Обучение строится на прочном фундаменте классических математических дисциплин, таких как математический анализ, алгебра, дифференциальные уравнения и численные методы, что позволяет выпускникам глубоко понимать принципы работы алгоритмов, а не просто использовать их как "черный ящик". Параллельно с фундаментальной подготовкой студенты осваивают обширный блок информационных технологий и программирования, включая объектно-ориентированное программирование, алгоритмы и структуры данных, базы данных, разработку для различных платформ (десктоп, мобильные, web) и современные методологии разработки (DevOps, микросервисная архитектура). Важное место в программе занимают дисциплины, формирующие комплексное представление о создании программных продуктов, такие как операционные системы, компьютерные сети и основы информационной безопасности.
Ключевым и самым обширным блоком являются дисциплины специализации, посвященные искусственному интеллекту. Студенты изучают теорию вероятностей и многомерный статистический анализ как основу для понимания машинного обучения, осваивают обработку данных на Python и современные технологии ML, включая Data-Centric подход, где акцент делается на качество данных. Большое внимание уделяется технологиям компьютерного зрения — от основ до современных методов, а также обработке естественного языка и применению ИИ в робототехнике. Программа также охватывает передовые направления: нейросетевые технологии, генеративные и состязательные модели, промпт-инжиниринг, а также полный цикл управления ML-моделями (ML Ops) и гибридные интеллектуальные системы, сочетающие различные подходы.
Профессиональные дисциплины:
- Основы российской государственности
- Иностранный язык
- Математический анализ
- Алгебра и аналитическая геометрия
- Физика
- Дифференциальные уравнения
- Дискретная математика
- Безопасность жизнедеятельности
- Компьютерные сети
- Правоведение
- Психология
- Физические основы построения ЭВМ
- Комплексный анализ
- Математический анализ II
- Базы данных
- Экономика
- Русский язык и основы деловой коммуникации
- WEB-разработка
- Объектно-ориентированное программирование и шаблоны проектирования
- Программирование
- Алгоритмы и структуры данных
- Численные методы
- Кроссплатформенные десктоп приложения
- Функциональный анализ
- Разработка мобильных приложений
- DevOps
- Операционные системы
- Параллельное и низкоуровневое программирование
- Алгебра и введение в тензорный анализ
- Микросервисная архитектура
- Численные методы и цифровая обработка сигналов
- Уравнения математической физики.
Вариативная часть:
- Мультиагентные системы
- Основы информационной безопасности
- Нейросетевые технологии
- Промпт-инжиниринг в профессиональной
- деятельности
- Технологии компьютерного зрения
- Современные методы компьютерного зрения
- Обработка естественного языка
- ИИ в робототехнике
- Анализ и проектирование информационных систем
- Технологии управления данными NoSQL
- Теория вероятностей и математическая статистика
- Технологии обработки больших данных
- Многомерный статистический анализ
- Интеллектуальные методы оптимизации
- Современные технологии машинного обучения
- Обработка данных на Python.
Дисциплины по выбору:
- Подготовка данных машинного обучения
- Data-Centric Machine Learning
- Генеративные нейронные сети
- Состязательные и автоэнкодерные модели
- DataOps & ML Ops
- Управление жизненным циклом данных и ML-моделей
- Коллективная разработка информационных систем
- Разработка гибридных интеллектуальных систем
- Анализ данных машинного обучения
- Методы искусственного интеллекта в задачах классификации
- Системы искусственного интеллекта
- Гибридный ИИ.