О программе
-
Длительность2 года -
Количество мест47 бюджетных, 5 контрактных -
Форма обученияОчная. Часть профессиональных дисциплин проходит в смешанном формате с применением дистанционных технологий -
Стоимость контрактного обучения515 000 ₽ -
Язык обученияРусский -
Государственная аккредитацияДиплом государственного образца
Программа готовит специалистов в области Data Science
Аналитика данных — перспективное и сложное направление, востребованное во всем мире. Умение работать с данными и извлекать из них пользу пригодится в различных областях: бизнесе, науке, образовании. Аналитик разбирается в математике и статистике, может проводить исследования, строить гипотезы и визуализировать данные.
Во время обучения вы:
Аналитика данных — перспективное и сложное направление, востребованное во всем мире. Умение работать с данными и извлекать из них пользу пригодится в различных областях: бизнесе, науке, образовании. Аналитик разбирается в математике и статистике, может проводить исследования, строить гипотезы и визуализировать данные.
Во время обучения вы:
- Научитесь создавать, адаптировать и применять алгоритмы искусственного интеллекта и анализа данных к самым разным предметным областям.
- Освоите продвинутые методы машинного обучения, хранение и обработку структурированных и неструктурированных данных, интеллектуальный анализ текстов и компьютерное зрение.
- Будете решать прикладные задачи в области глубокого обучения, обработки изображений и текстов на естественном языке.
Программа магистратуры «Аналитика данных»
Профильные курсы
Дисциплина по выбору 1
Машинное обучение часть 1 (ШАД)
Статистика и машинное обучение
Дисциплина по выбору 2
Машинное обучение часть 2 (ШАД)
Выпуклый анализ и глубокое обучение
Анализ данных на Python
Дополнительные главы баз данных
Разработка приложений СУБД
Обработка текстов
Обработка естественного языка (ШАД)
NLP
Обработка изображений
Компьютерное зрение
Компьютерное зрение (ШАД)
Анализ графовых данных и глубокое обучение
Байесовские методы в машинном обучении (ШАД)
Современные архитектуры нейронных сетей
Технологии хранения и обработки больших объёмов данных
Информационный поиск
Высокопроизводительный анализ графовых данных
Способы поступления
Если у вас есть научно-исследовательские, инженерные или междисциплинарные достижения, вы можете поступить в ИТМО без сдачи вступительного экзамена. Портфолио состоит из трех разделов: мотивационное письмо, резюме и достижения. В зависимости от специфики программы, в CV нужно добавить публикации, выступления на конференциях, сертификаты, дипломы и т. д. Каждое достижение имеет свой балл. Победителем становится конкурсант, набравший более 85 баллов.
Подробнее
Подробнее
Участие в конкурсе докладов, в рамках Конгресса молодых ученых ИТМО, дает возможность поступить в магистратуру ИТМО без экзаменов. Выберите направление соответствующее тематике программы магистратуры, подготовьте доклад и защитите его на Конгрессе. Подать заявку можно только на одну образовательную программу магистратуры.
Подробнее
Подробнее
Если вы победитель или призер Мегаолимпиады ИТМО, найдите свое направление на сайте олимпиады и посмотрите список программ, на которые можно поступить без экзаменов. Этим правом можно воспользоваться в календарный год проведения Олимпиады или в календарный год, следующий за годом ее проведения. Поступить на следующий год можно только по программам, указанным в правилах приема года поступления.
Подробнее
Подробнее
Медалисты и победители олимпиады «Я-профессионал» могут поступить в магистратуру без экзаменов. Информация о том, на какую программу вы можете поступить став победителем трека, указана в Правилах приема. Правом поступления можно воспользоваться в календарный год победы в олимпиаде и следующий календарный год. Поступить на следующий год можно только на программы, указанные в правилах приема в год поступления.
Подробнее
Подробнее
Вступительные экзамены проходят в дистанционном формате и оцениваются по 100-балльной шкале. Даты проведения и перечень экзаменационных вопросов опубликованы на странице с описанием образовательной программы. Форма проведения вступительного экзамена может отличаться в зависимости от конкретной образовательной программы. Для получения допуска к экзамену необходимо подать документы на поступление через личный кабинет абитуриента.
