Top.Mail.Ru
Онлайн-магистратура
«Науки о данных»
Диплом магистра:
государственного образца

Направление обучения:
01.04.02 «Прикладная математика и информатика»

Стоимость
337 000 ₽ за семестр


Учебный план
Прием документов:
10 апреля — 15 августа

Старт обучения:
1 сентября 2025

Срок обучения:
2 года

Формат:
очная магистратура в онлайн-формате

Правила приема и порядок поступления
Основная информация
Диплом магистра:
Направление обучения:
государственного образца
01.04.02 «Прикладная математика и информатика»
337 000 ₽ за семестр
Стоимость
2 года
Формат:
Старт обучения:
1 сентября 2025
Прием документов:
10 апреля — 15 августа
Срок обучения:
очная магистратура в онлайн-формате
Правила приема и порядок поступления
Приемная кампания 2025
Получите диплом магистра МФТИ за 2 года обучения в онлайн-формате
Чем занимается Data Scientist
Data Scientist — это специалист, который анализирует и интерпретирует большие объемы данных, а также создает математические модели для предсказания событий и поведения.
Data Scientists могут работать в любой отрасли, где есть данные, которые можно анализировать. Например, Data Scientist помогает логистам снизить время и затраты на доставку товаров, врачам — выявлять заболевания на ранних стадиях, а маркетологам — исследовать предпочтения потребителей.
Фильтрация спама в почте, указание на пробки в навигаторе, рекомендации музыки и фильмов — все это результат работы Data Scientist
Направления Data Scientist
Разрабатывает и внедряет модели машинного обучения для решения различных задач компании. Например, может разработать модель для телекоммуникационной компании, чтобы предсказать отток клиентов и принять меры для их удержания
ML Developer
NLP Engineer
Разрабатывает модели и алгоритмы для обработки и анализа текстовых данных: автоматический перевод, понимание, генерация текста и т. д. Например, может создать чат-бот для службы поддержки клиентов, который автоматически отвечает на часто задаваемые вопросы
Big Data Engineer
Проектирует, строит и поддерживает инфраструктуру для больших данных. Может создать систему рекомендаций для онлайн-покупок, которая анализирует историю покупок и предпочтения пользователей, чтобы рекомендовать им наиболее интересные товары и услуги
CV Engineer
Создает и внедряет алгоритмы и модели для обработки и анализа изображений и видео, включая задачи распознавания объектов, лиц, движений и др. Например, может разработать модель, которая автоматически обнаруживает рак на рентгеновских снимках легких
Пройдите квиз и получите рекомендации по выбору дисциплин на программе. Эти рекомендации помогут вам спроектировать траекторию обучения в зависимости от ваших предпочтений
Пройти квиз
Направления Data Scientist
Разрабатывает и внедряет модели машинного обучения для решения различных задач компании. Например, может разработать модель для телекоммуникационной компании, чтобы предсказать отток клиентов и принять меры для их удержания
ML Developer
NLP Engineer
Разрабатывает модели и алгоритмы для обработки и анализа текстовых данных: автоматический перевод, понимание, генерация текста и т. д. Например, может создать чат-бот для службы поддержки клиентов, который автоматически отвечает на часто задаваемые вопросы
Big Data Engineer
Проектирует, строит и поддерживает инфраструктуру для больших данных. Может создать систему рекомендаций для онлайн-покупок, которая анализирует историю покупок и предпочтения пользователей, чтобы рекомендовать им наиболее интересные товары и услуги
CV Engineer
Создает и внедряет алгоритмы и модели для обработки и анализа изображений и видео, включая задачи распознавания объектов, лиц, движений и др. Например, может разработать модель, которая автоматически обнаруживает рак на рентгеновских снимках легких
Пройдите квиз и получите рекомендации по выбору дисциплин на программе. Эти рекомендации помогут вам спроектировать траекторию обучения в зависимости от ваших предпочтений
Пройти квиз
Кому подойдет программа
«Науки о данных»
Для успешного освоения программы нужно хорошо знать математику и иметь базовые навыки программирования на Python, а также иметь диплом о высшем образовании — бакалавра или специалиста
Инженерам и математикам, желающим перейти в IT
Учебный план разработан таким образом, чтобы дать возможность освоить программу с нуля, вне зависимости от наличия технического бэкграунда. Для абитуриентов предусмотрен полноценный подготовительный курс, включающий занятия с преподавателем и отдельные встречи, посвященные разбору экзаменационных билетов вступительных испытаний.
Начинающим специалистам в Data Science
Разработчикам, тестировщикам и другим IT-специалистам
Вам будет легче разобраться в математических основах ML-моделей и понять механизмы их работы
Магистратура даст возможность систематизировать знания, попрактиковаться на реальных задачах и получить обратную связь от экспертов
С навыками программирования и работы с ключевым ПО вам будет легче освоить работу c данными и машинным обучением
Среда обучения
Как построено обучение
Содержание обучения
Все лекции, семинары и практика проходят онлайн. Материалы размещены на платформе МФТИ и доступны 24/7 — это возможность изучать материалы в удобное время.

Общение происходит в мессенжере. Здесь можно быстро получить поддержку от координатора, обсудить домашнее задание с сокурсниками или узнать о важном мероприятии.

Все асинхронные материалы вы изучаете на платформе самостоятельно в удобное для себя время. Синхронные занятия с экспертами проходят по вечерам и выходным, чтобы вам было удобно совмещать учебу с работой. Если пропустите, будет доступна запись. Также есть домашние задания, которые необходимо выполнить и сдать до дедлайна.

