Системы искусственного интеллекта

О программе

Программа двух дипломов БГУ и ВШЭ «Системы искусственного интеллекта» предоставляет уникальные возможности для получения передовых знаний в области искусственного интеллекта и разработки программного обеспечения на основе стратегического партнерства двух вузов. Программа направлена на подготовку аналитиков данных, специалистов по машинному и глубинному обучению, а также разработчиков прикладного ПО. Выпускники смогут строить карьеру в индустрии или углубиться в исследовательские задачи, продолжив обучение в магистратуре и аспирантуре.

Преподаватели

Аржанцев Иван Владимирович

Доктор физико-математических наук, профессор

Декан факультета компьютерных наук главный научный сотрудник, заведующий лабораторией факультета компьютерных наук / научно-учебной лаборатории алгебраических групп преобразований НИУ ВШЭ

Соколов Евгений Андреевич

Руководитель департамента, доцент факультета компьютерных наук / департамента больших данных и информационного поиска, преподаватель центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта, академический руководитель образовательной программы «прикладная математика и информатика» НИУ ВШЭ

Антонова Лариса Васильевна

Кандидат физико-математических наук

Директор Института математики, физики и компьютерных наук, профессор кафедры фундаментальной математики БГУ Специализация: аналитическая и дифференциальная геометрия, топология

Раднаев Мунко Баянович

Генеральный директор ООО «Байкалмедсистемс», профессор практики кафедры информационных систем и методов искусственного интеллекта Специализация: разработка и сопровождение медицинских информационных систем (разработчик МИС «Байкал»)

Дармаев Баир Зоригтуевич

Ведущий инженер-разработчик АО «БАРС Груп», доцент практики кафедры информационных систем и методов искусственного интеллекта Специализация: web-разработка, цифровые платформы в здравоохранении, авторские проекты и стартапы

Цыбиков Анатолий Сергеевич

Кандидат педагогических наук

Заведующий кафедрой информационных систем и методов искусственного интеллекта, «Лауреат премии мэра г.Улан-Удэ для молодых ученых». Специализация: прикладной анализ данных, машинное обучение и искусственный интеллект.

Хабитуев Баир Викторович

Руководитель Молодёжной инновационной студии по цифровым решениям, старший преподаватель кафедры информационных систем и методов искусственного интеллекта. Специализация: объектно-ориентированное программирование, web-разработка, мобильная разработка, цифровые сервисы в здравоохранении и образовании

Дерюгин Даниил Федорович

Ведущий инженер лаборатории программных систем, старший преподаватель кафедры информационных систем и методов искусственного интеллекта. Специализация: базы данных, web-разработка, цифровые сервисы в здравоохранении и образовании.

Что будете изучать?

Базы данных

Изучение моделей структур данных и способов классификации СУБД в зависимости от реализуемых моделей данных и способов их использования. Подробное изучение реляционной (SQL) и нереляционной (NoSQL) моделей данных и СУБД (PostgresSQL, MS SQL, MySQL, MongoDB). Практика проектирования база данных и решения задач с использованием языка SQL.

Машинное обучение

Основы статистического и интеллектуального анализа данных. Разбор классических моделей машинного обучения и инструментов их реализации. Топовые алгоритмы кластеризации, классификации и регрессии: DBSCAN, SVM, ансамбли (бустинг), байесовские алгоритмы, нейронные сети и т.д.

Глубинное обучение

Разбор современных методов обучения нейронные сетей. Обзор, анализ и применение современных архитектур глубоких нейронных сетей: сверточные и рекуррентные сети, автокодировщики, модели внимания, трансформеры, генеративные сети. Прикладные задачи глубокого обучения: компьютерное зрение, распознавание речи, обработка естественного языка, биоинформатика.

Компьютерное зрение

Методы преобразования и фильтрации изображений. Применение спец-инструментов разметки изображений. Обзор готовых датасетов. Обзор и анализ передовых нейросетевых архитектур детекции, классификации, сегментации, трекинга объектов на изображении: ResNet, EfficientNet, Vision Transformers, FCN, U‑Net, Mask R‑CMM, YOLO. Рассматриваются модели специального назначения, например, для распознавания лиц: face recognition, FaceNet и т.п.

Обработка естественного языка и большие языковые модели

Основные концепции обработки естественного языка (NLP) и устройства больших языковых моделей (LLM). Токенизация и векторизация. Классификация практических задач — от генерации контента до написания программного кода. Применение современных инструментов разработки (Hugging Face, PyTorch, spaCy).

Обработка сигналов

Обзор современных источников биомедицинских сигналов. Классические методы фильтрации сигналов, подавление шумов. Методы спектрального анализа, в т.ч. преобразование Фурье, вейвлет-преобразование. Контурный (структурный) анализ на примере сфигмограммы. Обзор математико-алгоритмических способов извлечения информативных признаков медико-биологических сигналов.