Подробнее
Подробнее
При перезачете учитывается средний балл приложения к диплому (не менее 4,3), тема выпускной работы и оценка за ГИА. В государственную итоговую аттестацию (ГИА) входят — защита ВКР и/или сдача государственного экзамена. По ПИГА можно поступить на то же самое или смежное направление подготовки. Решение о перезачете принимает экзаменационная комиссия магистерской программы.
Подробнее
Подробнее
МегаШкола ИТМО – это лекции и мастер-классы по самым актуальным направлениям: искусственный интеллект, мобильная разработка, робототехника, биотехнология, технологический менеджмент и инновации, гуманитарные исследования и многие другие. Победители МегаШколы могут поступить в магистратуру без экзаменов.
Подробнее
Подробнее
Если вы вели работу с сотрудниками ИТМО, то руководитель программы магистратуры может составить письмо, в котором указывает общую характеристику способностей студента, сферу научных интересов и склонность к научной работе. Большое внимание уделяется достижениям за время учебы: выступлениям на конференциях, научным публикациям, участию в научных проектах, конкурсам, олимпиадам.
Партнёры программы
Отзывы
Магистерская программа «Аналитика данных» в ИТМО — это настоящая находка для тех, кто хочет разобраться в современной обработке данных на уровне про. Обучение здесь реально непростое, но именно это делает его таким крутым.
Курсы насыщенные, часто непривычно сложные, но благодаря этому чувствуешь, как твои навыки растут. Здесь не просто дают теорию, а учат, как использовать её в реальной работе. Много практических заданий, которые поначалу пугают, но в итоге именно они прокачивают тебя так, как ты и представить не мог. Помимо классный курсов ИТМО, курсы совместные с ШАД делают тебя не просто специалистом, а уверенным в себе профи.
Курсы насыщенные, часто непривычно сложные, но благодаря этому чувствуешь, как твои навыки растут. Здесь не просто дают теорию, а учат, как использовать её в реальной работе. Много практических заданий, которые поначалу пугают, но в итоге именно они прокачивают тебя так, как ты и представить не мог. Помимо классный курсов ИТМО, курсы совместные с ШАД делают тебя не просто специалистом, а уверенным в себе профи.
Обучение на программе стало для меня еще одной ступенью в получении новых знаний и опыта в сфере искусственного интеллекта и аналитики данных. Гибкость образовательного процесса позволяет получать знания из разных сфер, например кроме основных пар в ИТМО есть возможность брать курсы из Школы Анализа Данных, что только укрепляет тебя как профессионала.
Особенно хочется отметить курсы по обработке графовых данных как классическими алгоритмами, так и нейронными сетями, подобные темы нередко опускаются при изучении, но они сильно расширяют научный кругозор и позволяют смотреть на исследования с другой стороны!
Особенно хочется отметить курсы по обработке графовых данных как классическими алгоритмами, так и нейронными сетями, подобные темы нередко опускаются при изучении, но они сильно расширяют научный кругозор и позволяют смотреть на исследования с другой стороны!
Учеба в ИТМО — это не только превосходные университетские курсы, но и целый мир увлекательных активностей, которые позволяют применить знания в решении практических и исследовательских задач.
Участие в научных конференциях и проектах стало важной вехой моего профессионального становления, открывая новые горизонты и вдохновляя на дальнейший рост. Особое значение для меня имели междисциплинарные проекты в рамках НИРМА, где я получил уникальный опыт работы над сложными, многогранными задачами, полностью погружаясь в исследовательскую атмосферу.
Участие в научных конференциях и проектах стало важной вехой моего профессионального становления, открывая новые горизонты и вдохновляя на дальнейший рост. Особое значение для меня имели междисциплинарные проекты в рамках НИРМА, где я получил уникальный опыт работы над сложными, многогранными задачами, полностью погружаясь в исследовательскую атмосферу.
