ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ИНЖЕНЕРИЯ ДАННЫХ

Реализуется в рамках Передовых инженерных школ

30

мест для обучения по
направлению в 2024 году

15

бюджетных мест для обучения в 2024 году

15

грантовых мест, покрывающих 25-100% стоимости обучения

очная

форма обучения

2 года

длительность обучения

английский

язык обучения

от 240 000 ₽/год

стоимость обучения при участии в грантовом конкурсе

общежитие

всем поступающим  студентам

да

гос. аккредитация
программы

smiling student with glasses smiling student with glasses

О профиле подготовки

Искусственный интеллект
и инженерия данных

Основная цель программы – обучить студентов современным технологиям искусственного интеллекта и различным аспектам работы с данными.

Обучение помещает новые знания в контекст индустрии: студенты погрузятся во все стадии работы от постановки задачи заказчиком до презентации результатов, внедрения и отчетности. Фокусом программы является машинное обучение.

Обучение будет интересно кандидатам, которые хотят заниматься как исследованиями в области машинного обучения, так и разработкой систем, использующих анализ данных и технологии ИИ. Мы ожидаем от кандидатов фундаментальных знаний в математике и уверенного программирования.

По окончании программы студенты становятся специалистами в управлении, обработке и анализе больших данных, осмысленно применяют машинное обучение для решения индустриальных и исследовательских задач, а также профессионально используют методы представления данных.

Программа разработана и реализуется в рамках передовой инженерной школы (ПИШ) Университета Иннополис.

Язык обучения – английский.

auditorium
Оставьте заявку на день открытых дверей

Переходи на страницу Дня открытых дверей зарегистрируйся в форме.

Подать заявку

arrow

Позиции, которые сможет занимать

выпускник программы:

AI/ML инженер

Аналитик больших данных

Исследователь и Разработчик

Дата-инженер

Специалист по данным

Научный программист

arrow

Смотреть видео

видео

о программе

«Искусственный интеллект и инженерия данных». Цели программы, компетенции выпускников, учебный план

students

Выпускники смогут

После окончания программы

  • Писать чистый, читаемый и документированный код Python (Pylint, PEP 8)
  • Разрабатывать приложения обработки данных (в том числе с применением ИИ) с использованием принципов объектно-ориентированного и функционального программирования
  • Проводить исследования и разработки в области искусственного интеллекта, обработки естественного языка (NLP) и компьютерного зрения (CV)
  • Проверять гипотезы, проводить экспериментальные исследования
  • Разрабатывать конвейеры данных и распределенных систем для анализа больших данных
  • Разрабатывать контекстно-зависимые и адаптивные системы искусственного интеллекта с использованием обучения с подкреплением
  • Извлекать данные (парсинг веб-страниц) и заниматься построением рекомендательных систем
  • Проводить анализ данных большой размерности
  • Овладеть навыками сотрудничества, коммуникации, решения проблем и критического мышления

Подать заявку

arrow
Инструменты:

Виртуализация и контейнеризация

Virtualbox

VMware

Hyper-V

Vagrant

Управление ресурсами

Apache Mesos

Kubernetes

Платформы для работы с большими данными

Yandex Data Proc

Cloudera Data Platform

Hortonworks Data Platform

ML Notebooks

Google Colab

Kaggle Notebook

Yandex DataSphere

Apache Zeppelin

Распределенная обработка данных

Apache Spark

Apache Hadoop

Apache Tez

Apache Hive

Apache Sqoop

Анализ и визуализация данных

Grafana

Power BI

Системы контроля версий и репозитории

Git

SVN

GitLab

GitHub

Bitbucket

Языки программирования

Scala

Python

Базы данных

PostgreSQL

Mongodb

Neo4j

Apache HBase

Apache Cassandra

Исследование

Overleaf

Zotero

Mendeley

Подать заявку

arrow

Структура обучения

2 года очного обучения: один год глубокой теории
и один год практики. Начало учебного года – конец августа.

medal in a green circle
Программа обучения
  • Разработка современных моделей машинного обучения
  • Применение современных подходов машинного обучения к научным и инженерным проблемам
  • Понимание полученных данных в анализе данных в научно-исследовательской деятельности в области анализа данных и/или машинного обучения
specialization in a green circle
Проектная работа

Большинство курсов сопровождаются проектами, которые позволяют студентам применять изученные алгоритмы на реальных массивах данных.

briefcase in a green circle
Научный проект

В конце обучения студенты готовят дипломную работу: проводят научное исследование и защищают его.

students

наши

Преподаватели

  • people at computers
    Адиль Хан

    PhD, профессор, директор Института наук о данных и искусственного интеллекта

    Сфера научных интересов:

    • машинное обучение
    • глубокое обучение
    • репрезентативное обучение
    • состязательная устойчивость
    • объяснимое машинное обучение

    Автор более 100 публикаций

  • people studing
    Рустам Лукманов

    PhD, доцент, факультет компьютерных наук и инженерии, Институт науки о данных и искусственного интеллекта, Лаборатория высокопроизводительных вычислений

    Сфера научных интересов:

    • машинное обучение
    • глубокое обучение
    • объяснимый и честный ИИ

    Автор более 20 публикаций, индексируемых Scopus

  • people at computers
    Мохаммад Реза Бахрами

    Кандидат технических наук, доцент, заведующий лабораторией киберфизических систем

    Сфера научных интересов:

    • математическое моделирование киберфизических систем
    • умные технологии
    • автономные транспортные средства

    Автор 48 публикаций, индексируемых Scopus

  • people studing
    Ярослав Холодов

    Доктор наук, профессор Института анализа данных и искусственного интеллекта, заведующий лабораторией анализа данных и биоинформатики

    Сфера научных интересов:

    • интеллектуальный (ML) анализ данных о дорожном движении
    • моделирование дорожного движения с использованием алгоритмов адаптивного управления, анализа данных и численных методов

    Автор более 50 публикаций в рецензируемых журналах

  • people at computers
    Никола Златанов
    PhD, профессор
    Сфера научных интересов:
    • беспроводная связь
    • теория информации
    • статистическое машинное обучение
    • статистика

    Автор более 50 публикаций в Q1 журналах и более 40 статей на конференциях

  • people at computers
    Владимир Иванов
    PhD, доцент, директор Института разработки и инженерии программного обеспечения лаборатория промышленного производства программного обеспечения
    Сфера научных интересов:
    • анализ данных
    • машинное обучение
    • разработка программного обеспечения
    • компьютерная лингвистика
    • обработка естественного языка
    • извлечение информации
    • интеллектуальный анализ текста
    • надежность программного обеспечения и метрики программного обеспечения

знакомься

Динара Загидуллина

менеджер абитуриентов магистратуры из РФ

Динара Загидуллина

знакомься

Вероника Быстрова

менеджер иностранных абитуриентов магистратуры

Вероника Быстрова