Станьте ML-инженером — ценным специалистом в сфере ,тттттсссттссс , решающим задачи бизнеса с помощью нейросетей и методов ML. Разработайте свою первую систему ИИ во время обучения.
Подходит для абитуриентов без технического образования и опыта в IT. Адаптационные дисциплины помогут вам погрузиться с нуля
Развивает hard skills, важные в работе: полный цикл разработки систем ИИ от создания моделей ML до продуктивного использования
Оставьте заявку
мы свяжемся с вами в ближайшее время и ответим на все вопросы
Об институте
в рейтинге вузов, выпускники которых пользуются спросом у крупных работодателей по опросу Общественной палаты РФ и Ассоциации «МАКО»
в рейтинге востребованности вузов в РФ по версии МИА «Россия сегодня»
в рейтинге «100 лучших российских вузов» по версии Forbes
7-е место
3-е место
В топ-20
Контактные занятия
Освойте анализ данных и машинное обучение — онлайн
Все материалы: видеолекции, конспекты, задания и тренажеры — доступны 24/7. Занимайтесь в любое удобное время
Платформа Skillfactory
Интенсивная практика
Каждый семестр у вас будут хакатоны или кейсовые задачи, которые позволят использовать пройденный материал на деле, отточить навыки и собрать крутое портфолио.
Две линии поддержки
Координаторы сделают обучение максимально комфортным для вас. А ассистенты — опытные специалисты из индустрии — ответят на вопросы по теме курса и выполнению заданий.
На семинарах и практических занятиях вы сможете разобрать сложные темы, решить кейс и задать вопросы по проекту преподавателю
Вы будете напрямую общаться со специалистами из ведущих IT-компаний. Заявите о себе в профессиональном сообществе или соберите команду для собственного проекта
Нетворкинг и стажировки
Кому подойдет эта программа?
Для специалистов, имеющих степень бакалавра технических и ИТ специальностей, математических, естественных и экономических наук, желающих приобрести компетенции в области создания сложных прикладных систем на основе искусственного интеллекта.
Для тех, кто хочет повысить квалификацию на текущем месте работы и использовать ML-инженерию для оптимизации решения рабочих задач, например, аналитикам и product owner.
Для тех, кто думает о смене отрасли в пользу Data Science, но не имеет технического, математического образования. Программа содержит достаточное количество адаптационных дисциплин, например, основы разработки на Python, математические основы анализа данных и другие, чтобы планомерно и последовательно погрузиться в новую область.
Для специалистов, которые хотят развиваться по научному треку, и мотивированы продолжать обучение в аспирантуре, занимаясь научно-исследовательской работой.
Особенностью этой программы является фокус на изучении как инфраструктурных, так и алгоритмических аспектов машинного обучения.
По мере прохождения учебной программы студенты будут последовательно изучать дисциплины необходимые для понимания организации процесса анализа данных и функционирования алгоритмов машинного обучения, постепенно углубляя и расширяя свои знания.
Особое внимание уделяется приложению подходов программной инженерии и автоматизации с использованием инструментов MLOps.
Программа реализуется онлайн в Институте радиоэлектроники и информационных технологий-РТФ УрФУ совместно с EdTech-партнером SkillFactory, отделом высшее образование.
Программа обучения
Необходимая база
Октябрь-январь
1-й семестр
В этом семестре студенты освоят основы программирования на языке Python и администрирование Linux, чтобы в дальнейшем углубиться в изучение программной инженерии. Это позволит более системно подходить к разработке и сопровождению программной части ML-систем. Также студенты начнут изучение разделов высшей математики на том уровне, который позволяет понимать функционирование различных алгоритмов.
Рассмотрение теоретико-вероятностных вопросов высшей математики для анализа даннных
Математические основы анализа данных
Python
Математика
Программная инженерия
Инструменты:
Основы приложения инженерного подхода для командной разработки приложений ИИ и основных инструментов для создания крупных программных систем
Программная инженерия
Введение в машинное обучение и изучение первых моделей ML, линейная алгебра и математический анализ для понимания принципов работы алгоритмов ML
Математические основы машинного обучения
Знакомство с решением стандартных задач профессиональной деятельности ML-инженера средствами ОС Linux
Операционная система Linux
Сможете описывать как выглядит материальная основа хранения наследственной информации и понимать процессы для освоения дисциплин, связанных с анализом данных на уровне генома
Бизнес коммуникация на английском
Освоение навыка выявления философской и социально-исторической значимости научных теорий и технических изобретений
Философия и методология науки
Программирование на Python
Изучение программирования на Python для анализа данных и инженерии ML проектов
Зачет
Экзамен
Экзамен
Зачет
Зачет
Зачет
Зачет
Введение в специализацию
февраль-июнь
2-й семестр
Программная инженерия
Инструменты:
Математические основы анализа данных
Рассмотрение раздела прикладной статистики, в котором разрабатываются методы сбора и обработки статистических данных для постоения вероятностных моделей
Алгоритмы
Автоматизация
Электив: Программирование на Python
Изучение продвинутых инструментов программирования на Python для анализа данных и инженерии ML проектов
Электив: Предсказательное моделирование
Изучение приложения рекомендательных систем в различных сферах, подходов и алгоритмов их построения
Автоматизация администрирования MLOps
Изучение основных инструментов организации инфраструктуры и автоматизации промышленного ML-проекта
Программная инженерия
Изучение методов и инструментов создания крупных программных систем на основе машинного обучения
Математические основы машинного обучения
Рассматрение аспектов классических алгоритмов машинного обучения: особенности применения, метрики, запуск модели, оценка качества, определение гиперпараметров для улучшения результатов
Рассмотрение задач, которые решают алгоритмы глубокого обучения и освоение фреймворков и архитектур нейронных сетей
Глубокое обучение
Изучение основных инструментов организации инфраструктуры и автоматизации промышленного ML-проекта
Английский язык
Экзамен
Зачет
Зачет
Зачет
Зачет
Экзамен
Зачет
Зачет
Систематизация и интенсификация
сентябрь-январь
3-й семестр
В рамках третьего семестра студенты углубятся в два основных поля использования глубокого обучения: обработку естественного языка и компьютерное зрение. Рассмотрят частные случаи алгоритмов машинного обучения, организацию инфраструктуры и автоматизации пайплайна ML-проекта. Кроме того, они освоят дисциплины, посвященные разработке и управлению ML-проектов.
