AI және деректер ғылымы: жауапты AI, деректер мен статистиканы практикалық әсер үшін қолдану
Astana IT University және MIT IDSS арасындағы ынтымақтастық
№1
MIT — технология саласы бойынша әлемдегі №1 университет (QS World University Rankings, Engineering & Technology)
2 трек
Өзара толықтыратын трек: 12 апталық бағдарлама және басшыларға арналған 3 күндік интенсив
2026
Қазақстандағы цифрландыру және жасанды интеллект жылы
1-ші сапары
MIT IDSS негізін қалаушы және алғашқы директорының Қазақстанда
MIT IDSS артықшылығы
MIT Institute for Data, Systems, and Society (IDSS) Data Science, статистика, ақпарат теориясы, әлеуметтік ғылымдар және жүйелік инженерия салаларындағы сараптаманы біріктіріп, әлемдегі ең күрделі мәселелердің бірін шешуге бағытталған. Зерттеу және білім беру бағдарламалары арқылы MIT IDSS мамандарға өзара байланысты жүйелерді тереңірек түсінуге мүмкіндік беретін аналитикалық құралдар мен пәнаралық тәсілдерді ұсынады.
QS World University Rankings 2025 бойынша әлемдегі №1 университеттің және U.S. News & World Report 2025 нұсқасы бойынша АҚШ-тағы ұлттық университеттер арасында №2 университеттің құрамында бола отырып, MIT IDSS қатаң әрі қолданбалы оқытуға деген ұстанымын жалғастырып, түрлі салаларда деректерге негізделген шешім қабылдау тәсілдерін қалыптастыруға ықпал етеді.
MIT IDSS жетекші оқытушыларынан білім алу
Қатысушылар deep learning, жүйелік инженерия, оңтайландыру, себеп-салдарлық талдау және басқа да бағыттар бойынша сараптамасы бар MIT оқытушылары мен инструкторларының жазылған дәрістеріне қол жеткізе алады. Бағдарлама MIT IDSS-тің зерттеуге негізделген білім беру тәсіліне сүйенеді және тыңдаушыларға деректерге негізделген шешім қабылдаудың болашағын қалыптастыратын идеялармен танысуға мүмкіндік береді.
Қатысушылар deep learning, жүйелік инженерия, оңтайландыру, себеп-салдарлық талдау және басқа да бағыттар бойынша сараптамасы бар MIT оқытушылары мен инструкторларының жазылған дәрістеріне қол жеткізе алады. Бағдарлама MIT IDSS-тің зерттеуге негізделген білім беру тәсіліне сүйенеді және тыңдаушыларға деректерге негізделген шешім қабылдаудың болашағын қалыптастыратын идеялармен танысуға мүмкіндік береді.
LIDS зерттеулеріне негізделген оқу бағдарламасы
Laboratory for Information and Decision Systems (LIDS) MIT IDSS-тің зерттеу негізін құрайды. AI and Data Science: Leveraging Responsible AI, Data and Statistics for Practical Impact бағдарламасы MIT-тің нақты өмірдегі күрделі мәселелерді шешуде аналитикалық ойлауды қолдану дәстүріне сүйенеді. Оқу бағдарламасы LIDS-тің өзекті зерттеулерімен толықтырылған Data Science, Artificial Intelligence және Machine Learning салаларындағы негізгі және тереңдетілген тұжырымдамаларды біріктіреді.
Laboratory for Information and Decision Systems (LIDS) MIT IDSS-тің зерттеу негізін құрайды. AI and Data Science: Leveraging Responsible AI, Data and Statistics for Practical Impact бағдарламасы MIT-тің нақты өмірдегі күрделі мәселелерді шешуде аналитикалық ойлауды қолдану дәстүріне сүйенеді. Оқу бағдарламасы LIDS-тің өзекті зерттеулерімен толықтырылған Data Science, Artificial Intelligence және Machine Learning салаларындағы негізгі және тереңдетілген тұжырымдамаларды біріктіреді.
