Магистратура
Направление: Прикладная математика и информатика
Машинное обучение на текстах и графах
Факультет информационных технологий и анализа больших данных
очная
2 года
ru
русский
Информация о поступлении
Вступительные испытания
Математика и информатика
Иностранный язык
Количество мест
Бюджетные места
10
В т.ч. целевой прием
1
Платные места
5
Стоимость обучения
350 000
Описание программы
Программа подготовки магистров «Машинное обучение на текстах и графах» направлена на подготовку специалистов по разработке прикладных систем искусственного интеллекта как в области обработки текстов на естественном языке, так и в области систем интеллектуального анализа сетевых структур.
В рамках проектной работы и выполнения исследований студенты решают задачи построения чат-ботов, систем анализа текстов, разработки и использования баз знаний, построения рекомендательных систем, анализа социальных сетей, сетей финансовых транзакций и других сетевых структур.
Взрывной рост применения в бизнесе систем искусственного интеллекта, таких как:
- чат-боты,
- рекомендательные системы,
- базы знаний,
- системы анализа социальны сетей,
- большие языковые модели,
- привел к острой нехватке квалифицированных кадров для решения сложных задач с использованием методов машинного обучения,
- нейросетей и других современных технологий искусственного интеллекта.
В рамках проектной работы и выполнения исследований студенты решают задачи построения чат-ботов, систем анализа текстов, разработки и использования баз знаний, построения рекомендательных систем, анализа социальных сетей, сетей финансовых транзакций и других сетевых структур.
Стратегические партнеры
Руководители программы
Маковейчук
Кристина Александровна
- Кандидат экономических наук, доцент
- Доцент Департамента анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных
- - Область научных интересов: сквозные технологии, киберфизические системы, машинное обучение, теория сложных сетей, семантический анализ текстов, моделирование социально-экономических систем
- Автор более 120 научных работ, в том числе публикаций в международных научных изданиях с индексацией Scopus и WoS, в журналах ВАК, монографий. Участник профильных международных научных конференций.
После окончания программы выпускники смогут
Создавать ИТ-сервисы, основанные прикладных системах искусственного интеллекта
Создавать и обучать модели машинного обучения и глубокого обучения (нейросети) для прикладных задач
Создавать системы анализа текста, чат-ботов
Строить рекомендательные системы, разрабатывать базы знаний
Создавать аналитические системы для социальных сетей, сетей финансовых транзакций и других сетевых структур
Дисциплины программы
-
Современные нейросетевые технологииВ рамках дисциплины изучаются различные архитектуры нейронных сетей: от классических до самых современных; рассматриваются методы обучения глубоких нейросетевых моделей, формируются практические навыки использования современных фреймворков для обучения и применения нейронных сетей для решения прикладных задач.
-
Современные технологии обработки текстов на естественных языкахВ рамках дисциплины рассматриваются наиболее востребованные задачи обработки текстов на естественных языках (natural language processing, NLP) и различные подходы к их решению: от базовых подходов, основанных на правилах и простых статистиках до самых современных методов, использующих большие предобученные нейросетевые модели. Наряду с вопросами построения и обучения моделей рассматриваются вопросы подготовки данных и изучения инструментов для программирования собственных реализаций решений.
-
Технологии разработки чат-ботовВ рамках дисциплины рассматриваются подходы к построению чат ботов, рассматриваются различные принципы построения диалогового конвейера и инструменты для создания работающих чат-ботов, рассматриваются вопросы сбора и подготовки данных и бизнес-аналитики, необходимой для создания и внедрения сервисов на основе чат-ботов.
-
Прикладные модели и методы теории сложных сетейВ рамках дисциплины студенты знакомятся с теорией сложных сетей – современной научной дисциплиной, использующей математический аппарат теории графов, статистики и статистической физики для изучения сложных реальных систем, представленных в виде графов. Изучение сконцентрировано на формировании навыка исследования реальных сетевых структур (в частности, социальных сетей) с помощью современного математического аппарата и актуальных программных решений.
