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.
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
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
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 ₽

ML-инженер
AI-Product owner
AI-разработчик
Data Scientist

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

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
Будьте в курсе всех новостей о программе

Преподаватели и авторы

Вас будут обучать специалисты:
Практики с опытом в стартапах и в ведущих компаниях фармацевтической и биотехнологической промышленности
Ученые, публикующиеся в авторитетных научных журналах
Эксперты из учреждений системы здравоохранения

Как поступить?

Подайте документы:
  • Заявление на зачисление
  • Скан паспорта
  • Фото 3х4
  • Скан диплома об оконченном высшем образовании
Пройдите вступительное испытание
Компьютерное тестирование из 4 разделов:
  1. Русский язык
  2. Английский язык
  3. Математический анализ (профильный уровень)
  4. Информатика и ИКТ

Минимальный порог для входа — 20 баллов.
Сдать экзамен можно онлайн в любое удобное время!
Оставьте заявку
от 240 ₽ в месяц
120 000₽
Или кредит с господдержкой от Сбера :
Стоимость за семестр:

Часто задаваемые вопросы

127051
ГОРОД MOCKBA
БУЛЬВАР ЦВЕТНОЙ
ДОМ 30
СТРОЕНИЕ 1
Э 3 ПOM I К 14 ОФ 231
Участник EdTech- рейтингов
© 2022, SkillFactory
ОБЩЕСТВО С ОГРАНИЧЕННОЙ
ОТВЕТСТВЕННОСТЬЮ "СКИЛФЭКТОРИ"
ОГРН 1197746648813
ИНН 9702009530