Программа готовит ML инженеров, способных провести полный цикл разработки модели машинного обучения: от сбора данных до внедрения в промышленную эксплуатацию.
В рамках данной программы студенты изучают следующие дисциплины:
Прикладная статистика в машинном обучении
Глубинное обучение
Обработка и анализ больших массивов данных
Сбор и обработка с помощью краудсорсинга
Архитектура компьютера и операционные системы
Тестирование ПО
Компьютерное зрение
Автоматическая обработка текстов
Распределенные системы
Методы оптимизации в машинном обучении
Статистическая теория обучения.
Анализ временных рядов
Байесовские методы в машинном обучении
How to win a data science competition
Reinforcement learning
Математика для анализа данных
Python
Разведочный анализ данных
Основы промышленной разработки
Машинное обучение
С++
Технологии программирования
Алгоритмы и структуры данных
Поступление без хаоса
Проверьте стратегию до подачи
Гайд разложит варианты по надежности, покажет сроки вузов, контрольные даты, план действий и запасной сценарий, если конкурс изменится.
персональный планВузы, шансы, дедлайны и действия семьи в одном месте
Нашли ошибку или есть предложение?
Проверка отделом качества
Дата проверки: —
Ожидает проверки
Нашли ошибку или есть идея по улучшению? Напишите нам
Подписывайтесь на нас
Новости приёмной кампании, сроки, советы и разборы
После нажатия кнопки «Подтвердить» вам поступит автоматический звонок, а ПОСЛЕДНИЕ 4 ЦИФРЫ ВХОДЯЩЕГО НОМЕРА будут кодом подтверждения. Отвечать на звонок не нужно
Подпишитесь на соц. сети Вузопедии
Новости приёмной кампании, сроки, советы и разборы для абитуриентов и родителей
Наверх
Ваш персональный план поступления с надежными/запасными вариантами
Как не потерять место в вузе?
