Магистратура "Искусственный интеллект (онлайн)" НИУ ВШЭ, Москва

Содержание программы охватывает три ключевых направления работы с искусственным интеллектом. Первое — это глубокое погружение в организацию процессов сбора информации: от настройки скрапинга и работы с API до трудоемкой очистки, верификации и организации надежного хранения массивов данных. Второе — построение и валидация прогностических моделей, где изучаются как классические методы регрессии и классификации, так и современные композиции деревьев (вроде XGBoost), а также искусственные нейронные сети с акцентом на интерпретацию полученных результатов. Третье — это инженерная школа, направленная на внедрение алгоритмов в реальную промышленную эксплуатацию, что требует написания высоконагруженного и отказоустойчивого кода.

Особое внимание уделяется профессиональной подготовке по широкому спектру актуальных направлений. В рамках обучения осваиваются инструменты для работы с временными рядами, рекомендательными системами, генеративными и мультимодальными моделями, а также технологиями компьютерного зрения и обработки естественного языка (NLP). Завершающим аккордом становится изучение инженерии данных (Data Engineering), MLOps и проектирования систем на больших языковых моделях (LLM System Design), что в совокупности формирует у выпускника компетенции Data Scientist, ML Engineer или Data Engineer.

Профессиональные дисциплины:

• Инструменты разработки
• Математика для анализа данных
• Python & SQL для анализа данных
• Машинное обучение
• Прикладная статистика для анализа данных
• Глубинное обучение
• Анализ временных рядов
• Прикладной Python
• Алгоритмы и структуры данных
• ML System Design
• English for Data Science
• Рекомендательные системы
• Основы промышленной разработки
• Генеративные модели
• NLP1
• Инженерия данных и распределённые системы
• MLOps
• NLP 2
• Дополнительные главы ML и DL
• Векторный поиск
• Мультимодальные модели
• Интеллектуальный акустический мониторинг
• Введение в DE
• Explainable Al
• НИС «Современный ML»
• Computer Vision
• 3D Computer Vision
• Валидация LLM
• GPU
• DL для звука
• Распределенные системы
• Обучение с подкреплением
• LLM System Design
• Графовые нейронные сети.