Пәнаралық тәсілге негізделген
MIT IDSS жаһандық сын-қатерлерді шешу әртүрлі көзқарастар мен тәсілдерді біріктіруді талап етеді деген ұстаным негізінде құрылған. Бағдарлама статистика, басқару теориясы, желілік ғылым, экономика және әлеуметтік ғылымдар әдістерін қолдана отырып, тыңдаушыларды өзара байланысқан күрделі жүйелерді модельдеуге, талдауға және басқаруға дайындайды. Бұл пәнаралық негіз қаржы, денсаулық сақтау, қалалық даму және басқа да салалардағы тұрақты инновациялардың іргетасын қалыптастырады.
MIT IDSS жаһандық сын-қатерлерді шешу әртүрлі көзқарастар мен тәсілдерді біріктіруді талап етеді деген ұстаным негізінде құрылған. Бағдарлама статистика, басқару теориясы, желілік ғылым, экономика және әлеуметтік ғылымдар әдістерін қолдана отырып, тыңдаушыларды өзара байланысқан күрделі жүйелерді модельдеуге, талдауға және басқаруға дайындайды. Бұл пәнаралық негіз қаржы, денсаулық сақтау, қалалық даму және басқа да салалардағы тұрақты инновациялардың іргетасын қалыптастырады.
Этикалық және жауапты ИИ-ге басымдық беру
MIT IDSS өз миссиясы аясында ИИ жүйелерін жауапты түрде жобалау мен енгізуге ерекше назар аударады. Бұл тыңдаушыларға Data Science әдістерін әлеуметтік жауапкершілік пен этикалық қағидаттарға сүйене отырып қолдануға мүмкіндік береді.
MIT IDSS өз миссиясы аясында ИИ жүйелерін жауапты түрде жобалау мен енгізуге ерекше назар аударады. Бұл тыңдаушыларға Data Science әдістерін әлеуметтік жауапкершілік пен этикалық қағидаттарға сүйене отырып қолдануға мүмкіндік береді.
AI and Data Science: Leveraging Responsible AI, Data and Statistics for Practical Impact
MIT оқытушылары жүргізетін 12 апталық онлайн бағдарлама арқылы ИИ негізінде шешім қабылдай алатын маман болыңыз
Онлайн (жұмыс күндері: кешкі уақыт)
Жанды/жазылған дәрістер, практика және менторлық сессиялар
Офлайн (демалыс күндері)
AITU пәндері
Практика және жобалар
3 жоба, нақты кейстер және топтық тапсырмалар
GenAI бойынша мастер-класстар
3 эксклюзивті сессия
Бағдарламаны сәтті аяқтағаннан кейін қатысушылар MIT IDSS сертификаттарына ие болады.
Сертификаттарды салтанатты түрде табыстау рәсімі MIT-те, Бостон қаласында, АҚШ-та өтеді.
12 апталық бағдарлама | Оқу басталуы: 2026 жылғы 22 маусым
Оқыту тілі: ағылшын
AI and Data Science: Leveraging Responsible AI, Data and Statistics for Practical Impact
MIT IDSS ұсынатын 12 апталық AI and Data Science: Leveraging Responsible AI, Data and Statistics for Practical Impact бағдарламасы, бұрын Data Science and Machine Learning: Making Data Driven Decisions деп аталған, деректерге негізделген дәуірде көшбасшылық етуге және нақты мәселелерге озық шешімдерді қолдануға қажетті құралдарды, әдістерді және тәсілдерді меңгеруге мүмкіндік береді. Қатысушылар Deep Learning, Computer Vision, Recommendation Systems, Ethical and Responsible AI сияқты негізгі тақырыптарды зерттейді.
