09.04.03 Искусственный интеллект и машинное обучение в управлении и принятии решений
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:
- 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.
- 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, рабочие программы дисциплин, практик
Дисциплина | Зач.единиц | Часов | Недель | Форма аттестации |
Методы машинного обучения | 5 | 180 |
Экзамен |
|
Методы статистического анализа и прогнозирования | 5 | 180 |
Экзамен |
|
Технологии сбора и предварительной обработки данных | 4 | 144 |
Экзамен |
|
Инженерия знаний | 3 | 108 |
Экзамен |
|
Проектирование пользовательского интерфейса | 4 | 144 |
Экзамен |
|
Реляционные и нереляционные базы данных (SQL и NOSQL) | 4 | 144 |
Экзамен |
|
Семинар НИР | 2 | 72 |
Зачет |
|
Учебная ознакомительная практика | 3 | 107 |
Зачет |
Дисциплина | Зач.единиц | Часов | Недель | Форма аттестации |
Системы, основанные на знаниях | 4 | 144 |
Экзамен |
|
Деловое общение на иностранном языке | 2 | 72 |
Зачет |
|
Искусственный интеллект и глубокое обучение | 5 | 180 |
Экзамен |
|
Основы Data Engineering | 4 | 144 |
Зачет |
|
Методы оптимизации | 4 | 144 |
Экзамен |
|
Семинар НИР | 2 | 72 |
Зачет |
|
Компьютерная лингвистика | 4 | 144 |
Экзамен |
|
Производственная научно-исследовательская практика (НИР) | 9 | 323 |
Зачет |
|
Анализ экологических данных | 5 | 180 |
Экзамен |
Дисциплина | Зач.единиц | Часов | Недель | Форма аттестации |
Методология интеллектуального анализа данных | 4 | 144 |
Экзамен |
|
Коллективная разработка интеллектуальных систем | 4 | 144 |
Экзамен |
|
Анализ сигналов и изображений | 4 | 144 |
Экзамен |
|
Семинар НИР | 3 | 108 |
Зачет |
|
Продуктовая аналитика | 4 | 144 |
Экзамен |
|
Производственная научно-исследовательская практика (НИР) | 9 | 323 |
Зачет |
Дисциплина | Зач.единиц | Часов | Недель | Форма аттестации |
Прикладные большие языковые модели | 4 | 144 |
Экзамен |
|
Технологии представления данных (BI) | 4 | 144 |
Экзамен |
|
Управление ИТ-проектами | 3 | 108 |
Экзамен |
|
Имитационное моделирование | 3 | 108 |
Зачет |
|
Системы поддержки принятия решений | 3 | 108 |
Экзамен |
|
Биоинформатика | 3 | 108 |
Экзамен |
|
Выполнение и защита выпускной квалификационной работы | 15 | 530 |
Итоговая гос. аттестация |
|
Количественные и качественные методы психологии | 5 | 180 |
Экзамен |