+7 958 577 04 17

Записаться

Старт:

Формат:

Сентябрь 2023

УрФУ

2 года

Диплом:

Онлайн

Длительность:

Инженерия машинного обучения

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.

Смотреть программу

Оставить заявку

Data Science

Ваш прямой путь в перспективную сферу

Программа:

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

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

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

Экзамен

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

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

Выпускная квалификационная работа

После выпуска вы сможете работать на позициях:

Data Scientist

Задачи

Анализ и структурирование данных
Подтверждение гипотез
Разработка и изменение бизнес-процессов компании

Зарплата
140 000 ₽ - 210 000 ₽

AI-разработчик

Задачи

Анализ и обработка больших баз данных
Проведение исследований для создания нейросетей
Написания программного кода

Зарплата
286 000 ₽ - 327 000 ₽

ML-инженер

Задачи

Разработка алгоритма для решения бизнес задач
Написания программного кода
Разработка приложений для решения бизнес задач

Зарплата
250 000 ₽ - 322 000 ₽

Data Scientist

Задачи

Определение потребностей рынка
Разработка метрик
Разработка стратегии продукта

Зарплата
210 000 ₽ - 500 000 ₽

Подробнее

ML-инженер

AI-Product owner

AI-разработчик

Data Scientist

Подробнее

Карьерный центр

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