ML-магистратура

Направление подготовки:

Фундаментальная информатика и информационные
технологии

Магистерская программа (профиль):

Машинное обучение и компьютерное зрение

Присваиваемая квалификация: магистр
Форма обучения: очное
Срок обучения: 2 года
Количество мест: 6 (все бюджетные)

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.

Магистерская программа

Базовая программа направления ФИИТ

Магистерская программа

Профиль “Машинное обучение и компьютерное зрение”

Лекционно-практические курсы

8 специализированных курсов

Deep Learning

Глубокое обучение

Computer Vision

Компьютерное зрение

Anomaly Detection

Обнаружение аномалий

Reinforcement Learning

Обучение с подкреплением

Natural Language Processing

Обработка естественного языка

Advanced Computer Vision

Дополнительные главы компьютерного зрения 

Digital Signal Processing

Цифровая обработка сигналов 

Didgital Image Processing

Цифровая обработка изображений

Deep Learning

Глубокое обучение

Лекционно-практический курс

Без имени-5

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

Лекционно-практический курс

2-1

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

Лекционно-практический курс

3

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

Лекционно-практический курс

8-1

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

Лекционно-практический курс

5-1

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

Лекционно-практический курс

6

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

Лекционно-практический курс

7-1

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

Лекционно-практический курс

4

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.

Introduction to PyTorch

Введение в PyTorch

Практический курс

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
etc.

Статистика по ученикам-магистрантам Разинкова Е.В.

Преподаватели магистратуры

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 🙂

Что нужно знать

Требования к абитуриентам на профиль “Машинное обучение и компьютерное зрение”

• Знание базовой программы вступительного
экзамена на направление ФИИТ.
• 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 по машинному обучению и компьютерному зрению, пожалуйста, зарегистрируйтесь по ссылке. Там же можно задать интересующие Вас вопросы:
http://masters-registration.razinkov.ai

Программа вступительного экзамена (ФИИТ): 
Программа вступительного испытания

Вся информация по поводу магистратуры будет публиковаться на сайте и в телеграм-канале:
https://t.me/razinkov_ai

Информацию о магистратуре 2019 года можно узнать здесь https://razinkov.ai/masters-degree/