Поступление 2022
0
личный кабинет

ПАСПОРТ ПРОГРАММЫ

Тип: программа корпоративной магистратуры

Программа магистратуры нацелена на подготовку специалистов под действующую отрасль в реальном секторе экономики с поддержкой одним или несколькими предприятиями.

Военная кафедра Государственная аккредитация
Государственная аккредитация — выпускники получают диплом государственного образца; студенты имеют отсрочку от службы в армии, возможность использования маткапитала при оплате за обучение.

09.04.02 Информационные системы и технологии

Специализации:
Язык обучения:

Анализ геопространственных данных

Русский

Геомоделирование

Русский

Языки обучения: RUS Русский
Форма обучения: Очная, 2 года
Стоимость контрактного обучения в 2021 году: 251 000 руб. в год
  • 251 тыс. руб в год для граждан Российской федерации
  • 271 тыс. руб в год для иностранных граждан
Контактное лицо Климова Александра Сергеевна
Руководитель программы:
Калюжная Анна Владимировна

ОПИСАНИЕ ПРОГРАММЫ

 

Магистерская программа ориентирована на освоение современных методов и технологий получения и анализа пространственной информации, разработку, создание и использование математических моделей географических систем различного назначения, содержания и территориального охвата. Она рассчитана на студентов, заинтересованных в получении фундаментальных знаний и практических навыков на пересечении современных информационных технологий и прикладной математики применительно к научным и промышленным задачам в области наук о Земле.

 

Выпускники программы смогут применять современные методы машинного обучения и моделирования для принятия эффективных решений и организации деятельности в области геоинформационных систем и отраслевых задач в области геотехнологий в соответствии с международными стандартами и лучшей мировой практикой.

Программа подразумевает выбор одной из двух специализаций:

  1. Геомоделирование (реализуется совместно с Газпромнефть НТЦ): фокусируется на методах численного моделирования геопроцессов (“на земле и под землей”) на основе уравнений математической физики, а также технологиях управления современными геомоделями.
  2. Анализ геопространственных данных: фокусируется на современных технологиях анализа пространственно-временных данных с применением статистических методов и машинного обучения

Программа реализуется в сотрудничестве с Национальным центром когнитивных разработок Университета ИТМО и Научно-техническим Центром компании Газпромнефть и дает возможность погрузиться в реальную научно-исследовательскую и проектную работу в процессе решения практических задач корпоративных партнеров центра.

Мы в социальных сетях : 

 

 

АКТУАЛЬНОСТЬ И ЗНАЧИМОСТЬ ПРОГРАММЫ

Актуальность магистерской программы обусловлена востребованностью навыков комплексного моделирования, извлечения и анализа пространственных данных для решения научных и прикладных задач в области наук о Земле.

ЦЕЛЬ ПРОГРАММЫ

Цель образовательной программы — подготовка высококвалифицированных кадров, способных принимать эффективные решения и организовывать деятельность в области анализа геопространственных данных и геомоделирования в соответствии с международными стандартами и лучшей мировой практикой.

ДИСЦИПЛИНЫ

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.

Вероятностные методы анализа данных

Курс знакомит студентов с основными методами анализа данных, включая предварительную обработку данных и поиск выбросов, проверку статистических гипотез о законах распределения, факторный и регрессионный анализ, прогнозирование временных рядов. В ходе курса студенты получат опыт анализа и обработки данных и приобретут навыки работы со статистическими библиотеками в среде программирования Python.

Методы и модели многомерного анализа геопространственных данных

Курс знакомит студентов с основами многомерного статистического анализа геопространственных 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

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.

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.

Эволюционные вычисления в задачах моделирования

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.

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.

Технологии машинного обучения

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 и интеллектуального анализа данных для решения практических задач.

ПРЕПОДАВАТЕЛИ

Александр Валерьевич Бухановский доктор технических наук
Анна Владимировна Калюжная кандидат технических наук
Андрей Сергеевич Карсаков кандидат технических наук
Василий Николаевич Леоненко кандидат физико-математических наук
Михаил Алексеевич Мельник
Ксения Дмитриевна Мухина кандидат технических наук
Денис Александрович Насонов кандидат технических наук
Петр Владимирович Чунаев кандидат физико-математических наук

ТЕМЫ ВЫПУСКНЫХ РАБОТ

  • Разработка интеллектуальных технологий валидации и верификации гидрометеорологических вычислительных систем
  • Заполнение пропусков в геопространственных данных дистанционного зондирования Земли
  • Алгоритмы шумоподавления и распознавания паттернов в данных сейсморазведки
  • Моделирование и коррекция значений толщины морского льда с использованием моделей на данных
  • Поиск аномальных значений в данных пространственно-временных полей гидрометеорологических процессов с использованием сверточных нейронных сетей
  • Алгоритмы оптимизации параметров гидродинамических моделей нефтяных месторождений
  • Прогнозирование добычи углеводородов на основе моделей машинного обучения

НАБОР КОМПЕТЕНЦИЙ

 

Общий фокус образовательной программы представляется следующими направлениями:

  • разработка алгоритмов;
  • многомерный статистический анализ и вероятностное моделирование;
  • машинное обучение;
  • технологии управления большими данными;
  • управление моделями и алгоритмами с помощью методов оптимизации. 

При успешном и мотивированном прохождении программы обучения “Цифровые геотехнологии”, студенты приобретут следующие компетенции:

  • навыки самостоятельного RnD в областях, связанных с применением геоинформационных систем;
  • конструирование, отладка и настройка математических моделей для анализа и прогнозирования геопространственных данных;
  • разработка и практическая реализация методов обработки, анализа и агрегации геопространственных данных;
  • навыки разработки инновационных управленческих решений.

Мы готовим профессионалов, которые обладают знаниями на стыке дисциплин, разбираются в предметной области, владеют навыками программирования, статистическими методами, методами машинного обучения и визуализации данных.

 

ТРУДОУСТРОЙСТВО И ВОСТРЕБОВАННОСТЬ ПРОФЕССИИ

В процессе обучения студенты проходят практику в научно-исследовательской лаборатории «Компьютерное моделирование природных систем» и других подразделениях Национального центра когнитивных разработок Университета ИТМО, где работают над задачами R&D департаментов ведущих мировых и российских компаний, таких как ГазпромНефть, Газпром, ЦНИИ им. Крылова и другие.

Выпускники программы востребованы как специалисты по анализу данных и моделированию в области геотехнологий в кампаниях по разработке ГИС-решений, в аналитических отделах крупных компаний с георафически распределенной спецификой; стартапах, предлагающих решения для населения на основе анализа географически распределенных персональных данных, в качестве научных сотрудников в академической среде в ведущих мировых и российских вузах.

Обратная связь

* Имя
* E-mail
Ваше сообщение