Московский технологический институт, специальность бакалавриата "Технологии искусственного интеллекта"

Направленность обучения "Технологии искусственного интеллекта" предназначена для тех, кто хочет изучать технологии, связанные с разработкой и применением искусственного интеллекта. Технологии искусственного интеллекта направлены на создание компьютерных систем, способных выполнять задачи, которые обычно требуют интеллектуальных способностей человека, таких как распознавание образов, обучение, решение задач, поддержание диалогов.

На данной направленности обучаются математике, статистике, машинному обучению, нейронным сетям, основам компьютерной науки и другим технологиям, используемым в области искусственного интеллекта. Обладая такими знаниями, Вы сможете работать в различных областях, таких как финансы, медицина, робототехника, автомобильная промышленность, маркетинг, игровая индустрия и многих других.

Кем работать: 

• Разработчик интеллектуальных систем (Intelligent Sytem Developer);
• Специалист по анализу больших данных (Big Data Analyst)
• Специалист по искусственному интеллекту;
• Специалист по Мachine Learning (ML-инженер).

Описание специальности:

Вступительные испытания

Результат обучения: 

• Научитесь разрабатывать современные алгоритмы искусственного интеллекта.
• Изучите подходы к разработке программного обеспечения и приложений, использующих технологии искусственного интеллекта.
• Получите возможность принять участие в разработке программ для обработки больших данных и реализации алгоритмов искусственного интеллекта.
• Приобретете навыки сбора, обработки и анализа больших объемов данных с помощью различных техник искусственного интеллекта.
• Сможете управлять любыми проектами с помощью технологий искусственного интеллекта.

Ключевые дисциплины курса

Методы статистического анализа данных: Изучите основные понятия и методы статистики, которые применяются при анализе различных типов данных. В процессе обучения приобретете навыки работы с различными программными пакетами для статистического анализа данных, такими как R, Руthon, SAS и другими. Изучите методы описательной статистики и инференциальной статистики, такие как t-тест, анализ дисперсии, корреляционный анализ, регрессионный анализ и другие.

Руthon для анализа данных:  Освоите навыки работы с языком программирования Руthon и его библиотеками, которые широко используются при работе с данными. В ходе обучения получите практический опыт работы с реальными данными и навыки построения моделей машинного обучения на Руthon. Научитесь работать с табличными, текстовыми данными и изображениями, а также решать задачи классификации, кластеризации и прогнозирования с помощью машинного обучения.

Современные инструментальные средства анализа данных: Приобретете навыки работы с различными программными пакетами и бибпиотеками для анализа данных, такими как Tableau, Роwer Bl, Apache Spark, Hadoop и другие. Изучите мотоды обработки больших объемов данных (Вig Data) и способы автоматизации работы с данными. Также в рамках дисциплины узнаете о концепции облачных вычислений (Cloud Computing) и методах их применения.

Методы поиска решений:  Получите знания о методах и алгоритмах, которые используются для автоматического поиска решений задач. Освоите основные методы оптимизации, такие как градиентный спуск, метод Ньютона, методы оптимизации с ограничениями. Ознакомитесь с такими методами, как методы поиска с использованием генетических алгоритмов, муравьиных колоний, имитации отжига и других эволюционных методов.

Методы параллельной обработки данных: Изучите методы обработки данных с использованием параллельных вычислений таких, как многопоточность, многопроцессорность, распределенные системы вычислений. Рассмотрите технологии Apache Hadoop, Apache Spark, Apache Flink и другие платформы для обработки больших объемов данных.