Искусственный интеллект и аналитика данных: программа бакалавриата КубГУ

Программа выстроена вокруг фундаментальной математической подготовки и глубокого погружения в современные методы разработки. Будущим специалистам предстоит освоение передовых подходов к программированию, включая работу с высоконагруженными системами, облачными технологиями и микросервисной архитектурой. Значительная часть времени посвящается изучению алгоритмов машинного и глубокого обучения, обработке естественного языка и компьютерному зрению, что позволяет впоследствии создавать по-настоящему «умные» продукты. Важным аспектом является формирование комплексного понимания жизненного цикла таких решений: от сбора и подготовки данных до внедрения моделей в промышленную эксплуатацию с использованием практик MLOps & DevOps. Студентами также изучаются вопросы информационной безопасности, этические и правовые аспекты внедрения искусственного интеллекта, что необходимо для разработки ответственных и востребованных решений в различных отраслях, от финансовых технологий до страхового дела.

Профессиональные дисциплины:

• Основы российской государственности
• Иностранный язык
• Экономика
• Правоведение
• Русский язык и основы деловой коммуникации
• Психология
• Безопасность жизнедеятельности
• Основы военной подготовки
• Математический анализ
• Алгебра и геометрия
• Дифференциальные уравнения
• Курс теории вероятностей
• Методы математической физики
• Фундаментальные дискретные модели
• Основы программирования
• Алгоритмы и структуры данных
• Базы данных
• WEB-разработка
• Физическая теория функционирования компьютера
• Администрирование информационных сетей
• Объектно-ориентированное программирование
• Численные методы
• Аналитика данных
• Многомерный статистический анализ
• Технологии управления данными NoSQL
• MLOps & DevOps
• Микросервисная архитектура
• Операционные системы
• Параллельное и низкоуровневое программирование
• Облачные технологии и бэкэнд-разработка
• Разработка мобильных приложений
• Обработка данных на Python
• Безопасность информационных систем
• Этика и социальная ответственность в ИИ
• Высоконагруженные приложения
• Технологии тестирования программного обеспечения
• Технологии обработки больших данных.

Вариативная часть:

• Современные экономико-информационные системы
• Математические модели защиты информации
• Искусственный интеллект в оценке рисков и разработке страховых продуктов
• Математические модели нейронных сетей
• Методы искусственного интеллекта в задачах классификации
• Современные методы фронтирных исследований ИИ
• Технологии интеллектуальной поддержки принятия решений и управления
• Методы обучения с подкреплением
• Технологии обработки языка, звуковых данных, включая распознавание и синтез речи
• Глубокое обучение
• А/В-тестирование и Uplift-моделирование
• Машинное обучение
• Разработка ИИ-решений для индустрии
• Промпт-инжиниринг в профессиональной деятельности
• Инструментальные средства моделирования в ИИ
• Нейросетевые технологии
• Технологии компьютерного зрения
• Технологии создания и поддержки ПО
• Генеративный искусственный интеллект
• Интеллектуальные методы оптимизации
• Рекомендательные системы
• ИИ ФинТех.

Дисциплины по выбору:

• Разработка ИИ агентов
• Инженерия интеллектуальных агентов
• Правовые основы оценки проектных решений
• Правовые основы рынка программного обеспечения.