Tietotekniikan maisteri
The Skolkovo Institute of Science and Technology (Skoltech)
Keskeiset tiedot
Kampuksen sijainti
Moscow, Venäjä
Kieli (kielet
Englanti
Opintomuoto
Kampuksella
Kesto
2 vuotta
Vauhti
Täysaikainen
Lukukausimaksut
Pyydä tietoja
Hakemuksen määräaika
Pyydä tietoja
Aikaisin aloituspäivä
Pyydä tietoja
* ei lukukausimaksua hakijoille, jotka läpäisevät valintaprosessin. Opiskelijapaketti: 40 000 RUB:n kuukausipalkkio, sairausvakuutus
Apurahat
Tutki stipendimahdollisuuksia opintojen rahoittamiseksi
Johdanto
Koneoppimistekniikat ovat modernin datatieteen eturintamassa, ja siksi koneoppimisen eri näkökohtia käsittelevät kurssit ovat olennainen osa ohjelmaa. Ohjelman sovelluskomponentti sisältää useita tärkeitä aiheita, kuten:
- Konenäkö
- Teollisuuden data-analytiikka
- Luonnollisen kielen käsittely
- Kuvan ja signaalin käsittely
Datatieteen ohjelman pääasiallisena tavoitteena on kouluttaa opiskelijoita käyttämään koneoppimisen ja data-analytiikan huipputeknisiä tekniikoita keskittyen näiden uusien teknologioiden todellisiin sovelluksiin. Opiskelija oppii kehittämään automatisoituja menetelmiä valtavien tietomäärien analysointiin tavoitteenaan poimia niistä tietoa, joka vaikuttaa organisaation päätöksiin. Ohjelman valmistuneet koulutetaan suorittamaan alkuperäistä tutkimusta valitsemallaan koneoppimisen ja data-analytiikan alueella ja soveltamaan tutkimuksensa tuloksia teollisessa kontekstissa.
MSc-ohjelma on 2-vuotinen: ensimmäinen vuosi on teoreettisen taustan vahvistaminen ja toinen vuosi tutkimukseen keskittyminen. Opiskelijalla on vapaus valita kursseja ja opetuksen ulkopuolisia aktiviteetteja muokatakseen omaa kehityskulkuaan, hankkiakseen pehmeitä taitoja ja hankkia yrittäjyyttä valmistautuessaan työhön.
Luennot ja harjoitukset maailmankuulujen professorien ja asiantuntijoiden johtamina. | Opiskelijoiden yksittäisiä tutkimusprojekteja Skoltechin laboratorioissa. | 8 viikon kesäinen alan immersioohjelma johtavissa yrityksissä muuttamassa tiedot ja taidot teoiksi. | Yrittäjyyden ja innovaation kursseja, jotka tarjoavat taitoja ja tietoa ideoiden ja tutkimustulosten kaupallistamiseen. |
Menestyksekäs ohjelman suorittanut tietää:
- Datatieteen matemaattiset ja algoritmiset perusteet sekä tasapainoinen näkemys datatieteen matemaattisista perusteista ja käytännön työkaluista ja sovellettavista ongelmista;
- Lausunnot kaikista tärkeimmistä data-analyysiongelmista sekä tärkeimmät lähestymistavat niiden ratkaisemiseksi;
- Tietojen analysoinnin ja niihin liittyvien alueiden huipputekniikat. Sovellettujen ongelmien pääluokkien tuntemus;
- Sekä tieteellisen tutkimuksen että datatieteen sovelluskehityksen metodologiset pääkohdat.
Ohjelmasta menestyksekkäästi valmistuva pystyy:
- Muotoile/mallinna reaalimaailman tehtäviä, kuten data-analyysiongelmia;
- Valitse sopivin menetelmä tietyn data-analyysiongelman ratkaisemiseksi;
- soveltaa data-analyysimenetelmiä käytännössä nykyaikaisilla data-analyysiohjelmistotyökaluilla;
- Kehittää uusia menetelmiä tai mukauttaa olemassa olevia menetelmiä tiettyyn ongelmaan;
- Toteuttaa algoritmeja tietokoneohjelmina;
- Arvioi data-analyysiprosessien tuloksia;
- Työskentele teknisen kirjallisuuden parissa (esim. tee bibliografista tutkimusta, lue ja analysoi tieteellisiä artikkeleita kriittisesti, käytä tieteellisiä mittareita ja tärkeitä tietokantoja);
- Esittele tuloksia eri yleisöille (asiantuntijat, käyttäjät, sidosryhmät jne.) tehokkaasti suullisesti ja kirjallisesti.
Tavoite ja tavoitteet
Ohjelman tavoitteena on valmistaa tulevaisuuden teknologiajohtajia. Data Science MSc -ohjelman tavoitteena on kaventaa perustieteen ja huippuluokan laskentatekniikoiden välistä kuilua.
