Artificial Intelligence

8D06102 Artificial Intelligence

Образовательная программа «8D06102 Искусственный интеллект» направлена на подготовку докторов философии (PhD) и определена теоретическими и прикладными исследованиями в областях искусственного интеллекта, машинного и глубокого обучения и компьютерного зрения, обработке естественного языка, формальных методов и алгоритмов использования искусственного интеллекта в других областях знаний.

Программа вступительного экзамена для поступающих

Цель образовательной программы

Подготовка высококвалифицированных специалистов, способных проводить фундаментальные и прикладные исследования в области искусственного интеллекта, разрабатывать инновационные решения, а также внедрять передовые технологии машинного обучения и аналитики данных для решения сложных задач в различных отраслях науки и промышленности.

Перечень должностей специалиста

карьерные возможности

Исследователь в области искусственного интеллекта в институтах и лабораториях;
научный сотрудник в академической сфере;
исследователь в R&D технологических компаний;
инженер по искусственному интеллекту;
специалист по машинному обучению и алгоритмах обработки данных в технологических компаниях;
архитектор искусственного интеллекта в задачах индустрии, здравоохранении, транспорта и финансов;
специалист по работе с большими данными и проектировщик программного обеспечения в области искусственного интеллекта;
инженер по разработке систем для автономных роботов и роботизированных систем с использованием искусственного интеллекта (в промышленности ил для создания беспилотных систем);
разработчик продуктов и стартапов на базе искусственного интеллекта;
специалист по компьютерному зрению и системам анализа изображений и видео;
специалист в области обработки естественного языка;
консультант по вопросам применения и разработки систем искусственного интеллекта и машинного обучения.

D094 – Информационные технологии

Группа образовательных программ

Доктор философии PhD по образовательной программе 8D06102 «Искусственный интеллект»

Присуждаемая степень

3 года

Срок обучения

Результаты обучения

Выбирать и (или) формулировать соответствующий подход к реализации научного исследования на стыке наук;
Выбирать и использовать оптимальные методы обработки и интерпретации эмпирических или расчетных данных;
Ставить и решать прикладные задачи в условиях неопределенности;
Генерировать новые, сложные идеи и знания, доходчиво объяснять их широкой публике и ученым посредством письменных работ и риторики;
Составлять и оформлять научные отчеты, научную и техническую документацию, писать статьи в рейтинговые издания;
Взаимодействовать с руководителем научной работы, рецензентом и редактором журнала в процессе написания и опубликования статей;
Владеть подходами и инструментами описания и анализа компьютерных систем, их компонентов и алгоритмов, доказательства свойств алгоритмов, протоколов и программ а также уметь организовывать и реализовать работу.

Определить объем и задачи исследований с теоретической и практической составлять и ориентацией на программирование, кодирование и вычисления; составлять и оформлять научные отчеты, научную и техническую документацию в процессе написания диссертации и/или публикации статьи в рейтинговых изданиях.
Синтезировать и (или) подбирать соответствующий подход к реализации научно-экспериментального исследования на стыке наук; выбирать и использовать методы обработки и интерпретации данных; ставить и решать прикладные задачи относительно соответствующих моделей, алгоритмов и архитектур.
Применять проектный подход науке: распределять ресурсы И B организовывать труд в соответствие с Agile манифестом; анализировать риски и взаимодействовать с заинтересованными сторонами на основе принципов гибкого подхода.
Объяснять сложные идеи создавать концептуальные диаграммы, И описывающие строение систем, явления и процессы.
Формализовать алгоритмы, вычислительные модели и компьютерные программы, анализировать их свойства; использовать формальную модель для представления результатов.
Критически анализировать свойства различных классов аналитических задач и аргументировано синтезировать метод их решения с учетом аспектов валидации и интерпретации результатов.

Документы

Тематика докторских исследований

Artificial Intelligence

Программа развития

Artificial Intelligence

Модель выпускника

Artificial Intelligence

Образовательная программа

Artificial Intelligence

Учебные дисциплины

Цикл базовых дисциплин

Вузовский компонент

Академическое письмо

Дисциплина рассматривает основные правила и практики академического письма, включая: терминологию и стиль научного повествования, принятые в международном научном сообществе порядки изложения материала для научных статей и монографий, основные этапы опубликования статей и очерков в рейтинговых изданиях, структура научного и технического ответов, специфика их написания.