Изучение нейросетевых архитектур и подходов для решения задач обработке естественного языка (NLP)
Обработка естественного языка
Рассмотрение организации инфраструктуры автоматизации этапов жизнненого цикла и развертывания ML-проекта
Автоматизация администрирования MLOps
Изучение архитектур и подходов к программированию нейронных сетей для решения задач обработки изображений
Компьютерное зрение
Рассмотрение этических вопросов разработки ML-технологий
Этика искусственного интеллекта
Систематизация знаний английского языка и изучение терминалогии ML-инженера согласно программам профильных курсов третьего семестра
Электив: Английский язык
Управление дизайном и разработкой ML-продуктов
Электив: Бизнес-применение машинного обучения
Математические основы машинного обучения
Рассмотрение углубленных аспектов и частных задач алгоритмов машинного обучения
Алгоритмы
управление проектами
Инструменты:
Автоматизация
Зачет
Экзамен
Экзамен
Зачет
Зачет
Зачет
Зачет
Рассмотрение гибких и адаптивных технологий и методик agile в ML-проектах
Управление проектами
Зачет
Финишная прямая
февраль-июнь
4-й семестр
В течении всего семестра вы будете систематизировать все полученные знания и навыки для реализации карьерных целей, финализации и защиты итового проекта магистратуры — выпускной квалификационной работы
Определим карьерную цель, построим карту ее достижения, проведем аудит компетенций, замотивируем и снимем все барьеры и страхи
Карьерная консультация
Встречи с представителями рынка, HR, IT-рекрутерами. Узнаете как выглядит новая профессия в реальности. Вебинары с техническими специалистами для обсуждения тестовых заданий и прохождения технических интервью
Карьерный клуб
Каждого ученика сопровождает Центр Карьеры Skillfactory во время и после обучения
Поможем написать продающее резюме: проведем ревью, проведем аудит компетенций, расставим правильные акценты и упакуем ваш опыт
Помощь с резюме
Сможете откликнуться на вакансии партнеров, посмотреть анонсы наших событий и зарегистрироваться на них, пообщаться в чате выпускников
Каналы в Telegram
Получите все бонусы обучения в вузе – онлайн!
Глубокая экспертиза в Data Science и Machine Learning
Возможность участвовать в офлайн-мероприятиях вуза
Кредит на образование
Студенческий билет
Отсрочка от армии
Диплом государственного образца
Партнеры программы
Получите полную программу обучения на электронную почту
Нажимая кнопку «Отправить» вы соглашаетесь с условиями обработки данных
Направление подготовки: 09.04.01 информатика и вычислительная техника
Ничем — они идентичны
Стоимость обучения в семестр – 120 000 ₽
Да. Вы можете получить образовательный кредит с господдержкой от Сбера. Справки о доходах не нужны. Ставка всего 3%.
Общий срок кредита состоит из двух периодов: льготный период — время обучения и 9 месяцев после окончания вуза; период погашения — следующие 15 лет. При желании вы можете погасить кредит досрочно.
Во время обучения ежемесячные взносы идут на погашение процентов по кредиту: Первый год платите 40% от начисленных процентов; Второй год — 60%; С третьего года — 100%. Через 9 месяцев после окончания учёбы ежемесячные платежи увеличатся: начнётся погашение основного долга до конца действия кредита.
Да, если вы гражданин РФ, то можете компенсировать часть расходов на обучение с помощью налогового вычета. Подать заявление на вычет можно в течение 3 лет с того года, когда вы оплатили учебу. Государство вернет 13% от стоимости обучения в пределах лимита, установленного законом. Если возникнут вопросы, специалист Skillfactory поможет разобраться с процедурой и подготовить документы
Да, на время обучения действует отсрочка от армии.
Да. Для поступления не нужно техническое образование. Главное, успешно пройти вступительное испытание: написать мотивационное эссе и сдать экзамены по высшей математике.
Нет, экзамен будет проходить онлайн
Подача документов с 20.06.2022 до 23.09.2022, экзамены пройдут в период с 22.08.2022 по 24.09.2022, зачисление — с 30.06. 2022 по 26.09.2022.
О точной дате проведения экзаменов мы проинформируем абитуриентов дополнительно.