Master in wiskunde van machine learning

(Voorheen - masterprogramma 'Statistische leertheorie')

Dit gezamenlijke programma leidt de volgende generatie wetenschappers op om effectief fundamenteel onderzoek te doen en te werken aan nieuwe uitdagende problemen in de statistische leertheorie. Dit vakgebied bevindt zich op het snijvlak van verschillende disciplines van wiskunde en informatica. Het is een van de meest dynamische gebieden van de moderne wetenschap en omvat wiskundige statistiek, machine learning, optimalisatie en informatie- en complexiteitstheorie. Vanaf het begin van het programma, de studenten samenwerken in thematische werkgroepen en actief deel te nemen aan het onderzoek, leren van HSE en Skoltech zowel wetenschappers als 's werelds grootste specialisten in de statistieken, optimalisatie en machine learning.

Programma overzicht

Dit programma bevindt zich op het kruispunt van verschillende disciplines van de moderne wiskunde en informatica, waaronder statistieken, optimalisatie, leertheorie, informatietheorie, complexiteitstheorie, evenals op het snijvlak van wetenschap en innovatie op het gebied van moderne informatietechnologie. Toonaangevende experts van HSE en Skoltech geven gezamenlijk instructie in dit unieke, door onderzoek aangestuurde programma.

Studenten nemen deel aan een of meer werkgroepen (onderzoeksseminars), waar ze aandachtsgebieden bepalen voor een eerste onderzoeksrapport en vervolgens uitdagingen oplossen op het snijvlak van baanbrekend onderzoek en technologie in de statistische leertheorie. Deze seminars zijn gebaseerd op teamwerk, omdat de taken die worden uitgevoerd zo complex zijn dat ze niet door één persoon alleen kunnen worden opgelost. Studenten leren hoe ze effectief kunnen samenwerken door hun diverse collectieve vaardigheden, competenties en ervaringen samen te brengen om succesvolle oplossingen voor gecompliceerde problemen te bepalen.

Programmacursussen worden gegeven door vooraanstaande HSE experts, waaronder wereldberoemde wetenschappers zoals Dr. Yurii Nesterov, Dr. Denis Belomestny, Dr. Dmitry Vetrov, Dr. Andrei Sobolevski, Dr. Alexey Naumov en Dr. Quentin Paris. Lezingen worden ook gegeven door Skoltech-professoren, waaronder Dr. Ivan Oseledets, Dr. Viktor Lempitsky, Dr. Evgeny Burnaev en Dr. Yury Maximov. Dit team is vrij jong, maar de leden hebben al belangrijke onderzoeksresultaten behaald.

Het programma werkt actief samen met het Russian Academy of Sciences Institute for Information Transmission Problems, evenals met relevante faculteiten aan de Moscow State University en het Moscow Institute of Physics and Technology. Afgestudeerden gaan werken voor grote Russische en internationale bedrijven en er is veel vraag naar hun uitzonderlijke wiskundige vaardigheden.

Cursussen HSE /Skoltech

1ste jaar

Basiscursussen

• Moderne methoden voor gegevensanalyse: stochastische calculus
• Projectseminar/innovatieworkshop
• Numerieke lineaire algebra
• Moderne besluitvormingsmethoden: geavanceerde statistische methoden
• Machine Learning
• Hoogdimensionale statistische methoden

Keuzevakken

• Inleiding tot gegevenswetenschap
• Efficiënte algoritmen en gegevensstructuren
• Digitale beeldverwerking
• Informatie en coderingstheorieën
• Diepgaand leren
• Geometrische methoden voor machinaal leren

2e jaar

Basiscursussen

• Moderne algoritmische optimalisatie
• Onderzoeksseminarie

Keuzevakken

• Bayesiaanse methoden voor machinaal leren
• Willekeurige matrixtheorie
• Neurobayesiaanse modellen

Het programma is gericht op het voorbereiden van onderzoekers op de meest dynamische en veelgevraagde gebieden met betrekking tot wiskunde en informatica. Afgestudeerden van het masterprogramma kunnen een praktische of onderzoeksgerichte carrière nastreven, die beide populair zijn op een van de volgende gebieden:

• Uitvoeren van analyses in de industrie, consultancy, diverse soorten verenigingen en stichtingen, overheidsinstanties, banken, investeringsfondsen, etc.;
• Expertactiviteiten met betrekking tot methodologische ontwikkeling, probabilistische modellering, statistische schattingen, transportplanning, optimalisatie en prognosetaken, evenals het bedenken van efficiënte methoden, besturingstechnologieën en gegevensanalyse in verschillende professionele specialisaties;
• Technische ondersteuning bieden aan analytische en adviesgroepen die zich bezighouden met machine learning, technisch ontwerp, financiële analyse, modellering en optimalisatie van transportnetwerken;
• Deelnemen aan managementteams van analytische, onderzoeks- en administratieve afdelingen.

Afgestudeerden van het masterprogramma Statistical Learning Theory krijgen voldoende instructie om verder te studeren en onderzoek te doen bij toonaangevende wereldwijde en Russische centra voor toegepaste wiskunde, wiskundige modellering en informatica, zoals het Laboratory of Stochastic Algorithms en Nonparametric Statistics Institute for Weierstrass Applied Analysis en Stochastiek en de Faculteit der Wiskunde, Humboldt University (Berlijn), Katholieke Universiteit van Leuven (België), Joseph Fourier University (Grenoble), Max Planck Institute for Mathematics (Bonn), Universiteit van Mannheim, ENSAE ParisTech (Parijs) en Steklov Mathematisch Instituut (Moskou). Bovendien zijn veel toonaangevende bedrijven, zoals Yandex, Google, Microsoft, Bosch, Huawei en Siemens, zeer geïnteresseerd in experts met een dergelijke achtergrond.