Сонымен қатар қатысушылар Generative AI бойынша үш мастер-класс арқылы жаңа инновациялармен танысып, ИИ негізіндегі шешімдердің болашағын қалыптастыратын жаңа құралдар мен әдістерді түсінеді. Бағдарлама барысында қатысушылар практикалық жобаларға қатысып, жетекші халықаралық ұйымдарда жұмыс істейтін тәжірибелі менторлардан практикалық бағыт-бағдар алады. Оқу процесі теориялық ұғымдарды нақты бизнес-нәтижелермен байланыстырып, анағұрлым негізделген әрі әсерлі шешімдер қабылдауға көмектесуге бағытталған.
Бағдарлама нәтижелері
- Data Science және Artificial Intelligence әдістерінің ерекшеліктерін және оларды нақты мәселелерді шешуде қолдану жолдарын түсіну
- Күрделі мәселелерді шешу және деректерге негізделген бизнес-шешімдер қабылдау үшін Machine Learning-тің әртүрлі әдістерін қолдану
- Artificial Intelligence саласының екі негізгі бағытын — Machine Learning және Deep Learning-ті зерттеп, олардың Computer Vision және Recommendation Systems сияқты салаларда қолданылуын түсіну
- Болжам жасау кезінде деректерді ұсынудың ең тиімді тәсілдерін таңдау
- Recommendation Systems жүйелерінің түрлі салалар мен бизнес-контексттердегі практикалық қолданылуын зерттеу
- Индустрия талаптарына сай жобалар портфолиосын қалыптастырып, деректерден құнды бизнес-инсайттарды анықтау қабілетін көрсету
Бағдарламаның артықшылықтары
- MIT оқытушыларынан білім алу
Әр сабақта академиялық тереңдік пен индустрия үшін практикалық маңыздылықты ұштастыратын MIT-тің әлемге танымал 13 оқытушысы мен инструкторының жазылған дәрістеріне қол жеткізіңіз. - Индустрия сарапшыларынан менторлық қолдау алу
Data Science және AI тұжырымдамаларын нақты тәжірибеде қолдану мысалдарымен бөлісетін әлемнің жетекші ұйымдарында жұмыс істейтін мамандардан тікелей менторлық қолдау алыңыз. - Нақты тәжірибеге негізделген сараптама
Дағдыларыңызды нығайтып, AI және Data Science саласындағы құзыреттеріңізді көрсету үшін 3 практикалық жобаны орындап, 50-ден астам нақты кейсті зерттеңіз. - ИИ болашағын зерттеңіз
Generative AI бойынша 3 эксклюзивті мастер-классқа қатысып, соңғы әзірлемелерді және олардың әлем бойынша түрлі салаларды қалай өзгертіп жатқанын түсініңіз. - ИИ-дің негізгі тұжырымдамаларын меңгеріңіз
Generative AI, Recommendation Systems, Responsible AI және Deep Learning сияқты ИИ-дің негізгі тұжырымдамалары бойынша біліміңізді тереңдетіңіз. - Мойындалған сертификат алыңыз
MIT IDSS-тен Certificate of Completion алып, AI және Data Science технологияларын нақты нәтижелерге қол жеткізу үшін қолдана алатыныңызды растайтын 8.0 Continuing Education Units (CEUs) иеленіңіз. - Карьерлік қолдау
Осы салаға ауысуға немесе кәсіби өсуге көмектесетін жеке CV мен LinkedIn профилін талдауды қамтитын арнайы карьерлік қолдауға ие болыңыз.
Бағдарламаны аяқтағаны туралы сертификат
Бағдарламаны сәтті аяқтағаннан кейін қатысушылар MIT IDSS-тен Certificate of Completion алады және Data Science пен Artificial Intelligence технологияларын өлшенетін құндылық жасау үшін қолдана алатынын растайтын 8.0 Continuing Education Units (CEUs) иеленеді.
Ескерту: сурет тек иллюстрациялық мақсатта ұсынылған. Нақты сертификат университеттің шешімі бойынша өзгеруі мүмкін.
Бұл бағдарлама кімдерге арналған?