-
Машинное обучение на графахВ рамках дисциплины рассматривается актуальное современное направления глубокого обучения, направленное на использование нейросетевых моделей для решения задач на графах. Студенты познакомятся с различными видами графовых нейронных сетей и одним из современных фреймворков для создания и обучения этих моделей на реальных данных. В частности, в рамках курса будут рассмотрены задачи построения рекомендаций на графовых наборах данных.
-
Графовые базы данныхПостроение прикладных систем искусственного интеллекта зачастую требует нестандартного инструментария для хранения и обработки данных, в частности использования графовых баз данных вместо классических реляционных баз данных. В рамках данного курса кроме графовых баз данных рассматриваются хранилища для баз знаний, поддерживающие специальные технологии и операции, необходимые для построения интеллектуальных систем на основе баз знаний.
Преимущества программы
-
Программа обучения обеспечивает фундаментальные знания и практические навыки для работы в сферах, связанных с интеллектуальной обработкой текстов и разработкой инструментария для анализа и принятия решений
-
Актуальность программы подтверждается флагманскими решениями в мировой индустрии искусственного интеллекта, основанными на машинном обучении, нейронных моделях и графовых структурах
-
Программа содержит как базовые профессиональные дисциплины, так и дисциплины, отражающие специфику ВУЗа и реализуемой направленности
-
Стратегическим партнером программы является Газпромбанк
-
Обучающийся имеет возможность участвовать в научной и научно-проектной работе, в конференциях и конкурсах, проходить практику в ведущих российских ИТ-компаниях и банках
-
Выпускник программы получает квалификацию, соответствующую требованиям ИТ-отрасли, и знания, востребованные в современных профессиях
Карьера и работа
Выпускники данной программы - это высококвалифицированные специалисты в области современных технологий машинного обучения и анализа данных со специализацией в обработке текстов на естественных языках и графовых структур.
Выпускники могут работать специалистами по данным и машинному обучению.
Студенты данной программы востребованы в крупных компаниях, выполняющих диджитализацию своего бизнеса и имеющих подразделения по решению задач анализа данных и машинного обучения или ориентированных на построение продвинутой коммуникации с клиентами с использованием технологий искусственного интеллекта.
К числу таких компаний относятся крупнейшие банки, торговые сети, индустриальные компании и холдинги.
Кроме того, специалисты по решению задач в области обработки текста на естественном языке и анализа сетевых структур могут трудоустроиться в динамичные ИТ-компании создающие специализированные сервисы и продукты для диджитализации бизнеса.
Выпускники могут работать специалистами по данным и машинному обучению.
Студенты данной программы востребованы в крупных компаниях, выполняющих диджитализацию своего бизнеса и имеющих подразделения по решению задач анализа данных и машинного обучения или ориентированных на построение продвинутой коммуникации с клиентами с использованием технологий искусственного интеллекта.
К числу таких компаний относятся крупнейшие банки, торговые сети, индустриальные компании и холдинги.
Кроме того, специалисты по решению задач в области обработки текста на естественном языке и анализа сетевых структур могут трудоустроиться в динамичные ИТ-компании создающие специализированные сервисы и продукты для диджитализации бизнеса.
Организации, в которых можно пройти практику с последующим трудоустройством
Ведущие преподаватели
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
- Область научных интересов: теория сложных сетей, глубокое обучение на графах, семантический анализ текстов и диалоговые системы, базы знаний, анализ финансово-экономических данных 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». Научные монографии: «Парадигмы цифровой экономики: технологии искусственного интеллекта в финансах и финтехе»; «Гис-технологии для управления устойчивым пространственным развитием регионов России».
Золотарева
Екатерина Леоновна
- Кандидат экономических наук
- Специалист по машинному обучению и их применению в системах управления рисками. Закончив Финансовый университет, несколько лет работала в области управления рисками, затем руководила подразделениями анализа рисков в крупнейших российских банках. Реализовала ряд проектов в области анализа данных для крупнейших российских банков и финансовых компаний.
