Большие данные и машинное обучение / Big data and machine learning
ПАСПОРТ ПРОГРАММЫ
01.04.02 Прикладная математика и информатика
Целевых - 11
Контрактных - 13
Когнитивные технологии и квантовый интеллект / Cognitive Technologies and Quantum Intelligence
Английский
Технологии машинного обучения и анализа больших данных / Machine Learning and Big Data Analysis Technologies
Английский
Когнитивные технологии и машинное обучение в планировании и сопровождении спасательных и специальных операций / Cognitive Technologies and Machine Learning in Management and Tracking of Rescue and Special Operations
Английский
Технологии организации и управления инфраструктурой больших данных / Big Data Infrastructure Organization and Management Technologies
Английский
Интеллектуальные технологии больших данных в медицине и здравоохранении / Intelligent Thechnologies of Big Data in Medicine and Healthcare
Английский
ОПИСАНИЕ ПРОГРАММЫ
Программа готовит специалистов в области прикладной математики и информатики. компетентных в проектировании, разработке и использовании технологии больших данных и машинного обучения для решения различных практических задач.
Вы получите глубокие знания и навыки в:
-
области работы с технологиями больших данных;
-
разработке методов интеллектуального анализа данных;
-
решении прикладных задач по обработке больших объемов информации и визуализации больших объемов данных.
Программа реализуется в сотрудничестве с Национальным центром когнитивных разработок Университета ИТМО. Вы получите не только теоретические знания, но и погрузитесь в реальную научно-исследовательскую и проектную работу с промышленными партнерами. Работа ведется как над академическими задачами, с возможностью последующей презентации результатов на международных конференциях, так и над промышленными задачами R&D департаментов ведущих мировых и российских компаний.
Обучение в магистратуре подразумевает выбор одной из пяти специализаций:
Специализация 1. Технологии организации и управления инфраструктурой больших данных
Специализация направлена на изучение современной инфраструктуры для сбора, хранения и обработки сверхбольших данных.
Вы сможете работать:
-
Data Engineer;
-
инженерами-исследователями, работающими над исследовательскими проектами;
-
специалистами, работающими с высоконагруженными системами хранения данных.
Специализация 2. Технологии машинного обучения и анализа больших данных
Вы изучите методы, модели и высокоэффективные алгоритмы для автоматического извлечения знаний из данных методами машинного обучения, а также анализ данных с помощью методов глубокого обучения и нейронных сетей.
Специализация ориентирована на следующие профессии:
-
инженер-исследователь;
-
специалист по анализу данных;
-
аналитик и разработчик программного обеспечения в крупных исследовательских центрах и инновационных стартапах;
-
научный сотрудник в академической среде ведущих мировых и российских вузов.
Специализация 3. Когнитивные технологии и квантовый интеллект
Вы познакомитесь с моделированием сложных социально-экономических процессов с применением современных методов квантовой теории информации, когнитивных технологий, машинного обучения и искусственного интеллекта.
Кем работать:
-
разработчиками нового программного обеспечения;
-
математиками-исследователями (аналитиками) по новым формам экономики и финансов (когнитивная экономика);
-
разработчиками систем искусственного интеллекта с элементами когнитивных и квантовых вычислений.
Специализация 4. Интеллектуальные технологии больших данных в медицине и здравоохранении
Вы освоите методы формализации, структурирования, интерпретации и усвоения знаний для задач поддержки принятия решений в медицине и здравоохранении. Специализация также включает в себя курсы по математической эпидемиологии и медицинской статистики.
Мы в социальных сетях : 
АКТУАЛЬНОСТЬ И ЗНАЧИМОСТЬ ПРОГРАММЫ
Грамотный анализ накопленных данных повышает конкурентоспособность любой компании. Рынок нуждается в специалистах, способных правильно выстраивать логику и процесс проводимого анализа, реализовывать высокоэффективные алгоритмы обработки данных в распределенной вычислительной среде. Актуальным требованием становится не только умение применять отдельные методы машинного обучения, но и понимание подходов искусственного интеллекта на системном уровне. Умение проектировать прогностические и имитационные модели для решения трудно формализуемых задач делает выпускников данной программы крайне востребованными специалистами. Это подтверждается успешным сотрудничеством с такими компаниями, как Сименс, Хуавей, РосНефть, ГазпромНефть, МТС, Банк Санкт-Петербург, Mail.Ru, BCC, Расофт.
