Программа предлагает студентам углубленное изучение основных принципов и методов анализа данных, машинного обучения и искусственного интеллекта. Студенты получат теоретические знания и практические навыки в области обработки и анализа больших объемов данных, статистики, алгоритмов машинного обучения, глубокого обучения и нейронных сетей. Они изучат методы предварительной обработки данных, визуализации и интерпретации результатов, а также научатся эффективно применять инструменты и технологии, связанные с анализом данных и разработкой искусственного интеллекта. В ходе обучения студенты также могут знакомиться с прикладными областями, где применяются методы анализа данных и искусственного интеллекта, такими как биомедицина, финансы, робототехника и другие.
Два столпа профиля — это компьютерные науки и математика. Студенты изучат основы программирования, компьютерную архитектуру, проектирование, логику, дискретную математику, математический анализ, линейную алгебру.
Три специализации в рамках профиля:
- Анализ данных и машинное обучение: для тех, кто хочет научиться разрабатывать и улучшать искусственный интеллект с помощью данных. Студенты будут изучать машинное обучение, обучать модели компьютерного зрения и нейронные сети.
- Прикладной искусственный интеллект: позволяет погрузиться в применение технологий ИИ для создания программных решений, которые будут менять жизнь людей к лучшему.
- Робототехника: предполагает изучение аспектов мехатроники, теории контроля, применение ИИ в робототехнике.
Профессиональные дисциплины:
Анализ данных и машинное обучение:
- Introduction to Machine Learning / Введение в машинное обучение
- Networks / Компьютерные сети
- Databases / Проектирование баз данных
- Distributed and Network Programming / Распределенное и сетевое программирование
- Statistical Techniques / Статистические методы
- Information Retrieval / Информационный поиск
- Introduction to Computer Vision / Введение в компьютерное зрение
- Natural Language Processing / Обработка естественных языков
- Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
- Data Mining / Интеллектуальный анализ данных
- Data and Knowledge Representation / Представление данных и знаний
- Big Data / Супермассивы данных Game
- Theory / Теория игр.
Прикладной искусственный интеллект:
- Introduction to Machine Learning / Введение в машинное обучение
- Networks / Компьютерные сети
- Databases / Проектирование баз данных
- Reinforcement Learning / Обучение с подкреплением
- Nature Inspired Computing / Бионические вычисления
- Information Retrieval / Информационный поиск
- Introduction to Computer Vision / Введение в компьютерное зрение
- Natural Language Processing / Обработка естественных языков
- Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
- Human-AI Interaction Design / Проектирование систем человеко-машинного взаимодействия для искусственного интеллекта
- Explainable and Fair AI / Объяснимый и справедливый искусственный интеллект
- Big Data / Супермассивы данных
- Game Theory / Теория игр.
Робототехника:
- Introduction to Machine Learning / Введение в машинное обучение
- Physics II (Electrical Engineering) / Физика II (Электротехника)
- Control Theory / Теория автоматического управления
- Theoretical Mechanics / Теоретическая механика
- Fundamentals of Robotics / Основы робототехники
- Introduction to Computer Vision / Введение в компьютерное зрение
- Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
- Mechanics & Machines / Механика и механизмы
- Mechatronics / Мехатроника
- Autonomous Robotics / Автономная робототехника
- Robotic Systems / Робототехника
- Sensors & Sensing / Датчики и считывание
- Signals and Systems / Сигналы и системы.