователей до оптимизации бизнес-процессов
CV/NLP-инженер
Разрабатывает системы компьютерного зрения и обработки текста — от распознавания изображений и видео до анализа и понимания естественного языка
ИИ-специалист
Инженер или аналитик, который применяет технологии искусственного интеллекта для решения практических задач в реальных секторах экономики
ИИ-исследователь
Разрабатывает новые методы ИИ, пишет научные статьи, работает в лабораториях и R&D-центрах
Статистик
Применяет статистические методы для анализа данных и прогнозирования результатов, занимается проверкой гипотез и значимости до построения вероятностных моделей
Практика
Наши студенты проходят практику в ведущих компаниях рынка.
У вас будет возможность выбрать, где проходить практику: на своем месте работы или на стажировке в компаниях-партнерах Университета Иннополис.
Вы сможете расти по карьерной лестнице уже во время учёбы.
Где проходит практика
Партнеры программы
Часто задаваемые вопросы
-
Необходимо сдать ЕГЭ по трем предметам: математика (профиль), русский язык, а также информатику или физику на выбор
-
Приемная кампания начинается с 20 июня и длится до 23 августа 2026
-
У выпускников Университета Иннополис есть возможность работать в ведущих ИТ-компаниях страны
-
Копия заполненных страниц паспорта
Аттестат/диплом (аттестат+приложение/ диплом+приложение для выпускников средне-специальных учебных заведений (СПО)
2 фотографии, размер 3*4, цветные на белом фоне (без уголка)
Копия военного билета или приписного свидетельства (для кандидатов мужского пола)
Копия ИНН
Копия СНИЛС
Справка по форме 086у -
Отсрочка от призыва граждан на военную службу предоставляется обучающимся образовательных программ бакалавриата и магистратуры (если вы поступили в магистратуру сразу же после обучения в бакалавриате), а также аспирантуры по очной форме обучения и имеющей аккредитацию.
Это регламентируется подпунктом «а» части 2 статьи 24 Федерального закона от 28.03.1998 № 53-ФЗ «О воинской обязанности и военной службе».
Если у вас была отсрочка при обучении на соответствующем уровне образования, то повторно она не предоставляется. Если отсрочка была при обучении на СПО, то при поступлении на бакалавриат отсрочка не сохраняется.
Осенью студентов Университета в установленном порядке ставят на воинский учет в Верхнем Услоне Республики Татарстан. Дополнительно информацию сообщат после поступления.
Стажировки и программы обмена
Участие в международных конференциях, программы в вузах-партнерах и проекты с индустрией
Другие программы
Дамир Загидуллин
менеджер абитуриентов бакалавриата
-
пн-пт с 9:00 до 18:00 (МСК)+7 (843) 203-92-53
(доб. 133) -
пн-пт с 9:00 до 18:00 (МСК)t.me/ZDamir_IU
-
пн-пт с 9:00 до 18:00 (МСК)admissions@innopolis.ru
Спасибо!
Ошибка