गणितीय आधार से लेकर सफलतापूर्वक डिफेंड किए गए research या production परिणाम तक — दो साल का सफर
यह प्रोग्राम एप्लाइड मैथमेटिक्स और क्लासिकल ML से शुरू होकर आधुनिक स्टैक (transformers, LLM, agents, MLOps) से होते हुए स्पेशलाइज़ेशन और स्वयं के रिसर्च तक ले जाता है। चार सेमेस्टर हैं, हर एक में कोर कोर्सेज़, एक इलेक्टिव और निरंतर चलने वाली प्रैक्टिकम शामिल है।
गणितीय आधार: वेक्टर स्पेस, लीनियर मैपिंग्स और डेटा की ज्यामिति
प्रोबेबिलिस्टिक सोच और स्टैटिस्टिकल इन्फरेंस — ML में सुदृढ़ निष्कर्षों की नींव
एल्गोरिदमिक सोच और स्केलेबल ML सिस्टम्स के लिए प्रभावी डेटा स्ट्रक्चर्स
लीनियर मॉडल्स से न्यूरल नेटवर्क्स तक: क्लासिकल ML और Deep Learning में पहला कदम
इलेक्टिव्स बैंक में से चुना जाने वाला कोर्स
पहला रिसर्च अनुभव: शुरू से अंत तक एक वैज्ञानिक पेपर को रीप्रोड्यूस करना
ऑप्टिमाइज़ेशन — लर्निंग का इंजन: थ्योरी से लेकर आधुनिक एडैप्टिव मेथड्स तक
Transformers, बड़े भाषा मॉडल (LLM) और एजेंटिक सिस्टम्स — आधुनिक NLP का मुख्य स्टैक
प्रोडक्शन ML: डेटा पाइपलाइन्स, रिप्रोड्यूसिबिलिटी, डिप्लॉयमेंट और मॉनिटरिंग
ML सिस्टम्स की विश्वसनीयता, रिप्रोड्यूसिबिलिटी और निष्पक्ष मूल्यांकन
इलेक्टिव्स बैंक में से चुना जाने वाला कोर्स
End-to-end ML सिस्टम: रॉ डेटा से लेकर production serving तक
मल्टीमॉडल AI: स्टूडेंट की पसंद के अनुसार कंप्यूटर विज़न या ऑडियो/स्पीच प्रोसेसिंग
AI का फ्रंटियर: Bayesian ML, causal inference, reinforcement learning और graph neural networks
हाई-परफॉर्मेंस ML सिस्टम्स: GPU, डिस्ट्रिब्यूटेड ट्रेनिंग, कम्प्रेशन और LLM serving
वास्तविक डोमेन्स में AI: विज्ञान, रोबोटिक्स, हेल्थकेयर और प्रोडक्ट स्ट्रैटेजी
इलेक्टिव्स बैंक में से चुना जाने वाला कोर्स
टीम industrial प्रोजेक्ट: वास्तविक SLA, latency और quality constraints के साथ production ML
फ्रंटियर रिसर्च पेपर्स की साप्ताहिक चर्चा और खुद की रिसर्च आवाज़ का विकास
AI सिस्टम्स की रिलायबिलिटी, सिक्योरिटी और एलाइनमेंट — एक इंजीनियरिंग अनुशासन के रूप में
open-source या production सिस्टम में योगदान: कॉन्सेप्ट से लेकर merged PR या डिप्लॉय किए गए प्रोडक्ट तक
थीसिस लेखन में संरचित मार्गदर्शन — समस्या-परिभाषा से लेकर डिफेंस तक
प्री-थीसिस प्रैक्टिकम: थीसिस के लिए अंतिम प्रयोग और परिणामों का संकलन
मास्टर्स थीसिस: AI रिसर्च या एप्लाइड डेवलपमेंट में मौलिक योगदान
प्रोग्राम आउटकम्स का सारांश ढांचा — यह विभिन्न कोर्स outcomes से बना एक ड्राफ़्ट है; कार्यकारी समूह द्वारा अंतिम रूप दिया जाना बाकी है।
टीम का मूल हिस्सा यांडेक्स स्कूल ऑफ़ डेटा एनालिसिस (YSDA), Yandex.Uchebnik और ओलंपियाड प्रोग्राम्स बना चुका है; मेंटर्स वर्तमान में Google Zurich में कार्यरत इंजीनियर और इंडस्ट्री रिसर्च इंजीनियर हैं। टीम अभी बन रही है। पुष्टि हो चुकी चर्चा में।
Staff Software Engineer, Google Zurich; IOI 2004 स्वर्ण पदक, ICPC 2007 रजत पदक; ओलंपियाड प्रोग्राम «Pelikan» के सह-संस्थापक।
एक legendary competitive programmer (TopCoder पर सर्वकालिक रिकॉर्ड रेटिंग), Software Engineer, Google Zurich; IOI, ICPC, Google Code Jam और Facebook Hacker Cup के चैंपियन।
Chief Data Scientist, Juno AI; HSE में PhD स्कॉलर; Graph ML, NLP और LLM agents पर कार्य, NeurIPS/RecSys में प्रकाशन (पहचान अभी प्रारंभिक है)।
अतिरिक्त कोर्स, जिनसे हर सेमेस्टर के इलेक्टिव स्लॉट बनते हैं। नियम (ड्राफ़्ट): सेमेस्टर 1–3 में एक-एक इलेक्टिव स्लॉट है; चुनाव सेमेस्टर की शुरुआत में होता है, न्यूनतम ग्रुप साइज़ पूरा होने पर बैच शुरू होता है, प्राथमिकता आवेदनों के क्रम के अनुसार दी जाती है।
स्पष्ट स्थिति: कुछ पैरामीटर्स अभी भी कार्यकारी समूह द्वारा चर्चा में हैं — ऐसी जगहों को छुपाया नहीं गया है, बल्कि «पुष्टि होना बाकी है» के रूप में चिह्नित किया गया है।