Программа двух дипломов БГУ и ВШЭ «Системы искусственного интеллекта» предоставляет уникальные возможности для получения передовых знаний в области искусственного интеллекта и разработки программного обеспечения на основе стратегического партнерства двух вузов. Программа направлена на подготовку аналитиков данных, специалистов по машинному и глубинному обучению, а также разработчиков прикладного ПО. Выпускники смогут строить карьеру в индустрии или углубиться в исследовательские задачи, продолжив обучение в магистратуре и аспирантуре.
Особенности программы
Декан факультета компьютерных наук главный научный сотрудник, заведующий лабораторией факультета компьютерных наук / научно-учебной лаборатории алгебраических групп преобразований НИУ ВШЭ
Руководитель департамента, доцент факультета компьютерных наук / департамента больших данных и информационного поиска, преподаватель центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта, академический руководитель образовательной программы «прикладная математика и информатика» НИУ ВШЭ
Директор Института математики, физики и компьютерных наук, профессор кафедры фундаментальной математики БГУ Специализация: аналитическая и дифференциальная геометрия, топология
Генеральный директор ООО «Байкалмедсистемс», профессор практики кафедры информационных систем и методов искусственного интеллекта Специализация: разработка и сопровождение медицинских информационных систем (разработчик МИС «Байкал»)
Ведущий инженер-разработчик АО «БАРС Груп», доцент практики кафедры информационных систем и методов искусственного интеллекта Специализация: web-разработка, цифровые платформы в здравоохранении, авторские проекты и стартапы
Заведующий кафедрой информационных систем и методов искусственного интеллекта, «Лауреат премии мэра г.Улан-Удэ для молодых ученых». Специализация: прикладной анализ данных, машинное обучение и искусственный интеллект.
Руководитель Молодёжной инновационной студии по цифровым решениям, старший преподаватель кафедры информационных систем и методов искусственного интеллекта. Специализация: объектно-ориентированное программирование, web-разработка, мобильная разработка, цифровые сервисы в здравоохранении и образовании
Ведущий инженер лаборатории программных систем, старший преподаватель кафедры информационных систем и методов искусственного интеллекта. Специализация: базы данных, web-разработка, цифровые сервисы в здравоохранении и образовании.
Изучение моделей структур данных и способов классификации СУБД в зависимости от реализуемых моделей данных и способов их использования. Подробное изучение реляционной (SQL) и нереляционной (NoSQL) моделей данных и СУБД (PostgresSQL, MS SQL, MySQL, MongoDB). Практика проектирования база данных и решения задач с использованием языка SQL.
Основы статистического и интеллектуального анализа данных. Разбор классических моделей машинного обучения и инструментов их реализации. Топовые алгоритмы кластеризации, классификации и регрессии: DBSCAN, SVM, ансамбли (бустинг), байесовские алгоритмы, нейронные сети и т.д.
Разбор современных методов обучения нейронные сетей. Обзор, анализ и применение современных архитектур глубоких нейронных сетей: сверточные и рекуррентные сети, автокодировщики, модели внимания, трансформеры, генеративные сети. Прикладные задачи глубокого обучения: компьютерное зрение, распознавание речи, обработка естественного языка, биоинформатика.
Методы преобразования и фильтрации изображений. Применение спец-инструментов разметки изображений. Обзор готовых датасетов. Обзор и анализ передовых нейросетевых архитектур детекции, классификации, сегментации, трекинга объектов на изображении: ResNet, EfficientNet, Vision Transformers, FCN, U‑Net, Mask R‑CMM, YOLO. Рассматриваются модели специального назначения, например, для распознавания лиц: face recognition, FaceNet и т.п.
Основные концепции обработки естественного языка (NLP) и устройства больших языковых моделей (LLM). Токенизация и векторизация. Классификация практических задач — от генерации контента до написания программного кода. Применение современных инструментов разработки (Hugging Face, PyTorch, spaCy).
Обзор современных источников биомедицинских сигналов. Классические методы фильтрации сигналов, подавление шумов. Методы спектрального анализа, в т.ч. преобразование Фурье, вейвлет-преобразование. Контурный (структурный) анализ на примере сфигмограммы. Обзор математико-алгоритмических способов извлечения информативных признаков медико-биологических сигналов.
Front-end разработка: изучение языков разметки HTML5, каскадных таблиц стилей CSS3 (включая адаптивную верстку и препроцессоры) и основ программирования на JavaScript. Back-end разработка: проектирование серверной логики, работа с базами данных (SQL/NoSQL) и создание API для взаимодействия компонентов системы. Современные фреймворки и библиотеки: знакомство с актуальными инструментами (например, React, Vue или Node.js) для ускорения процесса разработки. Инструментарий и методология: использование систем контроля версий (Git), сборщиков проектов и основ тестирования кода.
AI-разработчик в «СберТех»
летние курсы Яндекса, поддержка «Вконтакте».
Анализ данных и искусственный интеллект:
- модели и методы машинного обучения: KNN, K-means, DBSCAN, SVM, Байесовский классификатор, SGD, Нейронные сети (BackProp, MP, CNN, RNN, LSTM, GRU),
современные прикладные модели в области NLP, Computer Vision, обработки сигналов и рекомендательных систем.
- языки программирования: Python (основной) и др.
- фреймворки и библиотеки: numpy, pandas, matplotlib, sklearn, tensorflow, keras, PyTorch
Разработка информационных систем:
- проектирование ИС: ER-диаграммы, DFD-диаграммы потоков данных, UML-диаграммы
- языки программирования: C++/C#/Python/PHP/JavaScript
- фронтэнд технологии: HTML 5, СSS
- базы данных: PostgresSQL, MS SQL, MySQL
- фреймворки: Laravel (PHP), VueJS (JS), Tailwind, Bootstrap, Visual Studio
Администрирование ИС:
- операционная система UNIX
- администрирование Unix-сервера
- администрирование сервера MS Windows
Лаборатории Сбербанка
Компании «Биллинговый Центр» и «БАРС-Груп»
Научные центры БГУ