Практикалық жобалар мен нақты қолданбалы тапсырмалар арқылы Data Science, Machine Learning және AI салаларындағы сараптамасын дамытқысы келетін мамандар.
Күрделі деректерді тиімді бизнес-шешімдер қабылдауға көмектесетін практикалық инсайттарға айналдыру қабілетін дамытқысы келетін адамдар.
Әртүрлі салаларда AI және Data Science бастамаларын басқаруға немесе оларды іске асыруға қатысуға ұмтылатын мамандар.
Бизнес-міндеттерді шешу үшін GenAI, Deep Learning және Recommendation Systems сияқты озық AI технологияларын қолдануға қызығушылық танытатын мамандар.
Учебная программа
Бұл 12 апталық бағдарлама құрылымдалған және қолданбалы оқыту арқылы Data Science, Machine Learning және Artificial Intelligence салаларында берік негіз қалыптастыруға көмектесуге арналған.
MIT оқытушыларының 30+ сағаттық жазылған дәрістері, сарапшылармен менторлық сессиялар және практикалық жобалар келесі құрылым бойынша ұсынылады:
Алдын ала дайындық
Data Science және AI негіздері
• Деректер әлеміне кіріспе
• Python-ға кіріспе
• Generative AI-ға кіріспе
• Prompt Engineering-ке кіріспе
• Data Science және AI қолданылуы
• Деректер әлеміне кіріспе
• Python-ға кіріспе
• Generative AI-ға кіріспе
• Prompt Engineering-ке кіріспе
• Data Science және AI қолданылуы
• Data Science өмірлік циклі
• Data Science және AI негізіндегі математика мен статистика
• Data Science және AI тарихы
0-апта
Data Science және AI қолданылуы
• Data Science және Artificial Intelligence қолдану бойынша практикалық кейс
• Data Science және Artificial Intelligence қолдану бойынша практикалық кейс
1–2 апталар
AI негіздері
• Data Science үшін Python (NumPy және Pandas)
• Визуализацияға арналған Python
• Data Science үшін Python (NumPy және Pandas)
• Визуализацияға арналған Python
• Инференциалды статистика
• Гипотезаларды тексеру
3-апта
Generative AI көмегімен деректерді талдау бойынша мастер-класс
Неделя 4
Құрылымдалмаған деректерді түсіну
• Кластерлеу
• Өлшемділікті азайту әдістері (PCA, t-SNE)
• Кластерлеу
• Өлшемділікті азайту әдістері (PCA, t-SNE)
5-апта
Жобалық апта және GenAI бойынша мастер-класс
• Кластерлеу және PCA бойынша жоба
• Мәтіндік деректер негізінде оқыту бойынша мастер-класс
• Кластерлеу және PCA бойынша жоба
• Мәтіндік деректер негізінде оқыту бойынша мастер-класс
6-апта
Регрессия және болжау
• Мұғаліммен оқыту және регрессияға кіріспе
• Мұғаліммен оқыту және регрессияға кіріспе
• Модельді бағалау, кросс-валидация және бутстрэппинг
7-апта
Жіктеу және гипотезаларды тексеру
• Жіктеуге кіріспе
• Гипотезаларды тексеру
• Жіктеуге кіріспе
• Гипотезаларды тексеру
• Логистикалық регрессия
• Шешім ағаштары және Random Forest
8-апта
Жобалық апта және GenAI бойынша мастер-класс
• Machine Learning классификациясы бойынша жоба
• AI-powered мәтін белгілеу бойынша мастер-класс
• Machine Learning классификациясы бойынша жоба
• AI-powered мәтін белгілеу бойынша мастер-класс
9-апта
Deep Learning және Computer Vision
• Deep Learning-ке кіріспе
• Нейрондар тұжырымдамасы
• Жасанды нейрондық желілер (ANNs)
• Deep Learning-ке кіріспе
• Нейрондар тұжырымдамасы
• Жасанды нейрондық желілер (ANNs)
• Computer Vision-ға кіріспе
• CNN архитектурасы және Transfer Learning
10-апта
Recommendation Systems
• Recommendation Systems
• Recommendation Systems: кластерлеу, Collaborative Filtering және SVD
• Recommendation Systems
• Recommendation Systems: кластерлеу, Collaborative Filtering және SVD
11-апта
Этикалық және жауапты AI
• AI өмірлік цикліне кіріспе
• Біржақтылық ұғымына кіріспе және оның мысалдары
• Себеп-салдарлық байланыстар мен құпиялылыққа кіріспе
• AI өмірлік цикліне кіріспе
• Біржақтылық ұғымына кіріспе және оның мысалдары
• Себеп-салдарлық байланыстар мен құпиялылыққа кіріспе
• Өзара байланыстар және қолдану салалары
• AI жүйелеріндегі өзара тәуелділік және кері байланыс
12-апта
Жобалық апта
• Recommendation System бойынша жоба
• Recommendation System бойынша жоба
* Бағдарламаны аяқтау критерийлері: қатысушылар әр курс бойынша кемінде 60% жинауы қажет.
