Два года от математических основ до защищённого research- или production-результата
Программа ведёт от прикладной математики и классического ML через современный стек (трансформеры, LLM, агенты, MLOps) к специализации и собственному исследованию. Четыре семестра, в каждом — ядро курсов, электив и сквозная практика.
Математический фундамент: векторные пространства, линейные отображения и геометрия данных
Вероятностное мышление и статистический вывод как основа обоснованных выводов в ML
Алгоритмическое мышление и эффективные структуры данных для масштабируемых ML-систем
От линейных моделей до нейросетей: классический ML и первые шаги в Deep Learning
Курс по выбору из банка элективов
Первый исследовательский опыт: воспроизведение научной статьи от начала до конца
Оптимизация как движок обучения: от теории до современных адаптивных методов
Трансформеры, большие языковые модели и агентные системы — основной стек современного NLP
Производственный ML: пайплайны данных, воспроизводимость, деплой и мониторинг
Надёжность, воспроизводимость и честная оценка ML-систем
Курс по выбору из банка элективов
End-to-end ML-система: от сырых данных до production serving
Мультимодальный AI: компьютерное зрение или обработка аудио/речи на выбор студента
Фронтир AI: байесовский ML, причинный вывод, обучение с подкреплением и графовые нейросети
Высокопроизводительные ML-системы: GPU, распределённое обучение, сжатие и LLM serving
AI в реальных доменах: наука, робототехника, здравоохранение и продуктовая стратегия
Курс по выбору из банка элективов
Командный industrial проект: production ML с реальными SLA, latency и quality constraints
Еженедельный разбор фронтирных работ и развитие исследовательского голоса
Надёжность, безопасность и выравнивание AI-систем как инженерная дисциплина
Вклад в open-source или production-систему: от концепта до merged PR или задеплоенного продукта
Структурированное сопровождение написания диссертации от постановки задачи до защиты
Преддипломная практика: финальный эксперимент и сбор результатов для диссертации
Магистерская диссертация: оригинальный вклад в AI-исследования или прикладную разработку
Состав формируется. подтверждён обсуждается.
Staff Software Engineer Google Zurich, золото IOI 2004, серебро ICPC 2007, сооснователь олимпиадной программы «Пеликан».
Легендарный competitive programmer (рекордный пик рейтинга TopCoder), Software Engineer Google Zurich, чемпион IOI, ICPC, Google Code Jam и Facebook Hacker Cup.
Chief Data Scientist Juno AI, аспирант ВШЭ; Graph ML, NLP и LLM-агенты, публикации NeurIPS/RecSys (идентификация предварительная).
Дополнительные курсы, из которых формируются элективные слоты каждого семестра.