ЦЕЛЬ ПРОГРАММЫ
Цель образовательной программы: подготовка высококвалифицированных кадров, способных проектировать, разрабатывать и эффективно использовать технологии больших данных и машинного обучения для решения современных задач.
Направление включает в себя:
создание научно-технологической базы современной распределенной вычислительной инфраструктуры для сбора, хранения и обработки сверхбольших данных в логике технологий Big Data;
разработку методов, моделей и высокоэффективных алгоритмов для автоматического извлечения знаний из данных методами машинного обучения и эволюционных вычислений;
развитие методов формализации, структурирования, агрегации, интерпретации и усвоения знаний, извлеченных из сверхбольших массивов данных для задач поддержки принятия решений.
ДИСЦИПЛИНЫ
Анализ и разработка алгоритмов
В данном курсе рассматриваются анализ сложности алгоритмов, принципы их построения, структуры данных, а также специальные алгоритмы, предназначенные, прежде всего, для решения задач машинного обучения. После освоения дисциплины студенты получат навыки анализа сложности алгоритмов, научатся выбирать структуры данных и алгоритмические методы для решения поставленной задачи, а также получат практический опыт разработки и применения алгоритмов оптимизации многомерных функций, а также алгоритмов на графах.
Методология трансляционных исследований
Курс является межфакультетским модулем мегафакультета трансляционных информационных технологий. Курс построен таким образом, чтобы покрыть все разделы цикла трансляционных исследований от анализа предметной области, обоснования гипотез и выбора путей их исследования и заканчивая разработкой методик использования цифрового образа и создания демонстраторов задач и технологий. После освоения дисциплины студенты получат знания о современных методах анализа фактографической информации, системном анализе и информационном моделировании, моделях на данных и их обучении, интеллектуализации процесса цифровых научных исследований и разработок и технологиях использования результатов в предметных областях.
Методы и модели многомерного анализа данных
Курс знакомит студентов с основами многомерного статистического анализа данных и теоретическими основами вероятностного моделирования многомерной случайной величины, а также с методами проведения верификации и валидации моделей. Студенты научатся разрабатывать и реализовывать эффективные алгоритмы многомерного анализа сложных данных, применять методы проверки работоспособности решения, использовать методы оценки результатов моделирования.
Инфраструктура больших данных (КР1)
В данном курсе рассматриваются актуальные задачи, связанные с принципами построения и основами организации разработки современных программных решений для обработки больших данных. Речь пойдет в том числе о распределенных файловых системах HDFS, технологии MapReduce, Apache ZooKeeper, менеджерах ресурсов YARN и Mesos.Материал сопровождается практическими задачами, связанными с обработкой больших данных.
Квантовые когнитивные технологии систем искусственного интеллекта
"Целью курса является знакомство студентов с современными тенденциями, достижениями и направлениями исследований в области когнитивных наук, выполненными на основе методов квантовой теории вероятностей. В ходе изучения дисциплины обучающиеся приобретут навыки построения математических квантово-подобных моделей когнитивной деятельности индивидуальных и коллективных систем, в частности - процесса принятия решений человека. Познакомятся с исследованиями построения на их основе систем искусственного интеллекта.
Технологии машинного обучения (КР2)
В данном курсе рассматриваются классические и современные методы анализа данных на основе алгоритмов машинного обучения. После освоения дисциплины студенты смогут производить подготовку наборов данных для обучения предсказательных моделей, осуществлять подбор параметров алгоритмов машинного обучения для повышения качества получаемых решений, использовать современные алгоритмы машинного обучения, интеллектуального анализа данных и глубокого обучения для решения практических задач.
