ML-магистратура

обучение

Машинное обучение и компьютерное зрение

профиль
Магистр
квалификация

Форма обучения

очная
Срок обучения

2 года
Количество мест

6 бюджетных мест
Особенности магистерской программы
8 лекционно-практических курсов.
1 практический курс.
Все преподаватели имеют опыт работы от 2 лет специалистами по машинному обучению.
У нас сложно учиться :) Серьезно.
8 специализированных лекционно-практических курсов
курсы

Deep Learning

Глубокое обучение

Лектор: Разинков Евгений Викторович

Преподаватель практики: Садчикова Наталия Валерьевна

Курс посвящен ключевым вопросам глубокого обучения: свойствам сверточных слоев, архитектурам глубоких нейронных сетей, методам их обучения и регуляризации. Основная цель курса — формирование у студента интуиции, которая позволяет принимать осмысленные решения при построении архитектуры и процесса обучения нейронной сети.

Computer Vision

Компьютерное зрение
Лектор: Разинков Евгений Викторович

Преподаватель практики: Савельева Юлия Олеговна

Курс посвящен самым важным задачам компьютерного зрения: классификации изображений, распознаванию лиц, обнаружению объектов, сегментации изображений. Рассматриваются современные подходы для решения этих задач. Освоение этого курса позволит студенту находить подход к решению практических задач компьютерного зрения, подбирать архитектуру нейронной сети, идентифицировать проблемы в процессе обучения.

Anomaly Detection

Обнаружение аномалий
Лектор: Разинков Евгений Викторович

Преподаватель практики: Дюрягин Ростислав Романович

Данный лекционно-практический курс посвящен обширной и очень важной задаче — обнаружению аномалий. Будут рассмотрены как классические, так и самые современные методы обнаружения аномалий во временных рядах и на цифровых изображениях.

Reinforcement Learning

Обучение с подкреплением
Лектор: Разинков Евгений Викторович

Преподаватель практики: Дюрягин Ростислав Романович

Данный курс посвящен основам обучения с подкреплением, позволяющим создать рационального агента, решающего заданную задачу на основе опыта. В рамках курса будут рассмотрены как классические алгоритмы, так и применение глубоких нейронных сетей в задачах обучения с подкреплением.

Natural Language Processing

Обработка естественного языка
Лектор: Разинков Евгений Викторович

Преподаватель практики: Петровец Александр Александрович

Курс посвящен применению методов машинного обучения для решения актуальных задач обработки естественного языка: классификации текста, поиска похожих документов, получения векторных представлений слов, отражающих семантику слова. Освоение курса позволит студенту уверенно решать практические задачи анализа текста, идентифицировать проблему в процессе обучения метода, принимать обоснованные решения при выборе архитектуры нейронной сети.

Advanced Computer Vision

Дополнительные главы компьютерного зрения
Лектор: Разинков Евгений Викторович

Преподаватель практики: Савельева Юлия Олеговна

Курс посвящен самым новым и продвинутым методам в области компьютерного зрения. В рамках курса изучаются научные результаты, представленные на последних мировых конференциях по компьютерному зрению: CVPR, ICCV, ECCV. Этот курс потребует от студентов знаний в глубоком обучении и компьютерном зрении.

Digital Signal Processing

Цифровая обработка сигналов
Лектор: Разинков Евгений Викторович

Преподаватель практики: Гараев Рустем Маратович

Курс предполагает изучение тем, связанных с обработкой одномерных сигналов. Большое внимание в рамках курса уделяется Фурье-анализу сигналов, на лекциях затрагиваются такие темы как оцифровка сигнала, фильтрация, ортогональные преобразования, обработка речевых сигналов. Знания, полученные в этом курсе, могут быть использованы для анализа одномерных последовательностей таких как речевые сигналы, ЭКГ, временные ряды, а также подготовки данных для обучения моделей машинного обучения.

Digital Image Processing

Цифровая обработка изображений
Лектор: Разинков Евгений Викторович

Преподаватель практики: Петровец Александр Александрович

Курс знакомит студентов с классическими методами обработки цифровых изображений. В рамках курса приводится математическое обоснование таких областей этой дисциплины как фильтрация изображений, очистка от шума, морфологический и частотный анализ, выделение границ. Методы, изученные в данной дисциплине, могут помочь слушателю произвести первичный анализ изображений, произвести аугментацию данных, подготовить или даже синтезировать данные для обучения метода машинного обучения.
Практический курс
практика

Введение в PyTorch

Преподаватель практики: Садчикова Наталия Валерьевна

Курс посвящен проектированию гибких систем для различных задач машинного обучения и компьютерного зрения с помощью библиотеки для глубокого обучения PyTorch. В рамках курса будут рассмотрены различные паттерны проектирования, библиотеки для логирования процесса обучения (Visdom, TensorBoard, MLflow), написание тестов и отладка процесса обучения модели. В результате прохождения курса у студента будут сформированы навыки написания проектов по машинному обучению и компьютерному зрению с помощью библиотеки PyTorch.
Темы магистерских диссертаций

Computer
Vision

  • Image Retrieval
  • Object Detection
  • Generative Adversarial Networks
  • Deep Neural Networks for Image Classification
  • One-Shot Learning
Natural Language Processing

  • Speech Synthesis
  • Text Summarization
  • Word Vector Representations
Reinforcement Learning

и другие
Статистика по ученикам-магистрантам Разинкова Е.В.
За 2017–2020 гг.
80%
Наша команда уже 4 года успешно решает коммерческие задачи с использованием машинного обучения в области компьютерного зрения, обработки естественного языка, анализа временных рядов.

Будем рады поделиться своим опытом со студентами магистратуры.
команда
Требования к абитуриентам
поступить
Знание базовой программы вступительного экзамена
Знание вводного курса по машинному обучению
Английский язык — преподавание ведется на русском языке, но статьи надо будет читать на английском
Уверенное программирование на Python

Любые дополнительные знания и академический опыт в области машинного обучения являются плюсом на собеседовании.

Если вы заинтересованы в поступлении в нашу магистратуру, пожалуйста, зарегистрируйтесь через нашу форму. Там же можно задать интересующие вас вопросы
зарегистрироваться на поступление
скачать программу вступительного экзамена
Made on
Tilda