Математические основы искусственного интеллекта: программа бакалавриата

В основе обучения лежит глубокое погружение в фундаментальную математику и компьютерные науки, что обеспечивает широкий спектр применения полученных знаний. Освоение программы строится вокруг всестороннего личностного развития, где математическое моделирование и аналитика данных служат инструментами для прогнозирования в рекомендательных системах искусственного интеллекта.

Дальнейшее профессиональное развитие охватывает три ключевых направления. Первое — это научное исследование теоретической и прикладной математики, востребованной при создании ИИ. Второе — производственно-технологическое применение в сферах от разработки ПО до управления рисками в инвестициях и страховании. Третье — педагогическое, позволяющее передавать накопленные знания следующему поколению разработчиков.

Примерный перечень дисциплин:

• Математический анализ
• Линейная алгебра и аналитическая геометрия
• Дискретная математика
• Комбинаторика и теория графов
• Дифференциальные и разностные уравнения
• Теория вероятностей и математическая статистика
• Математическая логика и теория алгоритмов
• Численные методы
• Методы оптимизации 
• Функциональный анализ
• Уравнения математической физики
• Теория случайных процессов
• Информатика и программирование (Python/C++)
• Алгоритмы и структуры данных
• Объектно-ориентированное программирование
• Базы данных и SQL
• Операционные системы и компьютерные сети 
• Технологии параллельного и распределенного программирования
• Web-технологии 
• Введение в искусственный интеллект
• Математические методы распознавания образов 
• Основы машинного обучения 
• Глубокое обучение (нейронные сети) 
• Статистический анализ данных
• Интеллектуальный анализ данных 
• Анализ больших данных
• Обработка естественного языка
• Компьютерное зрение 
• Нейробайесовские методы и вероятностное программирование 
• Математическая логика для искусственного интеллекта 
• Теория представления знаний и онтологии
• Методы решения некорректно поставленных задач 
• Исследование операций 
• Методы прогнозирования и анализа временных рядов 
• Цифровая обработка сигналов
• Теория систем и системный анализ
• Математическое и компьютерное моделирование
• Введение в робототехнику 
• Методология научных исследований в математике
• Практикум по решению задач на ЭВМ.