1. НИУ ВШЭ
  2. Магистратура НИУ ВШЭ
  3. Математика, информационные науки и технологии
  4. Математика машинного обучения / Math of Machine Learning

НИУ ВШЭ Прикладная математика и информатика (01.04.02)

Где и кем работать, какая зарплата после магистратуры НИУ ВШЭ по программе "Математика машинного обучения / Math of Machine Learning"

  • от 570 000
    Информация о стоимости года обучения предоставлена за 2026 год
    рублей в год стоимость года
    обучения
  • 20 бюджет. мест
  • 10 платных мест
  • 2 года обучения

Варианты карьеры после окончания магистратуры Национального исследовательского университета Высшая школа экономики по программе "Математика машинного обучения / Math of Machine Learning"

Чем занимаются выпускники:

  • разрабатывает новые математические методы для задач предсказания и распознавания образов;
  • создаёт и анализирует вероятностные модели данных, включая порождающие схемы;
  • строит доказательства сходимости и устойчивости для алгоритмов обучения;
  • исследует фундаментальные ограничения обучаемых систем — то, что принципиально нельзя выучить по имеющимся данным;
  • проектирует процедуры принятия решений в условиях неопределённости, включая обучение с подкреплением;
  • проводит математическое обоснование для глубоких архитектур — от теории приближения до свойств обобщения;
  • разрабатывает вычислительные методы для работы с большими объёмами информации, учитывая особенности аппаратного обеспечения;
  • формулирует актуальные задачи в терминах статистической теории обучения и выбирает адекватный математический аппарат для их решения;
  • руководит исследовательскими группами, ставя техническое задание для узкопрофильных специалистов;
  • пишет научные статьи и готовит экспертные заключения по результатам вычислительных экспериментов;
  • адаптирует методы оптимальной транспортировки для задач машинного обучения, включая сравнение распределений.

Где работают выпускники:

  • в научно-исследовательских лабораториях при отделениях прикладной математики и информатики университетов;
  • в отраслевых центрах, занимающихся предсказательным моделированием для промышленности и энергетики;
  • в командах разработки высоконагруженных систем анализа данных банков и страховых организаций;
  • в исследовательских подразделениях, где требуется строгое математическое обоснование новых алгоритмов;
  • в государственных научных центрах, решающих задачи обработки сигналов и изображений;
  • в компаниях, создающих системы поддержки принятия решений для транспорта и логистики;
  • в малых инновационных предприятиях при вузах, специализирующихся на фундаментальных аспектах обучающихся систем.