Методы научных исследований

Дисциплина рассматривает основные парадигмы (онтологии) научных исследований в области компьютерных и смежных наук с упором на принципы генерации новых идей и знаний. На основании синтеза онтологий исследований обучающийся приобретет понимание принципов теоретических и практических исследований, рассмотрит примеры построения планов исследования и реализует подбор соответствующих инструментов.

Педагогическая практика

Педагогическая практика направлена на развитие у обучающихся опыта организации проектно-ориентированного и студентоориентированного обучения под руководством руководителя практики. В результате прохождения практики обучающийся разовьет навыки публичного выступления и уверенность при работе с большой аудиторией слушателей, выработает понимание различных подходов к организации обучения.

Теория искусственного интеллекта и вычислительных интеллектуальных систем

Дисциплина охватывает основы теории искусственного интеллекта, в частности алгоритмы поиска, логику, формальные модели вычислений, планирование и принятие решений. Важным аспектом является изучение принципов, лежащих в основе решения задач посредством искусственного интеллекта, таких как поиск в пространствах состояний, теория графов, проблемы оптимизации, нечеткая логика, математическое/статистическое моделирование.

Цикл профилирующих дисциплин

Вузовский компонент

Исследовательская практика

Исследовательская практика направлена на поиск научной литературы, её обработку, систематизацию знаний, подготовку эксперимента. В результате освоения обучающиеся применят на практике принципы взаимодействия с руководителем научной работы, критический анализ материала, синтез подхода к реализации научного исследования, в то числе аспектов валидации и интерпретации ожидаемых результатов, планирование мероприятий и работ по проекту.

Цикл профилирующих дисциплин

Компонент по выбору

Алгоритмы обучения: от основ до глубокого обучения

Дисциплина, охватывает ключевые методы и техники машинного обучения (ML), в частности, обучение с учителем и без учителя, глубокое обучение, методы классификации, регрессии, нейронные сети и ансамблевые методы.

Понимание и обработка естественного языка

Дисциплина охватывает методы обработки и анализа текстовых данных, включая семантический и синтаксический анализ, создание языковых моделей, автоматический перевод, классификацию текста, распознавание речи и другие аспекты.

Цифровой анализ изображений и компьютерное зрение

В дисциплине изучаются методы и технологии для анализа визуальных данных, такие как распознавание объектов, сегментация, классификация изображений, глубокое обучение для анализа видео и изображений. Эта дисциплина также включает вопросы создания моделей для автономных систем (например, самоуправляемых транспортных средств).

Этика и социальные аспекты искусственного интеллекта

Дисциплина посвящена этическим, правовым и социальным аспектам применения искусственного интеллекта. Она охватывает темы, такие как прозрачность алгоритмов, влияние искусственного интеллекта на занятость, защита приватности, предвзятость алгоритмов и их влияние на общество.

Гибкие практики управления проектами

Дисциплина рассматривает концептуальные основы и примеры применения практик экстремальной разработки (extreme development) и Scrum метода в контексте научной работы с упором на результат, а не процесс исследований.

Artificial Intelligence

8D06102 Artificial Intelligence

Контакты

Цель образовательной программы

Перечень должностей специалиста

D094 – Информационные технологии

Доктор философии PhD по образовательной программе 8D06102 «Искусственный интеллект»

3 года

Результаты обучения

Документы

Тематика докторских исследований

Программа развития

Модель выпускника

Образовательная программа

Учебные дисциплины

Цикл базовых дисциплин

Академическое письмо

Методы научных исследований

Педагогическая практика

Теория искусственного интеллекта и вычислительных интеллектуальных систем

Цикл профилирующих дисциплин

Исследовательская практика

Цикл профилирующих дисциплин

Алгоритмы обучения: от основ до глубокого обучения

Понимание и обработка естественного языка

Цифровой анализ изображений и компьютерное зрение

Этика и социальные аспекты искусственного интеллекта

Гибкие практики управления проектами