09.04.03 Искусственный интеллект и машинное обучение в управлении и принятии решений

rus Язык
2 Срок обучения, лет
Магистр Квалификация

Программа "Искусственный интеллект и машинное обучение в управлении и принятии решений”  направлена на формирование комплексных компетенций: интеллектуального анализа данных, разработки прогностических и диагностических моделей, интеллектуальных систем, основанных на знаниях и данных.

Выпускники магистратуры умеют собирать, обрабатывать и анализировать данные различной природы - табличные, текстовые, сигналы, изображения и видео, разрабатывать дизайн исследования, строить pipelines, выполнять исследования от сбора данных до представления и интерпретации результатов анализа. Выпускники умеют разрабатывать базы знаний, сервисы их обработки, позволяющие применять знания к решению различных задач. 

Актуальность образования.

Специалистам в области искусственного интеллекта - Data scientists, Data analytics, Data engineers, разработчикам интеллектуальных систем и сервисов предлагают работу компаниях всех отраслей экономики: банки, медицина, ритейл, телеком, промышленность, образование, медиа, ИТ, безопасность и др. В современной инновационной экономике с постоянным ростом уровня информатизации, искусственный интеллект – одна из самых востребованных профессий. Примеры задач выпускников программы:

  • Экономика. Прогнозирование тенденций рынка и управление рисками;
  • Медицина. Прогнозирование развития заболеваний;
  • Банки. Прогнозирование возврата кредита;
  • Розничная торговля. Оптимизация ассортимента, управление запасами, персонализация рекомендаций покупателям.
  • Маркетинг. Прогнозирование спроса, поведения потребителей и ценообразования;
  • Телекоммуникации. Улучшение сетевых операций,  качества обслуживания, предсказание оттока клиентов и разработка новых продуктов и услуг.

Практические навыки магистров:

  • обработка и анализ данных методами статистического анализа и машинного обучения;
  • построение прогностических моделей, классификация объектов из различных областей, выявление скрытых закономерностей;
  • обработка текста и его формализация;
  • формирование датасетов
  • управление данными предприятия, в том числе разработка баз данных и знаний, создание онтологий предметной области;
  • принятие решений, основанных на интеллектуальном анализе данных;
  • разработки на языках R и Python;
  • использования технологий Big Data.

Основные изучаемые дисциплины: статистический анализ данных, машинное обучение, нейронные сети, методология интеллектуального анализа данных, компьютерная лингвистика, обработка сигналов и изображений, инженерия знаний, системы поддержки принятия решений, коллективная разработка интеллектуальных систем.

Партнерами программы магистратуры являются лидирующие IT-компании Дальнего Востока, ведущие научные и образовательные организации России:

  • Институт автоматики и процессов управления Дальневосточного отделения Российской Академии Наук (ИАПУ ДВО РАН);
  • Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ);
  • Российской ассоциации искусственного интеллекта,
  • Тихоокеанский океанологический институт (ТОИ) ДВО РАН;
  • FarPost;
  • DNS.

Тесное взаимодействие с партнерами обеспечивает студентам доступ к последним технологиям, актуальным знаниям и передовым практикам, что позволяет им учиться на реальных кейсах, применять полученные навыки в реальной среде. С участием представителей IT-компаний формируются и актуализируются учебные планы, развивается система преемственности. Выпускники-сотрудники IT-компаний тесно общаются со студентами и способствуют высокому проценту трудоустройства. Это достигается за счет того, что партнеры работают с магистрантами с 1 курса. 

Особенности реализации образовательного процесса в ВВГУ:

  • программа объединяет два трека искусственного интеллекта: Системы основанные на данных и на знаниях
  • высококвалифицированный профессорско-преподавательский состав (доктора и кандидаты наук, большинство из которых удостоены почетных званий и наград, имеют патенты на изобретения, вносят весомый вклад в развитие научных исследований, являются обладателями премий и грантов, заслуженные деятели науки);
  • участие в образовательном процессе data scientists из индустрии
  • ориентация учебного процесса магистратуры на научно-исследовательскую и инновационную деятельность;
  • разработка и реализация диссертационных исследовательских работ студентов под руководством ведущих ученых;
  • участие в реальных IT-проектах вуза и в исследованиях научных коллективов партнеров;
  • практикоориентированность обучения с акцентом на исследовательскую деятельность;
  • применение в обучении современных информационных технологий;
  • использование технологий электронного обучения (очные занятия + самостоятельная работа обучающихся с электронными учебными курсами и иными образовательными ресурсами, размещаемыми в электронной образовательной среде ВВГУ).

