Магистратура
Направление: Прикладная математика и информатика
Компьютерное зрение
Факультет информационных технологий и анализа больших данных
очная
2 года
ru
русский
Информация о поступлении
Вступительные испытания
Математика и информатика
Array ( [NAME] => Математика и информатика [ID] => 10514 [TRIM_NAME] => [LINK] => http://www.fa.ru/priemka/bakalavr/Documents/%d0%9c%d0%b0%d1%82%d0%b5%d0%bc%d0%b0%d1%82%d0%b8%d0%ba%d0%b0%20%d0%b8%20%d0%b8%d0%bd%d1%84%d0%be%d1%80%d0%bc%d0%b0%d1%82%d0%b8%d0%ba%d0%b0.pdf [ENTRANSE_TEST_FORMS] => [INTERNATIONAL_CERTIFICARES] => )
Иностранный язык
Array ( [NAME] => Иностранный язык [ID] => 22266 [TRIM_NAME] => Иностранный язык [LINK] => http://www.fa.ru/priemka/bakalavr/Documents/%d0%98%d0%bd%d0%be%d1%81%d1%82%d1%80%d0%b0%d0%bd%d0%bd%d1%8b%d0%b9%20%d1%8f%d0%b7%d1%8b%d0%ba%20%d0%bc%d0%b0%d0%b3.pdf [ENTRANSE_TEST_FORMS] => [INTERNATIONAL_CERTIFICARES] => )
Количество мест
Бюджетные места
10
В т.ч. целевой прием
-
Платные места
5
Стоимость обучения
370 000
Описание программы
Программа подготовки магистров "Компьютерное зрение" направлена на подготовку специалистов по распознаванию образов и компьютерному зрению. Интеллектуальные системы фото и видео аналитики сейчас получают широкое распространение во многих областях экономики. Многие организации испытывают нехватку квалифицированных кадров для работы с системами машинного обучения нейронных сетей. Поэтому мы предлагаем интенсивную и полную подготовку специалистов, способных разрабатывать, внедрять и поддерживать современные сложные интеллектуальные продукты.
Студенты этой программы учатся использовать современные методы машинного и глубокого обучения для создания систем видео и фотоаналитики, интеллектуального анализа образов.

Инструкция для поступающих

Стратегические партнеры
Руководители программы
Андриянов
Никита Андреевич
  • Кандидат технических наук
  • Доцент Департамента анализа данных и машинного обучения
  • Занимается анализом изображений и видеопоследовательностей с 2010 года. В 2017 году защитил диссертацию на соискание кандидата технических наук по теме: «Дважды стохастические авторегрессионные модели изображений». За это время опубликовал одну монографию по данной тематике, получил 26 свидетельств о государственной регистрации 26 программ для ЭВМ и опубликовал более 100 статей и тезисов конференций по тематике обработки изображений и компьютерного зрения. Принимал участие в ряде профильных международных научных конференций, а также был спикером на крупнейшиз профессиональных конференциях России по ИТ и ИИ. Победитель конкурса по программе «УМНИК-2014». В 2018 году награжден памятной медалью Центра распознавания образов и машинного интеллекта - Centre for Pattern Recognition and Machine Intelligence, (CENPARMI), Montreal, Canada за доклад по тематике компьютерного зрения. В том же году стал победителем областного конкурса "Инженер года 2018" по направлению: "Инженерное искусство молодых" (Ульяновская область), а в 2019 – Победителем Всероссийского конкурса "Инженер года" в номинации "Информатика, информационные сети, вычислительная техника" (награжден памятной медалью). За проект по тематике позиционирование беспилотного транспортного средства в 2019 г. стал вице-победителем конкурса «Конкурс "Молодые ученые транспортной отрасли"», проводимого Министерством транспорта Российской Федерации. В 2021 году был удостоен памятной медали «Афанасий Фет 200 лет» (Российского союза писателей). С 2022 года является лауреатом стипендии Президента Российской Федерации с исследованием по тематике систем компьютерного зрения. В 2021 году прошел повышение квалификации в объеме 144 академических часов в АНО ВО "Университет Иннополис" по дополнительной профессиональной программе "Практико-ориентированные подходы в преподавании ИТ дисциплин", также с 2021 года является сертифицированным специалистом Microsoft по программе «Azure Fundamentals».