Өздігінен оқуға арналған модульдер
1-модуль
Generative AI негіздері
2-модуль
Generative AI-дың бизнесте қолданылуы
(Agentic AI-ға кіріспені қамтиды)
3-модуль
Желілік және графтық модельдер
4-модуль
Предиктивті аналитика
Бағдарлама оқытушылары
MIT оқытушысы
Dr. Caroline Uhler
MIT профессоры
Prof. Munther Dahleh
MIT профессоры
Dr. Devavrat Shah
MIT қауымдастырылған профессоры
Prof. Stefanie Jegelka
MIT профессоры
Prof. John Tsitsiklis
Dr. Caroline Uhler — Electrical Engineering and Computer Science (EECS) және Institute for Data, Systems, and Society (IDSS) бағыттары бойынша бірлескен қызмет атқаратын MIT оқытушысы. Dr. Uhler-дің зерттеулері Machine Learning, статистика және геномика тоғысында орналасқан және себеп-салдарлық талдау, representation learning және гендерді реттеу бағыттарына ерекше назар аударады. Ол University of California, Berkeley университетінде статистика бойынша Ph.D. дәрежесін алған, сондай-ақ математика, биология және математикалық білім беру салаларында білім алған. Dr. Uhler International Statistical Institute ұйымының сайланған мүшесі және Sloan Research Fellowship, NSF CAREER Award, Humboldt Foundation ұсынған Sofja Kovalevskaja Award, сондай-ақ Austrian Science Fund ұсынған START Award сияқты беделді марапаттардың иегері.
Prof. Munther Dahleh — MIT академиялық қауымдастығындағы жетекші тұлғалардың бірі және William A. Coolidge Professor лауазымын иеленеді. Ол 2015 жылғы 1 шілдеден 2023 жылғы 30 маусымға дейін Institute for Data, Systems, and Society (IDSS) институтының негізін қалаушы және алғашқы директоры болды. Сонымен қатар, Prof. Dahleh MIT Laboratory for Information and Decision Systems (LIDS) мүшесі болып табылады.
Ол MIT-тегі академиялық жолын 1987 жылы assistant professor ретінде бастап, 1998 жылы толық профессор атағын алды. Оның зерттеулері тұрақты басқару теориясын, есептеуіш басқару жүйелерін жобалауды, ақпарат пен басқару арасындағы байланысты, сондай-ақ өзара байланысқан жүйелердегі жүйелік тәуекелдерді қамтиды. Prof. Dahleh осы бағыттарға қосқан үлесі үшін халықаралық деңгейде танылған және Caltech университетінде шақырылған профессор, сондай-ақ әлемнің түрлі ұйымдарына кеңесші ретінде қызмет атқарған.
