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, всё это нацелено на реализацию крупномасштабных моделей в современных вычислительных средах.

Успешный выпускник трека DIMMS сможет:

• строить математические модели промышленных процессов, технологий и 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.

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).

На базе масштабных суперкомпьютерных мощностей Сколтеха, соответствующих уровню ведущих мировых вузов, студенты получат опыт работы с масштабной вычислительной инфраструктурой.

Успешный выпускник трека HPC сможет:

• использовать существующие фреймворки высокопроизводительных вычислений и больших данных для решения актуальных задач науки и индустрии;
• 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.

Уникальное сочетание изучения современных методов машинного обучения и анализа данных, сильного финансового образования Российской экономической школы и опыт банка Сбера, вместе с которым был сформирован учебный план.

Трек включает широкий спектр курсов, которые обеспечат целостное и всестороннее образование. Вы получите междисциплинарные знания, необходимые для успеха в финансовой отрасли — от математики и науки о данных до экономики и финансов, изучите узкопрофильные темы, такие как, например, байесовские методы машинного обучения, финансовый анализ и бухгалтерский учёт. Также в рамках обучения вы получите опыт работы над технологичными проектами и возможность трудиться над магистерскими диссертациями в сотрудничестве со Сбером.