После окончания программы выпускники смогут
Проводить поиск источников данных, подготавливать данные для анализа, визуализировать данные
Проводить поиск источников изображений, подготавливать изображения для анализа, включая разметку для задач распознавания, обнаружения и сегментации
Строить и оценивать модели машинного обучения в прикладных задачах компьютерного зрения
Создавать ИТ-сервисы, основанные на анализе данных и машинном обучении, в том числе с применением технологий машинного зрения
Обосновывать и принимать решения с помощью технологий интеллектуального анализа данных, машинного и глубокого обучения в задачах компьютерного зрения
Выполнять оценку и оптимизацию разрабатываемых моделей в целях повышения качества и производительности
Дисциплины программы
  • Построение и оценка моделей машинного обучения
    На этом предмете студенты получают фундаментальные знания в области методов машинного обучения, используемых приемов для повышения качества обучения, а также в рамках семинарских занятий разрабатывают собственные модели классификации, регрессии, кластеризации, в том числе с использованием нейросетевых технологий. Особое внимание уделяется изучению специализированных библиотек Python для анализа данных, визуализации и машинного обучения
  • Обучение с подкреплением
    Данная дисциплина знакомит студентов с одним из самых популярных видов машинного обучения, применяемых в задачах, где агент взаимодействует со средой, выполняя некоторые действия, и где, в отличие от алгоритмов обучения с учителем, отсутствуют размеченные целевые признаки. Такие интеллектуальные системы используются для игровых ботов, создания интеллектуальных агентов, управления роботами
  • Модели и методы генерации изображений
    В рамках этой дисциплины студенты знакомятся с современными моделями и методами синтеза и генерации изображений, а также получают углубленные знания в области нейросетевых технологий в генеративных моделях и математического моделирования изображений на основе случайных полей. Особое внимание уделяется популярным сегодня моделям вариационных автоэнкодеров, генеративно-состязательных сетей и диффузионных моделей
  • Цифровая обработка изображений
    Содержательно дисциплина включает в себя так называемые классические методы обработки изображений, применение которых в ряде прикладных задач может быть более целесообразно, чем использование нейросетевых методов. Особое внимание в рамках дисциплины будет уделено библиотеке OpenCV для решения задач поиска границ объектов, фильтрации изображений и других
  • Методы работы с базами изображений
    Изучение дисциплины «Методы работы с базами изображений» направлено на формирование у слушателей практических навыков работы с базами изображений и метаданными к ним, а также формирует компетенции в области машинного обучения и, в частности, компьютерного зрения. Рассматриваются как сами датасеты типовых задач, так и правила разметки таких датасетов. Изучаются особенности хранения изображений, извлечения метаданных из баз изображений, а также более узко рассмотрены базы изображений и видео применительно к конкретным задачам компьютерного зрения. В рамках изучения будет получен опыт работы в Kaggle, Roboflow
  • Прикладные модели и методы компьютерного зрения
    Эта дисциплина даст студентам представление о современных нейросетевых технологиях в области компьютерного зрения для решения задач классификации изображений, обнаружения объектов на изображениях и сегментации изображений. Студенты получат навыки работы с моделями компьютерного зрения во фреймворках PyTorch, Tensorflow, Keras. Научатся выполнять разметку изображений с применением специализированных инструментов
Преимущества программы
  1. Студенты проходят практику в ведущих банках, инвестиционных, страховых, консалтинговых и производственных компаниях (Сбербанк, Газпромбанк, ВТБ, Альфа-капитал, Финам, Ингосстрах, KPMG, Deloitte и др.), отделах и подразделениях видеоаналитики крупных российских и международных компаний (ООО «Корпоративный центр икс 5», ООО «Дибрейн», ООО «Гуддата», ООО «Тинькофф Мобайл»)
  2. Обучение на программе обеспечивает фундаментальные знания и практические навыки, необходимые для специалистов по разработке систем компьютерного зрения
  3. Программа обучения составлена и актуализируется с учетом требований работодателей
  4. Студенты привлекаются к реальным проектам Молодежной лаборатории компьютерного зрения Департамента анализа данных и машинного обучения или лаборатории робототехники, интернета вещей и встраиваемых систем
  5. Скидки на участие в ведущих профильных конференциях
  6. Стратегическим партнером программы является компания Vision Labs
Получить консультацию о программе
Отправьте заявку и с вами свяжется специалист для консультирования
Карьера и работа
Выпускники этой программы - это специалисты в области машинного обучения и искусственного интеллекта со специализацией в области компьютерного зрения и видеоаналитики. Они способны работать специалистами по искусственному интеллекту и машинному обучению в сферах распознавания образов и компьютерного зрения. Выпускники этой программы могут трудоустроиться в ведущие IT-компании, IT-отделы организаций. Выпускники могут работать специалистами по искусственному интеллекту, разработчиками систем машинного обучения, руководителями команды разработки.
Организации, в которых можно пройти практику с последующим трудоустройством
Ведущие преподаватели
Как поступить
1
Выбрать программу магистратуры
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 9:00-19:00
График работы приёмной комиссии: понедельник-пятница: 9:30-18:00
125993, Москва, Ленинградский пр-т, д.53/1
Понравилось? Поделитесь!