Machine Learning and Artificial Intelligence (MLAI) -raita
Koneoppimistekniikat ovat modernin datatieteen ja tekoälyn eturintamassa. Ohjelman opetussuunnitelma sisältää tasapainoisen yhdistelmän äskettäin kehitettyjä aiheita yhdessä matemaattisten perusteiden syvällisen opetuksen kanssa, kuten edistynyt lineaarinen algebra, optimointi, korkeaulotteiset tilastot jne.
Tämä kappale on saatavana myös verkkomuodossa Moskovan fysiikan ja tekniikan instituutin kanssa.
Tämän kappaleen menestynyt suorittanut pystyy:
- ymmärtää ja muotoilla monimutkaisia reaalimaailman tehtäviä data-analyysiongelmina
- auttaa kehittämään seuraavan sukupolven koneoppimisohjelmistoa, joka on kilpailukykyinen tai parempi kuin olemassa olevat ohjelmistoesimerkit kriittisillä ja nousevilla sovellusalueilla
- käyttää asianmukaisia ohjelmistotyökaluja, algoritmeja, tietomalleja ja laskentaympäristöjä todellisten ongelmien ratkaisemiseen
Math of Machine Learning (MML) -raita
(verkkomuodossa kauppakorkeakoulun kanssa)
Moderni koneoppiminen on matematiikan ja tietojenkäsittelytieteen eri tieteenalojen kärjessä. Math of Machine Learning on yksi modernin tieteen dynaamisimmista aloista, ja se kattaa matemaattiset tilastot, koneoppimisen, optimoinnin sekä tieto- ja monimutkaisuusteorian. Ohjelman alusta lähtien opiskelijat tekevät yhteistyötä temaattisissa työryhmissä ja osallistuvat aktiivisesti tutkimukseen, oppivat Skoltechin ja Higher School of Economicsin tutkijoilta sekä tilastojen, optimoinnin ja koneoppimisen johtavilta globaaleilta asiantuntijoilta.
Tämän kappaleen menestyksekäs valmistuja:
- heillä on aktiivinen tieto nykyaikaisista tilastooppimisen menetelmistä ja lähestymistavoista, mukaan lukien matemaattiset tilastot, stokastiset prosessit, konveksi optimointi
- osaa soveltaa ja kehittää edelleen tällaisia menetelmiä monimutkaisten, käytännössä motivoituneiden data-analyysin ongelmien ratkaisemiseksi
<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111169_TSL_1139.jpg " data-json=" {"author":"© ","author_url":"","lähde ":""}" alt="111169_TSL_1139.jpg" />
Sisältö
Ohjelman opetussuunnitelma sisältää tasapainoisen yhdistelmän aivan äskettäin kehitettyjä aiheita (esim. syväoppiminen) sekä matemaattisten perusteiden syvällistä opetusta (edistynyt lineaarinen algebra, optimointi, korkeadimensionaaliset tilastot jne.).
Ohjelman rakenne
2-vuotinen ohjelma sisältää pakolliset ja suositeltavat valinnaiset kurssit tärkeimmistä aiheista, laaja valikoima valinnaisia kursseja (riippuen opiskelijan tutkimuksesta ja ammatillisista tarpeista), yrittäjyyden ja innovaation komponentteja, tutkimustoimintaa sekä 8 viikkoa teollisuutta upotus.
36 opintopistettä pakolliset ja suositellut valinnaiset kurssit | 36 opintopistettä Tutkimus- ja diplomityöprojekti | 24 opintopistettä Valinnaiset kurssit ja projektit |
12 krediittiä Yrittäjyys ja innovaatio | 12 krediittiä Teollinen upotus |
Tutkimus
Opiskelijat ovat aktiivisesti mukana tutkimustoiminnassa kolmannesta lukukaudesta alkaen.
Päätutkimusalueet:
- Koneoppiminen ja syväoppiminen
- Teollinen analytiikka
- Konenäkö
- Kuvankäsittely
- Korkean ulottuvuuden tilastot ja tilastollinen oppiminen
- Seuraavan sukupolven monimuotoinen mallinnus
- Nopeat ratkaisijat suuriin/suuriulotteisiin ongelmiin
Uramahdollisuudet ja polut
Data Science MSc -ohjelma kehitettiin vastaamaan korkeaan datatieteen asiantuntijoiden kysyntään kasvavilla kansallisilla ja kansainvälisillä korkean teknologian markkinoilla. Ohjelman valmistuneet voivat aloittaa kansainvälisen tutkijanuran tai työskennellä yrityksen kanssa (myös opiskeluaikana).
Datatieteen maisteriksi valmistuneet parantavat merkittävästi työllistettävyyttään kehittämällä tietotieteen ja koneoppimisen aihekohtaista osaamistaan sekä analyyttisiä ja tutkimustaitojaan. Opiskelijat saavat mahdollisuuden päästä varhaisessa vaiheessa kansallisiin ja kansainvälisiin tutkimus- ja innovaatiomaisemiin ja voivat lähestyä kansainvälisiä työnantajia luottavaisin mielin. Lisäksi ohjelma vahvistaa opiskelijoiden pehmeitä taitoja, jolloin he voivat kilpailla tehokkaasti työmarkkinoilla.
