Термин «Internet of Things» (интернет вещей) до сих пор не имеет единого определения: чаще всего его используют как синоним Wireless Sensor Network (WSN), Machine-to-Machine (M2M), Web of Things (WoT) и других инструментов. Задача трека «Интернет вещей» в рамках этой магистерской программы – глубже изучить и расширить возможности этих технологий, способных изменить тот интернет, к которому мы привыкли, соединить не только людей с компьютерами, но также миллионы датчиков и устройств.

Обучение и исследовательская работа студентов в рамках трека покрывают технологии, составляющие фундамент IoT (беспроводную связь, измерения, обработку данных и сигналов), а также дают практический опыт применения ключевого оборудования и ПО, поддерживающего решения на основе интернета вещей. Кроме теории, курсы подразумевают самостоятельное изучение возможностей и особенностей реальных решений на основе интернета вещей, а также решение задач по совершенствованию приложений при помощи когнитивных технологий и облачных вычислений.

Успешный выпускник трека IoT сможет:

• Применять существующие технологии на базе IoT для создания приложений, опирающихся на собираемые данные
• Создавать решения на базе IoT для применения в индустрии (транспорт, здравоохранение, сельское хозяйство и т.д.)
• Применять теоретические основы IoT для создания новых приложений и совершенствования их с помощью смарт-технологий

Программа также доступна в сетевой форме с вузами ТУСУР, МИЭТ и ГУАП

В современном мире невозможно быть конкурентоспособным в науке, бизнесе и индустрии, игнорируя растущие возможности анализа растущих колоссальными темпами объемов при помощи суперкомпьютерных вычислений. Задача этого трека научить студентов эффективно применять современные архитектуры сверхпроизводительных вычислений и больших данных, таких как многоядерные CPU и GPU, для различных научных и индустриальных проектов. Кроме теоретической подготовки по параллельным вычислениям, студенты знакомятся со стандартными библиотеками параллельных вычислений (например, OpenMP, MPI, OpenACC и CUDA), фреймворками обработки больших данных (Hadoop), фреймворками машинного обучения (Tensorflow), и ПО для визуализации (ParaView, Visit).

В дополнение к этому, студентам дается возможность создать свой собственный небольшой суперкомпьютер, научиться на практике поддерживать и применять его для работы над проектами. А на базе масштабных суперкомпьютерных мощностей Сколтеха, соответствующих уровню ведущих мировых вузов, студенты отработают ключевые методы и правила коллективной работы с масштабной вычислительной инфраструктурой.

Успешный выпускник трека HPC сможет:

• Использовать существующие фреймворки высокопроизводительных вычислений и больших данных для решения прорывных задач
• Разрабатывать и оптимизировать коды параллельных вычислений для эффективного применения современных архитектур CPU, GPU и др.
• Обслуживать и поддерживать инфраструктуру для высокопроизводительных вычислений и обработки больших данных