Науки
о данных
Магистерская программа по направлению
«Математика и компьютерные науки»


Специалисты по обработке и анализу данных ‒ одни из самых востребованных профессий XXI века. Наша программа создана для того, чтобы вооружить самых талантливых молодых специалистов глубокими знаниями и практическими навыками в сфере машинного и глубинного обучения, компьютерного зрения, обработки естественного языка и других направлениях современной науки о данных.

Сколковский институт науки и технологий
Сколтех — новый международный исследовательский университет, созданный в Москве в сотрудничестве с MIT. Лаборатории Сколтеха оборудованы на уровне ведущих исследовательских центров мира. Здесь преподают эксперты с мировым именем, учатся студенты из более чем 40 стран.
Магистратура:
2 года (full-time)
Язык обучения:
Английский
Стоимость:
студенты, прошедшие отбор, не платят за обучение
Условия:
ежемесячная стипендия (40 тыс.руб.), ДМС, отсрочка от армии
Прием заявок:
прием заявок на 2020 год откроется в сентябре
Обучение
Обучение в магистратуре длится 2 года: в течение первого года студент существенно углубляет свою теоретическую подготовку, в течение второго фокусируется на исследовательской работе. Студенты свободны в выборе курсов в соответствии с их научными и профессиональными интересами.
Лекции и практические занятия от экспертов и профессоров с мировым именем
Самостоятельная научно-исследовательская работа над собственным проектом на базе лабораторий Сколтеха
8-недельная стажировка в индустрии на базе одной из ведущих компаний отрасли
Курсы по инновациям и предпринимательству, дающие знания и навыки для коммерциализации научных разработок
+ Программы академической мобильности с ведущими мировыми вузами (для части студентов, на конкурсной основе)
ГЛАВНОЕ
УЧЕБНЫЙ ПЛАН
ИССЛЕДОВАНИЯ
ДАЛЬНЕЙШАЯ КАРЬЕРА
ПОСТУПЛЕНИЕ
Программа позволяет глубоко изучить:
математические и алгоритмические основы, практические средства и прикладные задачи наук о данных
Ключевые аспекты научных исследований и прикладных разработок в области наук о данных
Новейшие методы машинного обучения и связанных с ним сфер (глубинного обучения, анализа промышленных данных и т.д.)
Трек Машинное обучение и искусственный интеллект (MLAI)
Технологии машинного обучения развиваются на стыке передовых достижений современной науки о данных и сферы искусственного интеллекта. Программа сочетает изучение наиболее актуальных тем и самых свежих достижений в отрасли с глубоким погружением в математические основы (продвинутый курс линейной алгебры, теорию оптимизации, многомерную статистику и.т.д.)

Выпускник трека MLAI сможет:
  • разрабатывать алгоритмы машинного обучения на уровне ведущих мировых аналогов (или превосходящие их) для применения как в традиционных, так и в принципиально новых областях
  • внести свой вклад в разработку алгоритмов машинного обучения на уровне ведущих мировых аналогов (или превосходящих их) для применения как в традиционно востребованных, так и в принципиально новых областях
  • применять соответствующие программные средства, алгоритмы, языки программирования, модели данных и вычислительные среды для решения реальных задач
Обучение в рамках этого трека также возможно в сетевой форме с МФТИ.
Трек Математическое моделирование для задач с большими объемами данных (DIMMS)
Этот трек направлен на обучение нового поколения ученых и инженеров в области вычислительной техники, способных сочетать основные и управляемые данными подходы в математическом моделировании природных, промышленных и социальных явлений. В учебном плане тщательно сбалансированы продвинутые вычисления, машинное обучение и вычислительная физика, что подчеркивает реализацию крупномасштабных моделей в современных вычислительных средах.

Успешный выпускник трека DIMMS сможет:

  • выстраивать математические модели промышленных процессов и технологий, а также естественных явлений
  • создавать эффективные численные алгоритмы и сверхоперативные коды для решения инженерных и академических задач любого типа и уровня
  • применять инструменты машинного обучения и анализа данных для математического моделирования сложных систем
Трек Статистическая теория обучения (SLT)
(в сетевой форме с НИУ ВШЭ)
Статистическая теория обучения находится на переднем крае нескольких подразделов математики и компьютерных наук. Это одно из самых динамично развивающихся направлений современной науки, охватывающее математическую статистику, машинное обучение, теорию оптимизации, теорию информации и теорию сложности вычислений. С первых дней программы студенты работают совместно в тематических научных группах, параллельно занимаются самостоятельной научной работой, перенимая опыт от экспертов с мировым именем в сферах статистики, оптимизации, машинного обучения, работающих в Сколтехе, НИУ ВШЭ или специально приглашенных из других организаций для чтения учебных курсов.

Успешный выпускник трека SLT сможет:

  • приобрести глубокие и практически применимые знания и навыки современных методов и подходов в статистическом обучении, включая математическую статистику, стохастические процессы, выпуклую оптимизацию
  • применять и совершенствовать эти инструменты для решения сложных проблем анализа данных, поступающих из реальной практики
Трек Обработка квантовой информации (QIP)
Трек «Обработка квантовой информации» обучает студентов современной теории и основам кванто-усиленных вычислений, квантовых коммуникаций и квантовой информатики. Междисциплинарная программа трека ликвидирует разрыв между теорией и практикой, в области как уже существующих, так и развивающихся квантовых технологий, а также квантово-усиленных симуляторов, создаваемых в России и за рубежом.

