Онлайн-магистратура МИФИ Машинное обучение

Кому предназначена программа

Данная программа ориентирована на тех, кто стремится освоить анализ данных и машинное обучение с нуля или расширить профессиональные горизонты в этой области. Для поступления в магистратуру требуется диплом бакалавра или специалиста по любой специальности.

• Новички в IT — плавно войдут в индустрию, получат фундаментальные знания, необходимые для работы с технологиями машинного обучения;
• Выпускники технических факультетов — продолжат углубленное изучение дисциплин, связанных с машинным обучением, и сформируют понимание дальнейшего карьерного пути;
• Практикующие специалисты IT — расширят опыт, работая с большими данными и ML-моделями, что повысит их конкурентоспособность на рынке труда;
• Инженеры и технические эксперты — смогут внедрять ML-решения в текущие проекты или начать карьеру в MLOps.

Навыки и инструменты, освоенные в ходе обучения

Технический стек: Pandas, Linux, Seaborn, Keras, Git, Numpy, Matplotlib, Scikit-learn, виртуальные машины (VM), SSH, Bash, FastAPI, Streamlit, Pytest, Docker.

Что вы сможете делать:

• Создавать полноценные модели машинного обучения — от концепции до внедрения в продуктив;
• Разрабатывать и улучшать системы ранжирования поисковых подсказок;
• Анализировать данные, выявлять скрытые закономерности и выполнять ad-hoc исследования;
• Проектировать алгоритмы для решения задач в области оптики и физики с использованием ML-методов, проводить тестирование и внедрение моделей;
• Создавать прогнозные системы для управления спросом, ценообразования и автоматизации промо-акций.

Структура магистерской программы

Программа охватывает полный набор компетенций для успешной карьеры в Machine Learning. Первый семестр посвящен основам математики и программирования, а начиная со второго — упор делается на практические задачи и углубленные дисциплины для специалистов ML Engineer.

Во втором году студенты смогут выбрать специализацию: либо продвинутые техники машинного обучения, либо направление MLOps с возможностью получить вторую профессиональную квалификацию. Практическая работа и освоение Big Data станут ключевыми элементами обучения.

• 1-й семестр — фундаментальные знания по математике и программированию на Python;
• 2-й семестр — освоение классических методов машинного обучения и решение первых практических кейсов;
• 3-й семестр — углубленная подготовка и развитие профессиональных навыков в Machine Learning и работе с большими данными;
• 4-й семестр — выполнение проектов от партнеров и защита выпускной квалификационной работы.