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
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
20
В т.ч. целевой прием
Платные места
5
Стоимость обучения
375 000
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 и в области систем интеллектуального анализа сетевых структур. Взрывной рост применения в бизнесе систем искусственного интеллекта, таких как: чат-боты, рекомендательные системы, базы знаний, системы анализ социальны сетей, привел к острой нехватке квалифицированных кадров для решения сложных задач с использованием методов машинного обучения, нейросетей и других современных технологий искусственного интеллекта. Поэтому на дранной программе мы предлагаем как фундаментальную, так и практико-ориентированную подготовку по самым актуальным направлениям создания систем искусственного интеллекта: от специальных разделов прикладной математики и лингвистики до передовых информационных технологий. 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
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».
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 технологии
    В 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 языках
    В 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-ботов
    В 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 сетей
    В 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 графах
    В 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 данных
    Построение 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.
Получить консультацию о программе
Отправьте заявку и с вами свяжется специалист для консультирования
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.
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!
.$dateabc->format('Y')