Машинное обучение и основы программной инженерии: программа бакалавриата

Фундаментом обучения выступает классическое математическое образование, позволяющее выпускнику не просто использовать готовые библиотеки, а создавать собственные эффективные алгоритмы и понимать внутреннюю механику искусственного интеллекта. Вторая половина профессионального профиля формируется вокруг современных методологий создания сложного программного обеспечения: здесь изучаются архитектуры высоконагруженных систем, стандарты командной разработки и практики обеспечения качества кода.

Уникальность подхода заключается в непрерывной связке теории и практики: каждая математическая абстракция немедленно находит применение в решении прикладной инженерной задачи. Выпускник одинаково свободно чувствует себя как в пространстве дифференциальных уравнений и статистических критериев, так и в среде систем контроля версий и контейнеризации приложений. Это делает его готовым к реальным вызовам индустрии, где требуются не просто программисты или математики, а создатели интеллектуальных систем полного цикла.

Примерный перечень дисциплин:

• Математический анализ
• Линейная алгебра и аналитическая геометрия
• Дискретная математика и комбинаторика
• Теория вероятностей
• Математическая статистика
• Дифференциальные уравнения и численные методы
• Функциональный анализ и интегральные уравнения
• Теория оптимизации
• Теория графов и сетевые модели
• Теория алгоритмов и сложность вычислений
• Алгоритмы и структуры данных
• Основы программной инженерии и жизненный цикл ПО
• Объектно-ориентированное программирование (C++/Java)
• Функциональное программирование
• Парадигмы языков программирования
• Операционные системы и системное программирование
• Архитектура ЭВМ и ассемблер
• Базы данных и SQL
• Дискретная оптимизация
• Введение в машинное обучение
• Нейронные сети и глубокое обучение
• Обработка естественного языка (NLP)
• Компьютерное зрение
• Обучение с подкреплением
• Статистическое обучение и теория обобщения
• Анализ временных рядов
• Математические методы прогнозирования
• Прикладная многомерная статистика
• Тестирование и валидация ПО
• Шаблоны проектирования
• Базы данных (продвинутый курс)
• Параллельное и распределённое программирование
• Разработка мобильных приложений
• Разработка веб-приложений
• Высоконагруженные системы
• Архитектура программных систем
• Документирование и стандартизация ПО
• Инструменты командной разработки (Git, CI/CD)
• Криптография и защита информации
• Робототехника и киберфизические системы.