Web-разработка

Front-end разработка: изучение языков разметки HTML5, каскадных таблиц стилей CSS3 (включая адаптивную верстку и препроцессоры) и основ программирования на JavaScript. Back-end разработка: проектирование серверной логики, работа с базами данных (SQL/NoSQL) и создание API для взаимодействия компонентов системы. Современные фреймворки и библиотеки: знакомство с актуальными инструментами (например, React, Vue или Node.js) для ускорения процесса разработки. Инструментарий и методология: использование систем контроля версий (Git), сборщиков проектов и основ тестирования кода.

Учебная программа

1 курс

Алгебра
Аналитическая геометрия
Математический анализ
Программирование (C++, Python)
Архитектура компьютера и операционные системы

2 курс

Алгоритмы и структуры данных
Языки Rust/Java
Базы данных
Теория вероятностей и математическая статистика
Численные методы
Основы матричных вычислений
Администрирование информационных систем
Машинное обучение

3 курс

Объектно-ориентированное программирование
Web-программирование
Основы промышленной разработки ПО
Методы оптимизации
Аналитика данных
Глубинное обучение
Компьютерное зрение

4 курс

Рекомендательные системы
Обработка сигналов
Технологии обработки больших данных
Обработка естественного языка и большие языковые модели
Введение в автономные интеллектуальные системы
Web-разработка
Основы промышленной разработки ПО

Будущая карьерная траектория

Индустриальная разработка (BigTech) Это самый массовый путь. Выпускники строят карьеру в IT-гигантах уровня Яндекса, Сбера, VK, Т-Банка или Ростелеком, а также в региональных компаниях и госучреждениях на позициях: Machine Learning Engineer: создание и внедрение моделей машинного обучения. Data Scientist: поиск закономерностей в данных и прогнозирование бизнес-показателей. NLP/CV Engineer: разработка чат-ботов (как GPT) или систем компьютерного зрения (для беспилотников и биометрии). AI Architect: проектирование сложных систем, где ИИ интегрирован в инфраструктуру компании.
Наука и R&D (Исследования) Благодаря сильной математической базе выпускники востребованы в исследовательских лабораториях: Research Scientist: разработка принципиально новых архитектур нейросетей. Работа в лабораториях AI, передовых научных центрах. Академическая карьера: поступление в магистратуру и аспирантуру, реализация научных и образовательных проектов в университетской среде
AI-предпринимательство и консалтинг AI Product Manager: управление созданием ИТ-продуктов, в основе которых лежит ИИ. Основание стартапов: создание собственных решений (от медицинских диагностических систем до генеративного искусства).
Data scientist – эксперт по анализу данных (математика, интеллектуальные системы, машинное обучение, глубокое обучение)
Data Engineer – специалист по сбору, хранению и обработке данных (базы данных, различные технологии Big Data)
Machine Learning Researcher – специалист, который будет исследовать и создавать новые эффективные методы машинного обучения
Software Developer – специалист, который поможет запрограммировать и интегрировать математические модели в программный продукт.
Бизнес-аналитик (системный аналитик) – анализ потребности рынка ПО, разработка технической спецификации
UX/UI-аналитик – требования к пользовательскому интерфейсу (взаимодействия с пользователями)
Технический писатель – описание кода, мануала ПО, документация
Дизайнер – разработка пользовательского интерфейса
Архитектор – проектирование архитектуры ПО
Разработчик – программист FE, BE, Desktop, базы данных, 1С, Android, iOS
Менеджер проектов – когда проектов много, отвечает за взаимодействие с заказчиком
Аналитик техподдержки – сопровождение ПО
Тестировщик / QA-инженер – контроль качества ПО

Будущее резюме

Должность

AI-разработчик в «СберТех»

Опыт работы

летние курсы Яндекса
поддержка «Вконтакте»

Навыки

модели и методы машинного обучения: KNN, K-means, DBSCAN, SVM, Байесовский классификатор, SGD, Нейронные сети (BackProp, MP, CNN, RNN, LSTM, GRU), современные прикладные модели в области NLP, Computer Vision, обработки сигналов и рекомендательных систем.
языки программирования: Python (основной) и др.
фреймворки и библиотеки: numpy, pandas, matplotlib, sklearn, tensorflow, keras, PyTorch
проектирование ИС: ER-диаграммы, DFD-диаграммы потоков данных, UML-диаграммы
языки программирования: C++/C#/Python/PHP/JavaScript
фронтэнд технологии: HTML 5, СSS
базы данных: PostgresSQL, MS SQL, MySQL
фреймворки: Laravel (PHP), VueJS (JS), Tailwind, Bootstrap, Visual Studio
администрирование Unix-сервера, сервера MS Windows

Курсы и стажировки

Лаборатории Сбербанка
Компании «Биллинговый Центр» и «БАРС-Груп»
Научные центры БГУ