Эволюционные вычисления
Курс знакомит студентов с основными принципами разработки и реализации эволюционных алгоритмов для различных задач оптимизации, методами повышения производительности алгоритмов и их реализация на основе многопроцессорных и распределенных систем, а также с использованием графических процессоров. В ходе курса студенты получат опыт анализа реальных решаемых задач с использованием эволюционных вычислительных методов и приобретут навыки по настройке и тестированию эволюционных алгоритмов.
Квантовая информатика и теории квантовых алгоритмов
"Целью курса является формирование у студентов меж- и интердисциплинарного мировозрения к решению жизненно важных проблем в области квантовых технологий, квантовой информации и алгоритмов, и их применению в задачах искусственного интеллекта. Задачами курса является подготовка мотивированного специалиста, способного к решению современных научно-исследовательских, инженерных , организационно-управленческих, а также экспертно-аналитических задач в сфере квантовых технологий, разработки программного обеспечения. Достаточным условием для изучения дисциплины является знание базовых курсов по высшей математике – алгебры, теории вероятностей, дифференциального исчисления, а также знания по физике на уровне школьных, или общего курса физики.
Визуализация данных
Курс представляет собой введение в основные принципы и методы интерактивной визуализации данных. В этом курсе вы узнаете, как человеческая зрительная система обрабатывает и воспринимает изображения, какие существуют методы и инструменты для визуализации данных из различных областей. После освоения дисциплины студенты смогут применять визуальные представления для анализа и понимания сложных данных и разрабатывать собственные интерактивные визуализации.
ПРЕПОДАВАТЕЛИ
ТЕМЫ ВЫПУСКНЫХ РАБОТ
- Семантический подход к определению социального отклика для поддержки принятия решений в критических ситуациях
- Автоматическая система для аннотации изображений из зашумленных данных с использованием глубоких нейронных представлений
- Разработка технологии взаимодействия с пользователем в процессе выработки персонифицированных решений при лечении хронических заболеваний
- Исследование и разработка методов интеграции неоднородных данных сетевого ритейла для построения рекомендательной системы в рамках биржи больших данных
- Разработка метода идентификации заимствования визуальных образов с изображений на основе нейросетевой семантической сегментации и хэширования
- Извлечение знаний из предметно-ориентированного корпуса текстов для построения менеджера диалогов на основе методов обработки естественного языка
ПРАКТИКА И СТАЖИРОВКИ ДЛЯ СТУДЕНТОВ
В процессе обучения студенты проходят практику в научно-исследовательской лаборатории «Когнитивные технологии в промышленности», совместной с компанией Siemens, а также в Национальном центре когнитивных разработок Университета ИТМО, где работают над промышленными задачами R&D департаментов ведущих мировых и российских компаний таких Сбербанк России, Рокет Груп, Мэйл.Ру, ГазпромНефть, Национальный медицинский центр им. В.А.Алмазова.
НАБОР КОМПЕТЕНЦИЙ
Магистерская программа включает такие дисциплины, как:
Инфраструктура больших данных
Технологии машинного обучения
Эволюционные вычисления
Методы машинного обучения для обработки промышленных данных
Архитектуры нейронных сетей для глубокого обучения
Анализ социальных сетей
Динамические модели принятия решений в сложных социальных и экономических системах
Что позволяет нам подготовить профессионалов, которые обладают знаниями на стыке дисциплин, разбираются в предметной области, а также владеют навыками программирования, работы с системами хранения данных, статистическими методами, методами машинного обучения и способами визуализации полученных результатов.
Компетенции наших выпускников позволяют им успешно продолжать исследовательскую деятельность, разрабатывать и внедрять алгоритмы интеллектуального анализа данных, а также руководить группой разработчиков. Знания и навыки, полученные на протяжении обучения, релевантны как в работе над исследовательскими проектами, так и в индустрии — от решения задач хранения и обработки сверхбольших объемов данных до анализа и предсказания поведения людей в социальных медиа.
ТРУДОУСТРОЙСТВО И ВОСТРЕБОВАННОСТЬ ПРОФЕССИИ
Выпускники программы востребованы как инженеры-исследователи, специалисты по анализу данных, аналитики и разработчики программного обеспечения в крупных исследовательских центрах и инновационных стартапах, в качестве научных сотрудников в академической среде в ведущих мировых и российских вузах.