Романова
Екатерина Владимировна
- Кандидат физико-математических наук
- Доцент Департамента анализа данных и машинного обучения
- Автор научных статей в области гравитации и космологии, математического моделирования и ИИ.
Соловьев
Владимир Игоревич
- Доктор экономических наук, профессор
- Декан Факультета информационных технологий и анализа больших данных, руководитель Департамента анализа данных и машинного обучения
- Лауреат премии имени профессора Б.Л. Овсиевича, лауреат премии CEEMAN Champion Award Ассоциации развития менеджмента CEEMAN, трижды лауреат премии «Проект года» Официального сообщества ИТ-директоров России GlobalCIO. Работает в области технологий обработки и анализа данных с 1990 года, за это время реализовал для компаний из финансовой отрасли и реального сектора экономики множество проектов в области анализа финансовых рынков, моделирования умных производств, промышленного, финансового и образовательного интернета вещей, а также в области искусственного интеллекта и обработки данных. Автор 20 книг, более 100 научных статей и более 30 статей в профессиональных IT-журналах.
Как поступить
Выбрать программу магистратуры
Собрать документы/ Заполнить электронную анкету
Написать
заявление
заявление
Пройти вступительные испытания
Начать
обучение
обучение
Почему абитуриенты выбирают наш ВУЗ?
Финансовый университет при Правительстве Российской Федерации – один из ведущих государственных вузов со 100-летней историей, который стабильно входит в ТОП-10 вузов страны и является главной кузницей управленческих кадров для органов государственной власти, банков, финансовых, страховых и аудиторских компаний. Выпускники вуза входят в пятерку самых востребованных среди работодателей!
Статус Финансового университета – это гарантия высокого качества образования, широкий выбор программ по самым востребованным направлениям, экспертный уровень преподавательского состава, практика в самых успешных компаниях и возможность параллельно обучаться на международных программах. Большой успех начинается с большой мечты. Осуществить ее возможно, если ты поступишь в Финуниверситет!
Финансовый университет – лидер среди ведущих государственных вузов страны по числу бюджетных мест!
Ежегодно в Финансовый университет поступают более 4 000 студентов, при этом больше половины из них учится на бюджетной основе!
Более того, при отличной успеваемости и наличии свободных мест, студент может в процессе обучения перейти с платной основы на бюджет.
Финансовый университет сотрудничает с министерствами, банками, передовыми российскими и зарубежными компаниями, что дает возможность получить знания от ведущих экспертов-практиков.
В процессе обучения Вы не просто обзаведетесь новыми знакомствами, Вы сформируете деловые связи, установите деловые контакты и партнерские отношения, которые в дальнейшем сможете использовать для работы и реализации своих бизнес-идей, что поможет Вам максимально быстро и эффективно достичь поставленных целей.
Благодаря развитой инфраструктуре Финансовый университет на время учебы станет вашим вторым домом!
Комфортабельные современные учебные корпуса Финансового университета удобно расположены рядом со станциями метро Москвы.
Студентам предоставляются места в комфортных общежитиях, в каждом корпусе работают уютные столовые, кафе и кофейни.
Библиотечно-информационный комплекс, содержащий около 1 млн печатных изданий и электронный доступ к международным ресурсам, монографиям, учебниками, диссертациям, журналам, базам данных, поможет подготовиться к любым зачетам и экзаменам на самом высоком уровне!
Бесплатно вы сможете посещать и спортивно-оздоровительный комплекс с бассейном, гимнастическим и тренажерным залами.
Комфортабельные современные учебные корпуса Финансового университета удобно расположены рядом со станциями метро Москвы.
Студентам предоставляются места в комфортных общежитиях, в каждом корпусе работают уютные столовые, кафе и кофейни.
Библиотечно-информационный комплекс, содержащий около 1 млн печатных изданий и электронный доступ к международным ресурсам, монографиям, учебниками, диссертациям, журналам, базам данных, поможет подготовиться к любым зачетам и экзаменам на самом высоком уровне!
Бесплатно вы сможете посещать и спортивно-оздоровительный комплекс с бассейном, гимнастическим и тренажерным залами.
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