Учёба дала мне много теоретических и практических знаний. Курсы по базам данных, машинному обучению и статистике заложили хорошую основу для самостоятельного изучения более сложных материалов. Уже через полгода учёбы я смог устроится на позицию Data Scientist'а в банк «Санкт-Петербург».
Обучение стало для меня полезным опытом. Больше всего мне понравились курсы по хранению данных, аналитике данных, машинному и глубокому обучению. Здесь я получил основы того, как устроена сфера машинного обучения, узнал, как решать те или иные задачи с помощью различных технологий.
Помимо знаний, учеба принесла полезные знакомства. Например, именно в ИТМО я познакомился с крутым фронтендером, который взял эти задачи в моей команде.
Помимо знаний, учеба принесла полезные знакомства. Например, именно в ИТМО я познакомился с крутым фронтендером, который взял эти задачи в моей команде.
Мне нравится гибкость программы и возможность подбирать элективы и нагрузку как из университета, так и из Школы Анализа Данных под себя, начиная от истории искусств и заканчивая глубоким обучением. Особенно хотелось бы отметить курсы по продвинутому компьютерному зрению и работе с NoSQL базами данных.
Помимо хорошо составленный программы, которая помогла мне улучшить навыки в машинном обучении и анализе данных, особенно на курсах по информационному поиску и компьютерному зрению, в ИТМО я начал активно заниматься научной деятельностью и принял участие в шести международных конференциях в сотрудничестве с исследовательским коллективов программы.
Обучение в магистратуре для меня было важным этапом в профессиональном развитии. Там я не только изучил современные методы анализа данных, но и освоил инструментарий для их применения. Кроме того, немаловажным считаю получение практического опыта в ходе работы над исследовательским проектом.
Еще могу отметить нетворкинг. Сейчас желательно иметь связи в научной среде, знать, к кому можно обратиться за советом. Одно дело — научиться пользоваться инструментом, и совсем другое — понимать информацию, которую обрабатываешь, и выводы, которые делаешь.
Еще могу отметить нетворкинг. Сейчас желательно иметь связи в научной среде, знать, к кому можно обратиться за советом. Одно дело — научиться пользоваться инструментом, и совсем другое — понимать информацию, которую обрабатываешь, и выводы, которые делаешь.
Авторы и преподаватели
⟶
⟵
Михайлова Елена Георгиевна
кандидат физико-математических наук, доцент, руководитель модуля
Графеева Наталья Генриховна
кандидат физико-математических наук, доцент
Аббакумов Вадим Леонардович
Бойцев Антон Александрович
кандидат физико-математических наук, доцент
кандидат технических наук, доцент
Романов Алексей Андреевич
Волчек Дмитрий Геннадьевич
кандидат физико-математических наук, доцент
Токман Мария Александровна
кандидат технических наук, доцент
кандидат физико-математических наук, доцент
Егорова Ольга Борисовна
кандидат филологических наук, доцент
кандидат физико-математических наук, доцент, главный аналитик ПАО «Газпром нефть»
Малых Валентин Андреевич
кандидат технических наук, доцент, старший научный сотрудник Центра искусственного интеллекта МТС
Самарин Алексей Владимирович
старший преподаватель
Tilda Publishing
Вопросы и ответы
Программа рассчитана на подготовленных слушателей. Мы ждем студентов, которые хорошо знакомы с математикой и владеют хотя бы одним языком программирования.
Обучение проводится в очной форме. Часть профессиональных дисциплин проходит в смешанном формате с применением дистанционных технологий.
Посмотреть полную программу обучения можно на странице программы.
Проходной балл определяется только по завершению срока подачи документов и конкурсной ситуации текущего года. Вам необходимо самостоятельно отслеживать конкурсную ситуацию на сайте и оценивать свои шансы.
- «Повышение качества коррекции цветовой гаммы изображений с помощью комбинированной легковесной нейросетевой архитектуры»;
- «Исследование и адаптация методов классификации изображений для типизации графиков в текстовых документах»;
- «Предсказание взаимодействия лекарственных препаратов с использованием многоуровневых графовых нейронных сетей»;
- «Применение Uplift-моделирования для персонализации маркетинговых коммуникаций в розничных продажах».