Koneoppimisen matematiikan maisteri

(Aikaisemmin - 'Tilastollinen oppimisteoria' -maisteriohjelma)

Tämä yhteinen ohjelma kouluttaa seuraavan sukupolven tutkijoita suorittamaan tehokkaasti perustutkimusta ja työskentelemään uusien haastavien tilastollisen oppimisen teorian ongelmien parissa. Tämä kenttä on matematiikan ja tietojenkäsittelytieteen tieteenalojen kärjessä. Se on yksi nykyaikaisen tieteen dynaamisimmista alueista, ja se käsittää matemaattiset tilastot, koneoppimisen, optimoinnin sekä informaatio- ja monimutkaisuusteorian. Ohjelman alusta lähtien opiskelijat tekevät yhteistyötä temaattisissa työryhmissä ja osallistuvat aktiivisesti tutkimukseen, oppivat HSE ja Skoltechin tutkijoilta sekä johtavilta maailmanlaajuisilta tilastojen, optimoinnin ja koneoppimisen asiantuntijoilta.

Ohjelman yleiskuvaus

Tämä ohjelma on nykyaikaisen matematiikan ja tietotekniikan tieteenalojen, mukaan lukien tilastot, optimointi, oppimisteoria, informaatioteoria, monimutkaisusteoria, risteyksessä sekä tieteen ja innovaatioiden risteyksessä nykyaikaisen tietotekniikan alalla. HSE ja Skoltechin johtavat asiantuntijat tarjoavat yhdessä opastusta tähän ainutlaatuiseen tutkimukseen perustuvaan ohjelmaan.

Opiskelijat osallistuvat yhteen tai useampaan työryhmään (tutkimusseminaareihin), joissa he määrittelevät painopistealueet ensimmäiselle tutkimusraportille ja ratkaisevat sitten haasteet huippututkimuksen ja tekniikan risteyksessä tilastollisen oppimisen teoriaan. Nämä seminaarit perustuvat ryhmätyöhön, koska tehtävät ovat niin monimutkaisia, että yksi henkilö ei pysty ratkaisemaan niitä yksin. Opiskelijat oppivat työskentelemään tehokkaasti, yhdistämällä heidän erilaiset kollektiiviset taitonsa, osaamisensa ja kokemuksensa onnistuneiden ratkaisujen löytämiseksi monimutkaisiin ongelmiin.

Ohjelma-kursseja opettavat johtavat HSE asiantuntijat, mukaan lukien maailmankuulut tutkijat, kuten tohtori Yurii Nesterov, tohtori Denis Belomestny, tohtori Dmitry Vetrov, tohtori Andrei Sobolevski, tohtori Alexey Naumov ja tohtori Quentin Paris. Luentoja pitävät myös Skoltechin professorit, kuten tohtori Ivan Oseledets, tohtori Viktor Lempitsky, tohtori Evgeny Burnaev ja tohtori Yury Maximov. Tämä joukkue on melko nuori, mutta sen jäsenet ovat jo tehneet merkittäviä tutkimustuloksia.

Ohjelma tekee aktiivista yhteistyötä Venäjän tiedeakatemian tiedonsiirto-ongelmien instituutin sekä Moskovan valtionyliopiston ja Moskovan fysiikan ja teknologian instituutin asiaankuuluvien tiedekuntien kanssa. Valmistuneet työskentelevät suurissa venäläisissä ja kansainvälisissä yrityksissä, ja heillä on suuri kysyntä poikkeuksellisista matemaattisista taidoistaan.

Kurssit HSE /Skoltech

1. vuosi

Peruskurssit

• Nykyaikaiset tietojen analysointimenetelmät: stokastinen laskelma
• Projektiseminaari/ Innovaatiotyöpaja
• Numeerinen lineaarinen algebra
• Nykyaikaiset päätöksentekomenetelmät: Kehittyneet tilastolliset menetelmät
• Koneoppiminen
• Korkeaulotteiset tilastolliset menetelmät

Valinnaisia ​​kursseja

• Johdatus datatieteeseen
• Tehokkaat algoritmit ja tietorakenteet
• Digitaalinen kuvankäsittely
• Tieto- ja koodausteoriat
• Deep Learning
• Koneoppimisen geometriset menetelmät

2. vuosi

Peruskurssit

• Moderni algoritminen optimointi
• Tutkimusseminaari

Valinnaisia ​​kursseja

• Bayesin menetelmät koneoppimiseen
• Satunnaismatriisiteoria
• Neurobayesian mallit

Ohjelman tavoitteena on valmistaa tutkijoita dynaamisimmilla ja suurimmilla kysyntään liittyvillä matematiikan ja tietojenkäsittelytieteen aloilla. Maisteriohjelman valmistuneet voivat harjoittaa käytännön tai tutkimuslähtöistä uraa, jotka molemmat ovat suosittuja jollakin seuraavista alueista:

• Analyysien tekeminen teollisuudessa, konsultointi, erityyppiset yhdistykset ja säätiöt, valtion virastot, pankit, sijoitusrahastot jne .;
• Asiantuntijatoimet, jotka liittyvät metodologiseen kehittämiseen, todennäköisyysmallinnukseen, tilastollisiin arvioihin, liikenteen suunnitteluun, optimointiin ja ennustustehtäviin sekä tehokkaiden menetelmien, ohjaustekniikoiden ja tietojen analysoinnin kehittämiseen useilla ammatillisilla erikoisaloilla;
• Teknisen tuen tarjoaminen analyyttisille ja konsultoiville ryhmille, jotka harjoittavat koneoppimista, suunnittelua, taloudellista analyysiä, mallintamista ja liikenneverkkojen optimointia;
• Osallistuminen analyyttisten, tutkimus- ja hallinto -osastojen johtoryhmiin.

Tilastollisen oppimisteorian maisteriohjelman valmistuneet saavat riittävän opetuksen jatkaakseen opintojaan ja tutkimustaan johtavissa globaaleissa ja venäläisissä soveltavan matematiikan, matemaattisen mallinnuksen ja tietojenkäsittelytieteen keskuksissa, kuten stokastisten algoritmien ja ei -parametristen tilastotutkimuslaitoksen laboratoriossa Weierstrass Applied Analysis ja stokastia ja matematiikan tiedekunta, Humboldtin yliopisto (Berliini), Louvainin katolinen yliopisto (Belgia), Joseph Fourierin yliopisto (Grenoble), Max Planckin matematiikan instituutti (Bonn), Mannheimin yliopisto, ENSAE ParisTech (Pariisi) ja Steklov Matemaattinen instituutti (Moskova). Lisäksi monet johtavat yritykset, kuten Yandex, Google, Microsoft, Bosch, Huawei ja Siemens, ovat erittäin kiinnostuneita tällaisen taustan asiantuntijoista.