Машинное обучение и высоконагруженные системы: программа магистратуры

Особое внимание уделяется тому, чтобы полученные модели не оставались лишь теоретическими наработками, а могли работать с огромными массивами информации в реальном времени. Для этого изучаются принципы построения и эксплуатации высоконагруженных и отказоустойчивых распределённых систем, позволяющих эффективно распараллеливать вычисления и распределять нагрузку, используя современные алгоритмы и кластерные решения.

Программа сфокусирована на практике, готовя специалиста, способного замкнуть весь цикл разработки: от формулировки задачи и сбора данных до обучения алгоритмов, оценки их качества и последующего внедрения в промышленную эксплуатацию. Такой подход позволяет выпускнику стать ключевым участником полного процесса создания интеллектуальных систем, востребованных на рынке.

Профессиональные дисциплины:

• Математика для анализа данных
• Python
• Разведочный анализ данных
• Основы промышленной разработки
• Машинное обучение
• С++
• Технологии программирования
• Алгоритмы и структуры данных
• Прикладная статистика в машинном обучении
• Глубинное обучение
• Обработка и анализ больших массивов данных
• Сбор и обработка с помощью краудсорсинга
• Архитектура компьютера и операционные системы
• Тестирование ПО
• Компьютерное зрение
• Автоматическая обработка текстов
• Распределенные системы
• Методы оптимизации в машинном обучении
• Статистическая теория обучения.
• Анализ временных рядов
• Байесовские методы в машинном обучении
• How to win a data science competition
• Reinforcement learning.