Dve godine od matematičkih osnova do odbranjenog research- ili production-rezultata
Program vodi od primenjene matematike i klasičnog ML-a kroz savremeni stek (transformeri, LLM, agenti, MLOps) do specijalizacije i sopstvenog istraživanja. Četiri semestra, u svakom — obavezni kursevi, izborni predmet i praksa koja se proteže kroz ceo semestar.
Matematički fundament: vektorski prostori, linearna preslikavanja i geometrija podataka
Verovatnosno razmišljanje i statistički zaključak kao osnova utemeljenih zaključaka u ML-u
Algoritamsko razmišljanje i efikasne strukture podataka za skalabilne ML-sisteme
Od linearnih modela do neuronskih mreža: klasični ML i prvi koraci u Deep Learning-u
Predmet po izboru iz banke izbornih predmeta
Prvo istraživačko iskustvo: reprodukcija naučnog rada od početka do kraja
Optimizacija kao pokretač učenja: od teorije do savremenih adaptivnih metoda
Transformeri, veliki jezički modeli i agentski sistemi — osnovni stek savremenog NLP-a
Produkcioni ML: pajplajni podataka, reproducibilnost, deploy i monitoring
Pouzdanost, reproducibilnost i poštena evaluacija ML-sistema
Predmet po izboru iz banke izbornih predmeta
End-to-end ML-sistem: od sirovih podataka do production serving-a
Multimodalni AI: računarski vid ili obrada audio/govora po izboru studenta
Frontir AI: Bajesovski ML, kauzalni zaključak, učenje uz potkrepljenje i grafovske neuronske mreže
Visokoperformansni ML-sistemi: GPU, distribuirano učenje, kompresija i LLM serving
AI u realnim domenima: nauka, robotika, zdravstvo i strategija proizvoda
Predmet po izboru iz banke izbornih predmeta
Timski industrial projekat: production ML sa realnim SLA, latency i quality constraints
Nedeljna analiza frontirnih radova i razvoj istraživačkog glasa
Pouzdanost, bezbednost i usklađivanje AI-sistema kao inženjerska disciplina
Doprinos open-source ili production-sistemu: od koncepta do merged PR-a ili deployovanog proizvoda
Strukturirana podrška pisanju disertacije od definisanja teme do odbrane
Predtezna praksa: finalni eksperiment i prikupljanje rezultata za disertaciju
Master disertacija: originalan doprinos AI istraživanjima ili primenjenom razvoju
Zbirni okvir ishoda programa — nacrt sastavljen iz ishoda pojedinačnih kurseva; utvrđuje ga radna grupa.
Jezgro tima je gradilo ŠAD (Školu analize podataka Jandeksa), Jandeks.Udžbenik i olimpijadske programe; mentori su aktivni inženjeri Google Zurich i industrijski research-inženjeri. Sastav se još formira. potvrđen u razmatranju.
Staff Software Engineer Google Zurich, zlato IOI 2004, srebro ICPC 2007, suosnivač olimpijadskog programa „Pelikan”.
Legendarni competitive programmer (rekordni vrhunac rejtinga na TopCoder-u), Software Engineer Google Zurich, šampion IOI, ICPC, Google Code Jam i Facebook Hacker Cup takmičenja.
Chief Data Scientist Juno AI, doktorand Visoke škole ekonomije (VŠE); Graph ML, NLP i LLM-agenti, publikacije na NeurIPS/RecSys (identifikacija je preliminarna).
Dodatni kursevi iz kojih se formiraju izborni slotovi svakog semestra. Pravilo (nacrt): u semestrima 1–3 — po jedan izborni slot; izbor se vrši na početku semestra, grupa se pokreće kada se skupi minimalan broj studenata, prioritet po prijavama.
Pošten status: deo parametara još razmatra radna grupa — ta mesta su označena kao „utvrđuje se”, a ne skrivena.