Математические основы искусственного интеллекта: программа бакалавриата

Студенты учатся не только анализировать и формализовать сложные системы, но и разрабатывать эффективные вычислительные методы для их обработки. Особое внимание уделяется работе с данными: от их предварительной подготовки до построения предсказательных моделей.

В процессе освоения программы формируются навыки применения ключевых подходов машинного обучения, включая современные методы глубокого обучения. Это позволяет создавать адаптивные системы, способные решать задачи высокой сложности. Дополнительно развивается умение работать в команде, что важно для реализации масштабных проектов в области анализа данных и ИИ.

Профессиональные дисциплины:

• История: цифровые технологии в истории (проектная деятельность)
• Основы российской государственности
• Иностранный язык
• Стратегии устной и письменной речи
• Безопасность жизнедеятельности
• Алгебра и геометрия
• Введение в программирование и алгоритмы
• Математический анализ
• Основы комбинаторики и теории чисел
• Дискретная математика
• Алгоритмы и структуры данных
• Теория вероятности
• Базы данных
• Дифференциальные уравнения
• Теория функций комплексного переменного
• Математическая статистика
• Параллельные и распределенные вычисления
• Функциональный анализ
• Компьютерное зрение
• Компьютерное моделирование
• Теория и методика обучения математике
• ИТ-продукты в образовании.

Дисциплины по выбору:

• Командное взаимодействие и коммуникации
• Аналитическая геометрия
• Психология саморазвития
• Математическая логика и теория алгоритмов
• Предпринимательство в профессиональной деятельности
• Проектная деятельность
• Дополнительные главы математических дисциплин
• Дополнительные главы математического анализа
• Дополнительные главы алгебры
• Культурная антропология и социокультурное развитие 
• Введение в топологию.

Вариативная часть:

• Математические основы ИИ
• Глубокое обучение
• Методы обработки и генерации текста и речи
• Прикладной проект в области ИИ
• Программирование на языке Python
• UX/UI Дизайн
• Цифровые технологии
• Введение в Python
• Основы Web-разработки
• Введение в анализ данных
• Дискретный анализ
• Объектно-ориентированное программирование на С++
• Машинное обучение
• Физика
• Компьютерные сети
• Deep Learning
• Мобильная разработка
• Методы оптимизации
• Уравнения мат.физики
• Теория игр и исследование операций
• Современные технологии в математическом и IT- образовании
• Прикладная психология
• Современные образовательные технологии.