关于培训方案
“应用信息学”专业“人工智能与数据分析”方向培养的必修环节，是在 ведущие специалисты 的指导下开展团队科研工作，包括围绕信息通信领域的数学、算法和管理解决方案，以及智能系统开发开展研究。学生将参加各类科研活动（研讨会、 конференции、青年学校、 лекций），并作为研究团队成员参与科研项目。
5
合同制职位
0
预算基础上的席位
558 000
₽每年学费
他们会教你什么
- Навыкам командной работы и проектной деятельности.
- Деловой коммуникации (устной и письменной, в том числе на иностранном языке).
- Способности к самоорганизации и саморазвитию.
- Умению работать с технической документацией и участвовать в её разработке.
- В области математики - теория вероятностей, математическая статистика, линейная алгебра, дискретная математика.
- Основы информатики и программирования - алгоритмы и структуры данных, принципы работы баз данных, основы системного анализа.
- Системному и критическому мышлению (умению анализировать информацию, выявлять проблемы, предлагать решения).
- Анализ данных - методы статистической обработки, разведочный анализ данных (EDA), понимание типов данных (структурированные, неструктурированные) и проблем качества (пропуски, выбросы).
- Машинное обучение и ИИ - принципы работы алгоритмов (деревья решений, случайные леса, метод опорных векторов). Базовые идеи глубокого обучения (нейронные, свёрточные и рекуррентные сети).
- Обработка неструктурированных данных - основы NLP (обработка естественного языка), компьютерное зрение (анализ изображений и видео).
- Технологии работы с данными - понимание концепций больших данных, инструментов для распределённой обработки (например, Apache Spark), облачных платформ.
- Этика и безопасность - правовые и этические нормы при работе с персональными данными, понимание рисков и ограничений ИИ-систем.
- Формулировать задачу - переводить бизнес- или предметную проблему в формат, пригодный для анализа и построения модели.
- Подготавливать данные - собирать данные из разных источников, очищать, трансформировать, проводить feature engineering (создание новых признаков).
- Выбирать и применять методы - подбирать алгоритм машинного обучения под конкретную задачу, обосновывать выбор.
- Обучать и оценивать модели - настраивать гиперпараметры, использовать кросс-валидацию, применять стандартные метрики качества (accuracy, F1-score, ROC-AUC).
- Визуализировать результаты - создавать дашборды и графики для наглядной презентации выводов заказчику.
- Интегрировать ИИ-решения - встраивать обученные модели в информационные системы или бизнес-процессы.
- Проводить исследовательский анализ - формулировать гипотезы, проверять их на данных, интерпретировать результаты.
- Владеть Python (библиотеки: Pandas, NumPy, Scikit-learn, TensorFlow/PyTorch) и SQL.
- Использовать средства для визуализации (Matplotlib, Seaborn, Tableau), инструменты для управления данными (SQL-базы, NoSQL-решения).
- Планировать этапы проекта, распределять задачи в команде, соблюдать сроки.
- Оценивать достоверность данных, выявлять смещения (bias) в моделях, понимать границы применимости решений.
- Чётко фиксировать этапы исследования, код, метрики и выводы для последующей поддержки и передачи коллегам.
毕业生做什么工作?
毕业生可以从事以下职业：科研人员、信息系统 специалист、信息技术项目经理、软件开发负责人、系统分析师、系统程序员。
潜在雇主包括国内外大学、世界一流科研中心，以及国有企业和IT公司的分析与IT部门。
专业人员的收入
от100 000 ₽
没有经验
初学者
从120 000 ₽
1-3年
有经验的
从140 000 ₽
从3岁开始
专家