Преимущества образования в магистратуре Прикладная информатика. Вы сможете:

  • перейти на новый этап работы с информацией с помощью технологий искусственного интеллекта;
  • освоить новые направления бизнеса, при этом умение работать с технологиями искусственного интеллекта поможет компании получить преимущество перед конкурентами;
  • составить свое мнение о «непонятном» искусственном интеллекте и машинном обучении, получив знания, умения и навыки работы с новейшими технологиями;  
  • продолжить образование в аспирантуре.

Профессии выпускников направления магистратуры Прикладная информатика 🔍

Абитуриентами программы становятся выпускники разных направлений бакалавриата, а также эксперты многих областей. Обучение не требует наличия IT-специализации. Программа заинтересует как специалистов с опытом работы, так и студентов, стремящихся расширить свои знания в перспективной области ИИ и МО.

Программа будет интересна:

  • всем, кто стремится к научной карьере и проведению  исследований в области искусственного интеллекта;
  • студентам IT-направлений для реализации личных проектов;
  • узким специалистам для улучшение профессиональной деятельности, выявления паттернов и трендов;
  • предпринимателям  для освоения инструментов  анализа данных, чтобы принимать более  эффективные  решения;
  • всем, кто интересуется технологиями будущего и хочет  погрузиться в мир Big Data, AI, ML.

Предпочтительный базовый бэкграунд для поступления:

  1. Знание основ программирования (достаточно самоподготовки). Программирование является ключевой компетенцией для специалистов в области искусственного интеллекта и машинного обучения. Абитуриентам рекомендуется иметь базовые навыки работы с одним из языков программирования Python или R. 
  1. Понимание основ высшей математики, включая линейную алгебру, вероятность и статистику. Основы высшей математики являются фундаментом алгоритмов машинного обучения. Статистика и вероятность играют ключевую роль в оценке и интерпретации результатов машинного обучения.

Прием на обучение по программам магистратуры проводится по результатам вступительных испытаний (конкурса портфолио). Портфолио состоит из двух разделов: раздел А (документы для участия в конкурсе: публикации, участие в научных мероприятиях и проектах) и раздел Б (индивидуальное задание (мотивационное письмо + эссе).

Положение о вступительных испытаниях, проводимых университетом самостоятельно).
Программа вступительных испытаний направления Прикладная информатика
Отвечает на вопросы абитуриентов и помогает сформировать портфолио менеджер Виктория Осипенко

Возможности в IT безграничны. Научитесь использовать искусственный интеллект, чтобы управлять ими. Свяжитесь с менеджером в Telegram.


Дисциплины учебного плана

Дисциплина Зач.единиц Часов Недель Форма аттестации
Инженерия знаний 3 108   Экзамен
Методы статистического анализа и прогнозирования на языке R 5 180   Экзамен
Управление ИТ-проектами 3 108   Экзамен
Методы машинного обучения на языке R 5 180   Экзамен
Деловое общение на иностранном языке 2 72   Зачет
Семинар НИР 2 72   Зачет
Реляционные и нереляционные базы данных (SQL и NOSQL) 4 144   Экзамен
Проектирование пользовательского интерфейса 4 144   Экзамен
Учебная ознакомительная практика 3   107 Зачет
Дисциплина Зач.единиц Часов Недель Форма аттестации
Системы, основанные на знаниях 4 144   Экзамен
Компьютерная лингвистика 4 144   Экзамен
Технологии сбора и предварительной обработки данных 4 144   Экзамен
Искусственный интеллект и глубокое обучение на R и Python 4 144   Экзамен
Семинар НИР 3 108   Зачет
Методы оптимизации в экономике 5 180   Экзамен
Гейм-дизайн и проектирование игр 5 180   Экзамен
Производственная научно-исследовательская практика (НИР) 9   323 Зачет
Компьютерные технологии в науке и практике 2 72   Зачет
Дисциплина Зач.единиц Часов Недель Форма аттестации
Коллективная разработка интеллектуальных систем 4 144   Экзамен
Методология анализа данных 4 144   Экзамен
Системы поддержки принятия решений 3 108   Экзамен
Семинар НИР 3 108   Зачет
Анализ сигналов и изображений 4 144   Экзамен
Системы управления эффективностью бизнеса 4 144   Экзамен
Производственная научно-исследовательская практика (НИР) 9   323 Зачет
Управленческая статистика 3 108   Зачет
Дисциплина Зач.единиц Часов Недель Форма аттестации
Технологии представления данных (BI) 5 180   Экзамен
Технологии Big Data 4 144   Экзамен
Имитационное моделирование 4 144   Зачет
Данные биологии, медицины и других естественно-научных дисциплин 5 180   Экзамен
Выполнение и защита выпускной квалификационной работы 15   530 Итоговая гос. аттестация