ТОП-ИИ: Инженерия систем искусственного интеллекта: программа бакалавриата МТУСИ

Основной акцент сделан на практико-ориентированном освоении самых востребованных областей современного ИИ. Программа включает работу с компьютерным зрением, технологиями понимания и генерации человеческой речи, а также с передовыми большими языковыми моделями. Всё это осваивается через непосредственную проектную и исследовательскую деятельность при экспертной поддержке научных центров вуза.

Подготовка обеспечивает уверенное владение актуальным инструментарием — фреймворками и библиотеками, которые составляют стандарт индустрии. Комплексный подход соединяет фундаментальную математическую и IT-подготовку с узкоспециализированными дисциплинами, что позволяет выпускнику не только адаптироваться к динамичной сфере искусственного интеллекта, но и непосредственно участвовать в цифровой трансформации, предлагая эффективные и безопасные технологические решения.

Дисциплины программы:

• История России
• Русский язык и культура речи
• Линейная алгебра и аналитическая геометрия
• Введение в информационные технологии
• Высшая математика
• Иностранный язык
• Философия
• Экономика
• Гражданское социально-ответственное поведение
• Основы права
• Основы экономической культуры и финансовая грамотность
• Информационная экология
• Теория вероятностей и математическая статистика
• Информационные технологии и программирование
• Социология
• Основы военной подготовки
• Безопасность жизнедеятельности
• Системы искусственного интеллекта
• Дискретная математика
• Физика
• Теория информации, данные, знания
• Основы информационной безопасности
• Операционные системы
• Управление ИТ-проектами
• Основы российской государственности
• Математические основы баз данных
• Сетевые технологии
• Основы кибернетики и вычислительные модели.

Вариативная часть:

• Математические методы в больших данных
• Проектный практикум
• Методология Agile и проектное управление
• Системы машинного зрения
• Классическое машинное обучение
• Основы MLOps
• Технологии ИИ в интеллектуальных транспортных системах
• Функциональный анализ для машинного обучения
• Безопасность баз данных
• Структуры и алгоритмы обработки данных
• Прикладная статистика в анализе данных
• Теория оптимизации для машинного обучения
• Технологии организации данных в ИИ-проектах
• Нейронные сети
• Прикладное машинное обучение
• Технологии распознавания естественного языка
• Генеративные модели в ML-инженерии
• Безопасный и доверенный искусственный интеллект.

Дисциплины по выбору:

• Распределенные вычисления
• Мультиагентные системы
• SOTA-мoдели
• Технологии распознавания и синтеза речи.