Introductie
OverzichtDatawetenschappers zullen tot de meest gevraagde specialisten op de hightech-markt behoren. Het doel van ons programma is om aan deze vraag te voldoen en om de meest getalenteerde jonge wetenschappers uit te rusten met een hoog niveau van kennis van machine learning, deep learning, computervisie, industriële data-analyse, natuurlijke taalverwerking, wiskundige modellering en andere belangrijke gebieden van moderne datawetenschap.Wijzen en duur: 2 jaar (voltijd)
Collegegeld: geen collegegeld voor degenen die met succes slagen voor de selectie
Taal EngelsOnderwijsHet MSc-programma is 2 jaar lang: het eerste jaar is om je theoretische achtergrond te versterken, en het tweede jaar is om je te concentreren op onderzoek. Studenten hebben de vrijheid om cursussen en buitenschoolse activiteiten te kiezen om hun individuele traject vorm te geven, soft skills te verwerven en ondernemersvaardigheden te verwerven om zich voor te bereiden op een baan.Hoorcolleges en praktische lessen worden gegeven door wereldberoemde professoren en experts.
Individuele onderzoeksprojecten van studenten uitgevoerd in Skoltech-laboratoria.
Een 8-weekse zomerindustrie-onderdompelingsprogramma bij toonaangevende bedrijven die kennis en vaardigheden omzetten in actie.
Cursussen over ondernemerschap en innovatie die vaardigheden, maar ook kennis bieden om ideeën en onderzoeksresultaten te commercialiseren.Een succesvolle afgestudeerde van het programma zal het wetenWiskundige en algoritmische basis van data science
Belangrijkste methodologische aspecten van beide, wetenschappelijk onderzoek en applicatie-ontwikkeling in Data Science
State of the art technieken van machine learning en aanverwante gebiedenProgrammastructuurHet 2-jarige programma omvat verplichte en aanbevolen keuzevakken over de belangrijkste onderwerpen, een breed scala aan keuzevakken (afhankelijk van het onderzoek en de professionele behoeften van de student), componenten van ondernemerschap en innovatie, onderzoeksactiviteiten en 8 weken industrie. onderdompeling.
Track: Machine Learning and Artificial Intelligence (MLAI)
Machinaal leren-technieken lopen voorop in de moderne datawetenschap en kunstmatige intelligentie. Het curriculum van het programma bevat een uitgebalanceerde combinatie van onderwerpen die zeer recentelijk zijn ontwikkeld samen met diepgaand onderwijzen van wiskundige grondslagen, zoals geavanceerde lineaire algebra, optimalisatie, hoog-dimensionale statistieken, enz.
Deze track is ook beschikbaar in netwerkvorm bij het Moscow Institute of Physics and Technology.
Een succesvolle afgestudeerde van deze track zal in staat zijn om:Begrijpen en formuleren van complexe taken uit de echte wereld, zoals problemen met gegevensanalyse;
Bijdragen aan de ontwikkeling van de volgende generatie machine learning-software die concurreert met of superieur is aan de bestaande voorbeelden van software in kritieke en opkomende toepassingsgebieden;
Pas relevante softwaretools, algoritmen, datamodellen en computeromgevingen toe voor het oplossen van echte problemen.Track: Math for Machine Learning (MML)
(In netwerkvorm met Higher School of Economics)
Modern Machine Learning bevindt zich op het snijvlak van verschillende disciplines van wiskunde en informatica. Wiskunde van machine learning is een van de meest dynamische gebieden van de moderne wetenschap en omvat wiskundige statistieken, machine learning, optimalisatie en informatie- en complexiteitstheorie. Vanaf het begin van het programma werken studenten samen in thematische werkgroepen en nemen ze actief deel aan onderzoek, leren ze van Skoltech en wetenschappers van de Higher School of Economics, en van toonaangevende wereldwijde specialisten op het gebied van statistiek, optimalisatie en machine learning.
Een succesvolle afgestudeerde van deze track zal:Actieve kennis hebben van moderne methoden en benaderingen in statistisch leren, inclusief wiskundige statistiek, stochastische processen, convexe optimalisatie;
Dergelijke methoden kunnen toepassen en verder ontwikkelen voor het oplossen van complexe praktisch gemotiveerde problemen van data-analyse.Toelatingseisen:Kennis en vaardigheden: calculus, differentiaalvergelijkingen, lineaire algebra, waarschijnlijkheidstheorie en wiskundige statistiek, discrete wiskunde (met inbegrip van grafentheorie en basisalgoritmen), programmering.
Opleiding: IT-gerelateerde bachelordiploma, of het equivalent daarvan in wiskunde, informatica, informatie- en communicatietechnologie, toegepaste natuurkunde of andere technische gebieden.
Engels: als uw opleiding niet in het Engels is gegeven, wordt van u verwacht dat u aantoont dat u voldoende Engels spreekt.
APPLICATIEPAKKET:Jouw CV (ENG)
Motivatiebrief (ENG)
2 aanbevelingsbrieven
Diploma of transcript
Uw certificaten en onderscheidingen, prestaties en ander materiaal voor portfolio