Ол MIT-тегі академиялық жолын 1987 жылы assistant professor ретінде бастап, 1998 жылы толық профессор атағын алды. Оның зерттеулері тұрақты басқару теориясын, есептеуіш басқару жүйелерін жобалауды, ақпарат пен басқару арасындағы байланысты, сондай-ақ өзара байланысқан жүйелердегі жүйелік тәуекелдерді қамтиды. Prof. Dahleh осы бағыттарға қосқан үлесі үшін халықаралық деңгейде танылған және Caltech университетінде шақырылған профессор, сондай-ақ әлемнің түрлі ұйымдарына кеңесші ретінде қызмет атқарған.
Dr. Devavrat Shah — MIT-тің Electrical Engineering and Computer Science факультетінің Andrew (1956) and Erna Viterbi Professor профессоры. Сонымен қатар, ол Laboratory for Information and Decision Systems (LIDS), Institute for Data, Systems, and Society (IDSS) және Operations Research Center (ORC) орталықтарымен байланысты. Dr. Shah Computer Science саласы бойынша Ph.D. дәрежесін Stanford University университетінде алған.
Оның зерттеулері ауқымды желілер мен inference әдістеріне бағытталған, соның ішінде стохастикалық желілер, желілік алгоритмдер және желілік ақпарат теориясы. Өз мансабында Dr. Shah көптеген беделді марапаттарға ие болды, олардың қатарында President of India Gold Medal, INFORMS George B. Dantzig Best Dissertation Award, ACM SIGMETRICS Rising Star Award және INFORMS ұйымының Erlang Prize сыйлығы бар. Сондай-ақ IIT Bombay оны Distinguished Young Alumnus ретінде марапаттады.
Dr. Shah Celect, Inc. компаниясының тең құрылтайшысы болып табылады, бұл компанияны Nike 2019 жылы сатып алған. Кейінірек ол бизнеске деректерге негізделген шешім қабылдауды қолдауға арналған Ikigai Labs компаниясының тең құрылтайшысы болды.
Оның зерттеулері ауқымды желілер мен inference әдістеріне бағытталған, соның ішінде стохастикалық желілер, желілік алгоритмдер және желілік ақпарат теориясы. Өз мансабында Dr. Shah көптеген беделді марапаттарға ие болды, олардың қатарында President of India Gold Medal, INFORMS George B. Dantzig Best Dissertation Award, ACM SIGMETRICS Rising Star Award және INFORMS ұйымының Erlang Prize сыйлығы бар. Сондай-ақ IIT Bombay оны Distinguished Young Alumnus ретінде марапаттады.
Dr. Shah Celect, Inc. компаниясының тең құрылтайшысы болып табылады, бұл компанияны Nike 2019 жылы сатып алған. Кейінірек ол бизнеске деректерге негізделген шешім қабылдауды қолдауға арналған Ikigai Labs компаниясының тең құрылтайшысы болды.
Prof. Stefanie Jegelka — MIT-тің Electrical Engineering and Computer Science факультетінің Associate Professor профессоры. Ол Computer Science and Artificial Intelligence Laboratory (CSAIL), Institute for Data, Systems, and Society (IDSS), сондай-ақ MIT-тің Machine Learning тобымен байланысты.
Оның зерттеулері алгоритмдер, оңтайландыру және Machine Learning салаларын қамтиды, әсіресе заманауи AI жүйелеріндегі комбинаторлық және дискретті мәселелерге бағытталған. MIT-ке келгенге дейін Prof. Jegelka University of California, Berkeley университетіндегі AMPlab және Computer Vision Group топтарында постдокторант ретінде жұмыс істеген. Ол Ph.D. дәрежесін Тюбингендегі Max Planck Institute және ETH Zurich университеттерінде алған.
Prof. Jegelka Machine Learning-тің теориялық негіздеріне қосқан инновациялық үлесі үшін халықаралық деңгейде танылған.
