Магистерская программа «Статистическая теория обучения» / «Statistical Learning Theory» направлена на подготовку исследователей в области современной теории статистического обучения — основного раздела теории машинного обучения.
Программа рассчитана на подготовку исследователей и разработчиков новых методов на стыке нескольких современных математических дисциплин: статистики, оптимизации, машинного обучения.
Магистерская программа осуществляется совместно с Сколковским институтом науки и технологий. По результатам освоения магистерской программы выдается два диплома.
Основные задачи программы
Задачей магистерской программы является знакомство студентов с наиболее актуальными результатами в области статистической теории обучения и ее приложений, необходимым математическим аппаратом, а также развитие у студентов навыков проведения самостоятельных научных исследований в данной области.
Задачами программы являются:
- Развить у студентов навыки разработчика и исследователя в области статистической теории обучения до уровня, соответствующего самым высоким профессиональным требованиям, предъявляемым ведущими отечественными и зарубежными компаниями и научно-образовательными центрами.
- Развить у студентов лидерские качества и навыки применять полученные фундаментальные и прикладные знания для выбора актуальной задачи (которая может быть решена в рамках концепции статистической теории обучения), разработки алгоритмов решения данной задачи, организации процесса разработки, в том числе, с привлечением узконаправленных специалистов в разных областях.
- Научить студентов разрабатывать математические и имитационные модели для решения задач машинного обучения, использовать стандартные компьютерные средства для исследования эффективности их работы, пользоваться профессиональными поисковыми системами, представлять полученные результаты в форме публикаций и докладов, делать экспертные оценки.
В чем преимущества программы
Разработки в области машинного обучения имеют большую историю и, в том или ином виде, начались более полувека назад. Очередной бум в этой области начался в середине первой декады XXI-века и продолжается до сих пор. Сейчас разработки в области машинного обучения являются основным двигателем в областях информационного поиска, индивидуальной и диагностической медицины, финансах, разработки интеллектуальных транспортных систем, разработки рекомендательных сервисов и многих других. Экспоненциальный рост массивов доступных данных и столь же значительный рост сложности решаемых задач привели к насущной необходимости разработки новых алгоритмов.
Машинное обучение - это область исследования, связанная с разработкой средств и алгоритмов для анализа больших массивов данных с последующим использованием результатов для адаптивного управления и принятия решений. Теоретические основы машинного обучения лежат на пересечении математики и информатики.Большая часть математической составляющей машинного обучения объединена в направление «Статистическая теория обучения», которая и стала основой для данной магистерской программы.
Разработка новых методов и алгоритмов машинного обучения зачастую невозможна без глубокого знания таких областей, как теория вероятностей, математическая статистика, оптимизация и комбинаторика, а также без глубокого знания современных алгоритмов. Решение сложных задач в анализе данных, возникающих во многих приложениях, требует активной работы на стыке всех этих дисциплин. Цель данной программы – подготовить высококвалифицированных специалистов, владеющих основными методами и подходами, используемые при разработке теории и алгоритмов машинного обучения, имеющими глубокое понимание математики, на которой данные методы и подходы основываются, а также привлечь студентов к активной исследовательской работе в данной области уже на уровне магистратуры.
Что я буду изучать
Формат программы предусматривает прочтение в рамках учебного плана магистратуры ряда обязательных курсов, а также ряда курсов по выбору студента.В число читаемых курсов входят базовые курсы и продвинутые по оптимизации, стохастике, статистике и машинному обучению.Вариативная часть содержит ряд специальных продвинутых курсов по отдельным разделам статистической теории обучения, а также ряд курсов, ориентированных на приложения теории статистического обучения к решению прикладных задач.Все курсы программы читаются в первые полтора года обучения. Наибольшая интенсивность приходится на 3-4 модули первого года обучения и 1-2 модули второго года обучения.В рамках программы предполагается участие студентов в научно-исследовательском семинаре.
Дополнительно к базовым и курсам по выбору планируется интенсивная программа привлечения ведущих мировых ученых для чтения спецкурсов по теории машинного обучения и смежным дисциплинам математики.В рамках программы планируется организация миниконференций с приглашением зарубежных ученых и с возможностью представления полученных результатов в форме докладов или постеров. Студенты программы получат возможность участия в ежегодных школах-конференциях по информационным технологиям и по современным методам оптимизации.
Целевая аудитория
Обучение в магистратуре рассчитано на выпускников бакалавриата Факультета компьютерных наук и других факультетов НИУ ВШЭ, математических факультетов иных российских и зарубежных вузов, а также специалистов, получивших образование по соответствующим специальностям и успешно справившихся со вступительными испытаниями. Целевой аудиторией являются абитуриенты с сильной математической подготовкой, нацеленные на построение академической карьеры в области машинного обучения, а также в областях, требующих сильной подготовки в области анализа данных.
Кем я буду работать
Статистическая теория обучения является основным теоретическим разделом машинного обучения. Эта область является одним из наиболее активно развивающихся разделов Computer Science, крайне востребованным и в других дисциплинах (медицина, физика, экономика и финансы, транспортное планирование и многие другие). Все это вкупе делает выпускников магистерской программы крайне востребованными на академическом рынке.
Специалисты в области статистического обучения также крайне востребованы во всех областях, где возникают задачи анализа данных и предсказательного моделирования.
Среди российских компаний в выпускниках программы могут быть заинтересованы:
- Крупные интернет-компании (Яндекс, Мэйл.ру, Озон и другие),
- Телеком-компании (Мегафон, Билайн, МТС),
- Банки и финансовые организации (Сбербанк-Технологии, Тиньков Кредитные Системы, Альфа-Банк и другие),
- Крупные и средние компании в области ритейла (Эльдорадо, Техносила, Перекресток и другие),
- Другие компании и стартапы, в которых возникает необходимость решать задачи предсказательного моделирования.
Среди зарубежных компаний специалисты в области статистического обучения крайне востребованы в таких компаниях, как
- Google, Amazon.com, Netflix, Facebook и другие интернет-компании,
- WorldQuant и другие частные компании в области алгоритмического трейдинга,
- Huawei, Alcatel и другие разработчики телекоммуникационного оборудования.
Востребованность выпускников данной магистерской программы подтверждается как рейтингами специальностей, так и наличием большого количества открытых вакансий с высоким уровнем заработной платы.
При этом общее число ежегодно подготовленных специалистов в данной области в России существенно ниже спроса, который продолжает расти. Это во многом объясняется высокими требованиями к математической подготовке специалистов.
