• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Информация для студентов 2020 года набора

Максимальное количество студентов: 270

Ограничения по программе: запрещено для ПМИ

Несколько десятков лет назад компьютеры резко подешевели и стали доступны для широкой аудитории, что произвело революцию как во многих отраслях науки, бизнеса и промышленности, так и в нашей повседневной жизни. С помощью компьютеров можно работать с огромными базами данных, автоматизировать бизнес-процессы, контролировать работу конвейера на производстве, упрощать управление самолетом или просто хранить большую коллекцию семейных фотографий. Сегодня такая же революция происходит с данными. Многие отрасли и компании накопили большие объемы данных, и теперь появилась возможность извлекать пользу из этих данных, находить в них нетривиальные закономерности. Методы машинного обучения позволяют автоматически строить сложные алгоритмы по данным, находить нетривиальные закономерности. Они всё активнее используются при оптимизации производственных процессов, для планирования закупок и маркетинговых кампаний в интернет-коммерции, для создания новых лекарств и беспилотных автомобилей. На методах машинного обучения базируются все крупные поисковики, "умные ленты" в социальных сетях, рекомендательные системы (в том же YouTube), — и этот список приложений становится больше с каждым годом.

Специалист по анализу данных, или Data Scientist — одна из самых востребованных и привлекательных профессий нашего времени. Такие люди нужны практически везде, спрос на них огромен и только растет с каждым годом. Становится понятно, что недостаточно наличия специалистов по анализу данных — базовые навыки важны для профессионалов из многих областей бизнеса и науки. Машинное обучение находит свое применение в социальных науках, экономике, физике, журналистике, лингвистике и даже в исторических науках. Понимание методов и возможностей машинного обучения важно для менеджеров и управленцев, которым, вполне возможно, придется столкнуться с необходимостью внедрения или разработки систем анализа данных.

Наш майнор покрывает ключевые разделы наук о данных, необходимые для успешного его применения на практике. Первый курс посвящён языку Python, который фактически является стандартом для работы с данными и построения моделей. Во втором курсе (Основы машинного обучения) вы изучите постановки задач, типы данных и способы работы с ними, классические модели машинного обучения (метрические, линейные, решающие деревья, композиции), методы их обучения и подходы к измерению качества. В третьем курсе (Основы глубинного обучения) вы познакомитесь с нейронными сетями и их применениями для задач анализа визуальных и текстовых данных. В четвёртом курсе (Прикладные задачи анализа данных) вы погрузитесь в современные приложения машинного обучения: рекомендательные системы, прогнозирование временных рядов, задачи обработки естественного языка, генеративные модели, работа с сигналами.

Майнор ИАД — один из самых трудозатратных в Вышке. На каждом курсе достаточно объёмные домашние задания выдаются раз в 2-3 недели (примеры заданий можно посмотреть на вики-страничках по ссылкам ниже), а на выполнение одного ДЗ может уйти до 10-15 часов. Мы не просто учим решать задачи по заданному алгоритму — мы стараемся дать интуицию о методах машинного обучения, научить быстро осваивать новые инструменты, поделиться опытом практического использования и хотя бы немного показать последние достижения в этой науке. И, конечно, мы готовы приложить максимум усилий, чтобы доступно и интересно донести до вас весь материал курсов. Мы придерживаемся тех же принципов, что и в бакалавриате ПМИ: чтобы получить отличную оценку, надо серьёзно поработать, а 10 баллов — это уже не оценка, а статус. Обучение на ИАДе потребует существенных усилий от вас, но это окупится. Многие студенты, прошедшие через наш майнор, с легкостью проходят собеседования и начинают карьеру в области Data Science. Как говорится, будет сложно, вам понравится.

Проходной перцентиль на ИАД в прошлые годы был высоким — так, в 2020 году к нам попали студенты с перцентилем 8% или выше.

На нашем майноре, безусловно, будет проще учиться студентам, которые изучают высшую математику хотя бы в небольшом объёме. Но при достаточных усилиях освоить программу может каждый. Все слушатели майнора будут подключены к онлайн-специализации от ФКН по математике для анализа данных, с помощью которой можно улучшить свою математическую базу.

Информация для желающих перевестись на майнор: https://www.notion.so/e69b875daa404bb4af18ae18e7d649e4

Дисциплины:

  1. Введение в программирование
  2. Основы машинного обучения
  3. Основы глубинного обучения
  4. Прикладные задачи анализа данных

 

Вики-странички курсов 20/21 года:

  1. Введение в программирование
  2. Введение в анализ данных
  3. Современные методы машинного обучения
  4. Прикладные задачи анализа данных