Оның зерттеулері алгоритмдер, оңтайландыру және Machine Learning салаларын қамтиды, әсіресе заманауи AI жүйелеріндегі комбинаторлық және дискретті мәселелерге бағытталған. MIT-ке келгенге дейін Prof. Jegelka University of California, Berkeley университетіндегі AMPlab және Computer Vision Group топтарында постдокторант ретінде жұмыс істеген. Ол Ph.D. дәрежесін Тюбингендегі Max Planck Institute және ETH Zurich университеттерінде алған.
Prof. Jegelka Machine Learning-тің теориялық негіздеріне қосқан инновациялық үлесі үшін халықаралық деңгейде танылған.
Prof. John Tsitsiklis — MIT-тің Electrical Engineering and Computer Science факультетінің беделді оқытушысы. Ол MIT Institute for Data, Systems, and Society (MIT IDSS), MIT Laboratory for Information and Decision Systems (MIT LIDS), сондай-ақ MIT Operations Research Center (MIT ORC) орталықтарымен байланысты. Оның зерттеулері оңтайландыру, басқару, оқыту және орталықтандырылмаған шешім қабылдау бағыттарын қамтиды.
Prof. Tsitsiklis Parallel and Distributed Computation, Neuro-Dynamic Programming, Introduction to Linear Optimization және Introduction to Probability сияқты бірқатар іргелі еңбектердің тең авторы болып табылады. Ол ACM SIGMETRICS Achievement Award, INFORMS John von Neumann Theory Prize және IEEE Control Systems Award сияқты көптеген беделді марапаттардың иегері.
Сонымен қатар, Prof. Tsitsiklis Université Catholique de Louvain, Athens University of Economics and Business және Harokopio University университеттерінің құрметті докторлық дәрежелеріне ие. Ол математика бойынша B.S., сондай-ақ Electrical Engineering саласы бойынша M.S. және Ph.D. дәрежелерін MIT-те алған.
Prof. Tsitsiklis Parallel and Distributed Computation, Neuro-Dynamic Programming, Introduction to Linear Optimization және Introduction to Probability сияқты бірқатар іргелі еңбектердің тең авторы болып табылады. Ол ACM SIGMETRICS Achievement Award, INFORMS John von Neumann Theory Prize және IEEE Control Systems Award сияқты көптеген беделді марапаттардың иегері.
Сонымен қатар, Prof. Tsitsiklis Université Catholique de Louvain, Athens University of Economics and Business және Harokopio University университеттерінің құрметті докторлық дәрежелеріне ие. Ол математика бойынша B.S., сондай-ақ Electrical Engineering саласы бойынша M.S. және Ph.D. дәрежелерін MIT-те алған.
Қатысушылар сондай-ақ MIT-тің келесі оқытушылары ұсынған қосымша материалдарға қол жеткізе алады
Prof. Tamara Broderick
MIT Electrical Engineering & Computer Science кафедрасының қауымдастырылған профессоры
Prof. Victor Chernozhukov
Massachusetts Institute of Technology (MIT) экономика кафедрасының профессоры
Prof. David Gamarnik
MIT Sloan School of Management Operations Research профессоры, Nanyang Technological University
Prof. Jonathan Kelner
MIT Department of Mathematics қолданбалы математика профессоры
Dr. Philippe Rigolle
Massachusetts Institute of Technology (MIT) математика профессоры
Prof. Guy Bresler
MIT Electrical Engineering and Computer Science кафедрасының қауымдастырылған профессоры
Dr. Kalyan Veeramachaneni
Massachusetts Institute of Technology (MIT) Laboratory for Information and Decision Systems (LIDS) бас ғылыми қызметкері
Prof. Ankur Moitra
MIT Applied Mathematics және IDSS бойынша International Career Development ProfessorAITU менторлары — барлық кезеңдерде қолдау көрсету
• Жеке консультациялар
• Кері байланыс
• Жобаларға қолдау көрсету
• Карьерлік кеңестер