Искусственный интеллект: магистратура в вузах Санкт-Петербурга

Обучение построено вокруг практической работы над реальными проектами в сотрудничестве с ведущими IT-компаниями. Под руководством опытных наставников обучающемуся предстоит освоить полный жизненный цикл разработки AI-продуктов — от первоначального сбора и подготовки данных до развёртывания моделей и их интеграции в рабочие процессы. Особое внимание уделяется работе с глубокими нейросетями и построению масштабируемых систем машинного обучения.

В рамках программы создаются условия для реализации собственных идей. Благодаря доступу к AI-акселератору, у студента появляется возможность не только провести независимое исследование в области Data Science, но и превратить перспективную разработку в готовый проект, привлекательный для потенциальных инвестиций. Таким образом, данное образование готовит не просто инженера, а полноценного создателя инновационных решений на стыке искусственного интеллекта и инфокоммуникационных технологий.

Основные дисциплины:

• Практика применения машинного обучения
• Алгоритмы и структуры данных
• Математическая статистика
• Разработка веб-приложений (Python Backend)
• Программирование на С++
• Введение в МО (Python) и Продвинутое МО (Python)
• Гехнологии обработки естественного языка
• Автоматическое машинное обучение
• Обработка и генерация изображений
• Проектирование и разработка рекомендательных систем (продвинутый уровень)
• Основы глубокого обучения
• Продвинутое МО (Python) и Глубокое обучение
• Введение в большие языковые модели (LLM)
• Проектирование систем машинного обучения (ML System Design)
• Проектирование микросервисов
• Хранение больших данных и Введение в МО (Python)
• Вычисления на графических процессорах (GPU)
• UNIX/Linux системы
• Инструменты разработки data-driven решений
• Контейнеризация и оркестрация приложений
• Продуктовые исследования
• Графические интерфейсы
• Создание интеллектуальных агентов
• Прикладной анализ временных рядов
• Процессы и методологии разработки решений на основе ИИ
• Инжиниринг управления данными
• Бизнес-аналитика для инженеров
• Математика для машинного обучения и анализа данных
• Языки программирования
• Основы машинного обучения
• Инженерные практики в ML и анализе данных
• Дополнительные разделы машинного обучения
• Бaзы дaнных.

Пул выборных дисциплин:

• Глубокое обучение на практике
• Воркшоп по прикладному использованию языковых и генеративных моделей
• Глубокие генеративные модели (Deep Generative Models)
• Дополнительные разделы математики и алгоритмов
• Программирование на Python (продвинутый уровень)
• DevOps практики и инструменты
• Технологии и практики MLOps
• Продвинутое МО (Python) и Автоматическая обработка текстов
• Продвинутое МО (Python) и Обработка изображений
• Прикладная математика и статистика / Applied Math and Statistics
• Автоматическая обработка текстов и Социальные сети
• Специальные главы геномики
• Специальные главы биоинформатики
• Нейросети в химии / Neural Networks in Chemistry
• Обучение с подкреплением
• Интеллектуальные агенты и большие языковые модели
• Разработка приложений разговорного искусственного интеллекта
• Распознавание и генерация речи
• Технологии обработки естественного языка
• Компьютерное зрение (продвинутый уровень)
• Технологии компьютерного зрения
• Обработка изображений и Компьютерное зрение
• Автоматическая обработка текстов и Обработка изображений
• А/В тестирование
• Информационный поиск
• Управление данными
• Сбор и разметка данных для машинного обучения
• Проектирование систем машинного обучения (ML System Design)
• Безопасность ИИ
• Управление проектами в Data Science
• Продуктовый дизайн и прототипирование АI-решений
• Бизнес-анализ
• Практики менторства и развития в Data Science
• Основы построения рекомендательных систем
• Инженерия данных
• Системы обработки и анализа больших массивов данных
• Управление технологическим продуктом
• Языки программирования для работы с данными
• Машинное обучение
• Задачи машинного обучения
• Обработка естественного языка
• Пул выборных дисциплин. 3 семестр
• Алгоритмы и структуры данных
• Математическая статистика
• Прикладной анализ временных рядов
• Разработка веб-приложений (Python Backend)
• Программирование на С++
• Введение в МО (Python) и Продвинутое МО (Python)
• Технологии обработки естественного языка
• Автоматическое машинное обучение
• Обработка и генерация изображений
• Проектирование и разработка рекомендательных систем (продвинутый уровень)
• Глубокое обучение
• Продвинутое МО (Python) и Глубокое обучение
• Введение в большие языковые модели (LLM)
• Мультимодальные генеративные модели искусственного интеллекта
• Проектирование систем машинного обучения (ML System Design)
• Проектирование микросервисов
• Хранение больших данных и Введение в МО (Python)
• Базы данных
• Вычисления на графических процессорах (GPU)
• UNIX/Linux системы
• Инструменты разработки data-driven решений
• Контейнеризация и оркестрация приложений
• Продуктовые исследования
• Графические интерфейсы
• Воркшоп по применению ИИ
• Мастерская по проектам для работы с данными
• Инжиниринг управления данными
• Прикладная математика для машинного обучения
• Языки программирования. Продвинутый уровень
• Продвинутое машинное обучение
• Прикладные задачи машинного обучения
• Бизнес-аналитика
• Прикладные инструменты разработки
• Процессы и методологии разработки решений на основе ИИ.