Трек является самостоятельным и доступен для студентов всех специальностей в области математических и физических наук. Он основан на нескольких важных принципах информатики и содержит разделы по теории доказательств, формальной логике, науке о сложности, математической теории вычислений и некоторым методам квантовой физики. Концепции трека во многом ссылаются на идеи и концепции квантовой физики и статистической механики, используют методы машинного обучения и тензорных сетей.

Трек включает в себя исследовательский проект в области квантово-усовершенствованных технологий, а факультативы охватывают как предметы из Data Science и прикладной математики, так и из теоретической физики.

Успешный выпускник трека QIP сможет:
  • Решать сложные научные задачи теории квантовой информации и квантово-усиленных вычислений
  • Использовать квантовые эффекты для улучшения таких вычислительных задач как машинное обучение, оптимизация и моделирование физических систем.
  • Реализовывать классическое моделирование квантовых систем, в том числе HPC моделирование квантовых симуляторов и квантовых компьютеров.
Структура программы:
Программа длится 2 года и состоит из обязательных и рекомендованных элективных курсов, курсов и проектов по выбору студента, научно-исследовательской работы, предпринимательской подготовки и практики в индустрии. Для успешного прохождения программы нужно набрать 120 ECTS-кредитов.

MLAI
Трек "Машинное обучение и искусственный интеллект"*
* также доступен в сетевой форме с МФТИ
DIMMS
Трек "Математическое моделирование для задач с большими объемами данных"
QIP
Трек "Обработка квантовой информации"
SLT
Трек "Статистическая теория обучения"*
* (в сетевой форме с НИУ ВШЭ)

MLAI
DIMMS
QIP
SLT

Coursework (36 credits)
Introduction to Artificial Intelligence
Computational Imaging
Introduction to Computer Vision
Statistical Natural Language Processing
Introduction to Digital Agro
Omics Technologies
Geometric Computer Vision
Machine Learning in Chemoinformatics
Soft Matter in Practice
Advanced Solid-State Physics

Elective courses (24 credits)

Entrepreneurship and Innovation (12 credits)
New Product Design: from Idea to Market Launch
Management of Research & Development

Research and MSс thesis project (36 credits)

Industry Immersion (12 credits)
Программы в сетевой форме с:
  • МФТИ
  • НИУ ВШЭ
Индустриальные партнеры:
  • Сбербанк
  • Яндекс
  • РусАгро
  • VisionLabs
  • Datadvance
  • ScanEx
  • Geoscan
  • Газпром нефть
Основные направления исследований:
  • Машинное обучение и глубинное обучение
  • Промышленная аналитика
  • Компьютерное зрение
  • Обработка изображений
  • Статистика высокой размерности и статистическое обучение
  • Многомасштабное моделирование нового поколения
  • Быстрые и эффективные алгоритмы для решения проблем в пространствах высокой размерности
У выпускников программы большие перспективы
и широкий выбор карьерных, научных и бизнес-возможностей:
Индустрия
Позиции Data Analyst, Data Scientist, Industrial Research Scientist, Consultant в различных отраслях (IT, промышленности, финансах, телекоммуникациях и других направлениях)
Наука
Продолжение научной деятельности в ведущих российских и зарубежных научных организациях.

Стартап
Создание собственного бизнеса, в том числе при поддержке инновационной экосистемы ИЦ «Сколково» с широким пулом экспертов, консультантов и инвесторов.
Требования к поступающим:
Знания и навыки:
Математический анализ, дифференциальные уравнения, линейная алгебра, теория вероятности и математическая статистика, дискретная математика (включая теорию графов и базовые алгоритмы), программирование.
Образование:
Степень бакалавра (и выше) IT и технических направлений (математика, компьютерные науки, информационные и коммуникационные технологии, прикладная физика и др.)
Английский язык:
Кандидаты, ранее не проходившие обучения на английском языке, должны будут подтвердить в процессе отбора высокий уровень владения английским языком.
ПАКЕТ ДОКУМЕНТОВ:
  • Резюме (на английском)
  • Мотивационное письмо (на английском)
  • 2 рекомендательных письма
  • Диплом или выписка
  • Подтверждения ваших значимых научных и профессиональных достижений, награды, сертификаты и т.д.
Процесс отбора:
1
Регистрация
Зарегистрируйтесь и получите доступ в систему подачи заявок.
2
Подача документов
Соберите пакет документов и загрузите их по мере готовности в систему.

3
Онлайн-отбор
Далее вы получите ссылку и пройдете онлайн-тест (пример заданий вашей программы есть ниже). На основании результатов теста и оценки ваших документов мы выберем финалистов.
4
Очный финал
Финальный этап проходит в Москве и длится 2 дня, вы бесплатно сдаете TOEFL ITP (или предоставляете уже имеющийся сертификат) и проходите интервью. На некоторых программах возможен дополнительный письменный экзамен в эти же дни.
Примеры экзаменационных заданий:
Это примеры задач с прошлых отборов. Структура экзамена может быть изменена по решению руководства программы.
Преподаватели
Вы будете учиться у преподавателей,
чей авторитет и научная экспертиза признаны во всем мире:
Алексей Артемов
Научный сотрудник
Старший преподаватель
Профессор практики
Профессор
Старший преподаватель
Старший преподаватель
Старший преподаватель
Научный сотрудник
Ведущий научный сотрудник
Старший преподаватель
Профессор
Научный сотрудник
Старший преподаватель

Старший преподаватель

Старший преподаватель

Старший преподаватель

Старший преподаватель

Старший преподаватель
Научный сотрудник
Юрий Янович
Научный сотрудник
Старший научный сотрудник
Адъюнкт-профессор
Подать заявку
Прием заявок на обучение в 2019 году закрыт. Подробная информация о следующей приемной кампании будет опубликована в сентябре.
Error get alias
Error get alias