- Ph.D. tehtäviä akateemisissa ja tutkimuslaitoksissa
- Asiantuntijatehtävät, kuten dataanalyytikko, datatieteilijä, konsultti eri talouden aloilla:
- Rahoittaa
- TeleCom
- SE
- Skolkovossa asuvat yritykset ja startupit
Sisäänpääsyvaatimukset
Tietotekniikkaan liittyvä kandidaatin tutkinto tai sitä vastaava tutkinto matematiikan, tietojenkäsittelytieteen, tieto- ja viestintätekniikan, soveltavan fysiikan tai muun tekniikan aloilta.
- Calculus
- Differentiaaliyhtälöt
- Lineaarialgebra
- Perustodennäköisyys, satunnaiset prosessit ja matemaattiset tilastot
- Diskreetti matematiikka (mukaan lukien graafiteoria ja perusalgoritmit)
- Ohjelmointi
Englannin kielen vaatimukset:
Jos koulutusta ei ole suoritettu englannin kielellä, sinun odotetaan osoittavan todisteita riittävästä englannin kielen taitotasosta.
Hakemuksen vaatimukset
Verkkohakemus helpottaa prosessia mahdollisille opiskelijoille. Suosittelemme, että luet huolellisesti valitun akateemisen ohjelman hakuohjeet, vaatimukset ja määräajat.
Hakemus sisältää seuraavat asiakirjat: CV, kaksi suosituskirjettä, TOEFL/IELTS-tulosraportti ja motivaatiokirje. Hakijat, joilla ei ole todisteita englannin kielen taidosta, voivat suorittaa TOEFL ITP:n Skoltechin valintaviikonlopun aikana.
Valintaprosessi
- Valmistele portfoliosi
Valmistele kilpailukykyiset valintasi hakemusmateriaalit. - Lähetä hakemuksesi
Lataa materiaalisi hakujärjestelmään ja lähetä hakemuksesi. - Online-testaus
Jokaisen ehdokkaan on suoritettava online-profiilitesti. Saat sähköpostiisi ilmoituksen testin tarkasta päivämäärästä ja kellonajasta. - Henkilökohtaiset haastattelut (verkossa)
Viimeinen valintavaihe käydään Moskovassa. Sinun on läpäistävä TOEFL ITP -koe paikan päällä tai esitettävä voimassa oleva TOEFL-todistus ja läpäistävä henkilökohtainen haastattelu. Tietyissä ohjelmissa voidaan vaatia ylimääräisiä kirjallisia kokeita tänä aikana (ilmoitamme asiasta etukäteen).
<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111168_TSL_3334.jpg " data-json=" {"author":"© ","author_url":"","lähde ":""}" alt="111168_TSL_3334.jpg" />
Mitä opiskelijamme sanovat
Julia Molchanova
BSc, Moskovan valtionyliopisto → MSc, Skoltech → Indie Game Developer
"Skoltechin Data Science -ohjelma tarjoaa mahdollisuuden oppia lähes kaikki koneoppimisen akateemiseen tai teolliseen uraan tarvittavat taidot. Kun olin aiemmin opiskellut samaa aihetta, niin Skoltechissä pääsin tarvittaviin tieteenaloihin. Myös yliopiston kielipolitiikka on parantanut englannin kielenkäyttöäni merkittävästi. Laajemman tieteenalan toiminnot, kuten Innovation Workshop, voivat itse asiassa johtaa odottamattomiin tuloksiin. Olen kokeillut niin monia erilaisia asioita näiden oppituntien aikana ja saanut niistä kiinnostuksen. Ne ovat hienoja tapa hankkia ainutlaatuista tietoa ja saada erilainen elämännäkökulma."
Alfredo de la Fuente
BSc, Universidad Nacional de Ingenieria → MSc, Skoltech → Schlumberger Software Technology Innovation Center
"En voi olla hymyilemättä, kun muistelen mielettömän tuottoisaa ajanjaksoani Skoltechin tietotieteen maisteriohjelmassa. Sopeutuminen rajuun ilmapiirin muutokseen (muutto Perusta ja erilainen akateeminen tausta) oli varmasti kova haaste. Kuitenkin tämän ohjelman vaikutus urallani saamat uskomattomat ystävyyssuhteet ja altistuminen lukuisille mahdollisuuksille tekivät sen sen arvoiseksi. Kaiken kaikkiaan Data Science -ohjelman koko työskentely tarjosi minulle itseluottamusta ja laajan valikoiman taitoja koneoppimisprojekteissa sekä teollisuudessa että tutkimuksessa Epäilemättä yksi elämäni parhaista valinnoista."