На освоение учебного материала вам понадобится 20–30 часов в неделю.


Гостевые лекции
Практика — основа обучения
В первых трех семестрах проходит проектный практикум в формате хакатона или дататона, на котором вы решаете индустриальные кейсы от компаний-партнеров вуза. Все кейсы — реальные задачи, которые можно положить в портфолио
Проекты с сокурсниками
Раз в две недели вы сможете посетить авторские лекции, мастер-классы, воркшопы и интенсивы от экспертов. На гостевых встречах у вас будет возможность узнать о компании, продукте, кейсах внутри организаций, корпоративной культуре, стажировках и карьерных возможностях напрямую от представителей бизнеса
У нас учатся сотни студентов из 146 городов и 11 стран: России, Казахстана, Киргизии, Сербии, Беларуси, Эстонии, Кипра, Чехии, Канады, США и Нидерландов.
Формат обучения расширяет географию профессиональных знакомств магистрантов и позволяет найти единомышленников по всему миру. Это дает расширенные возможности для нетворкинга, запуска совместных проектов, коллабораций
Разработка прогнозной модели для увеличения кросс-продаж на основании сегментации клиентов
Рельеф-Центр
Пяти студентам предложили развивать проект с компанией
Сергей Воробьев, CDTO «Рельеф-Центра»: «Полученное во время практики решение компания планирует использовать в работе сайта и CRM после совместной доработки со студентами»
Проект по оптимизации алгоритма, позволяющего адаптировать изображение под ротацию экрана
Иви
Разработка модели для ценообразования товаров на основе данных конкурентов
5Post
Одного лучшего студента пригласили на стажировку
Александр Коншин, руководитель команды компьютерного зрения: «Одной из команд удалось создать алгоритм, который на части сложных примеров отрабатывает лучше, чем наш прототип»
Пять студентов получили благодарности от компании
Петр Сыров, начальник управления развития цифровой платформы: «Я убежден, что результаты труда ваших студентов могут быть успешно использованы в промышленном исполнении»
Александр Панов
Кандидат физ.-мат. наук, доцент, руководитель «Центра когнитивного моделирования» МФТИ
Инженер «Лаборатории когнитивных динамических систем» МФТИ, Физтех
Воловикова Зоя
Андрей Глинский
Ведущий программист-разработчик НИЦ оптоэлектроники, медицинской техники и ИИ МФТИ
Сергей Корпачев
Преподаватель кафедры информатики и вычислительной математики МФТИ
Главный инженер по разработке в Сбере
Никита Сидоров
Senior Machine Learning Engineer в SberDevices
Главный системный аналитик в ООО «Техсофт»
Андрей Куртасов
Сона Геворгян
Учебный план
В каждом семестре для дисциплин указано количество зачетных единиц (ЗЕ). По ним вы можете оценить трудоемкость учебной работы: в МФТИ 1 ЗЕ = 45 академических часов.
Изучаем фундаментальную базу
1 семестр.
Изучение обязательных дисциплин, предусмотренных стандартами высшего образования
5 ЗЕ
Математика и статистика для машинного обучения
5 ЗЕ
Системы хранения и обработки данных
2 ЗЕ
Методология научных исследований
6 ЗЕ
Программирование на Python
2 ЗЕ
Основы научно-исследовательской деятельности и создания продукта
4 ЗЕ
Проектный практикум
3 ЗЕ
Дисциплина Цифровой кафедры
Изучение дисциплин, которые лежат в основе профессии Data scientist
2 семестр.
Погружаемся в основы профессии
5 ЗЕ
Основы машинного обучения
2 ЗЕ
Английский для профессиональных коммуникаций
5 ЗЕ
Глубокое обучение в науках о данных
5 ЗЕ
Развертывание ML моделей
2 ЗЕ
Менеджмент для наук о данных
Факультатив — дисциплина по выбору
3 ЗЕ
Основы научно-исследовательской деятельности и создания продукта
4 ЗЕ
Проектный практикум
3 ЗЕ
Дисциплина Цифровой кафедры
3 семестр.
Изучение продвинутых дисциплин и написание научно-исследовательской работы (НИР)
Углубляемся в профессию
2 ЗЕ
Анализ естественного языка
2 ЗЕ
Компьютерное зрение
4 ЗЕ
Проектный практикум
25 ЗЕ
Научно-исследовательская работа
Выбор 1 дисциплины из блока
Элективный блок:
3 ЗЕ
Продвинутая визуализация и аналитика данных
3 ЗЕ
Инструменты Big Data
3 ЗЕ
Современные модели машинного обучения
4 семестр.
Выполняем и защищаем ВКР
Изучение еще большего количества продвинутых дисциплин, сдача НИР и защита выпускной квалификационной работы (ВКР)
3 ЗЕ
Рекомендательные системы*

3 ЗЕ
Задачи генерации в NLP*

3 ЗЕ
Методы обучения с подкреплением*

3 ЗЕ
Соревновательный DS*

*Факультатив — дисциплина по выбору
21 ЗЕ
Преддипломная практика
9 ЗЕ
Выполнение и защита выпускной квалификационной работы
Список необходимых документов
Написать мотивационное письмо и успешно сдать экзамены
Четыре шага к поступлению
Как поступить в магистратуру
Подписать договор и оплатить обучение
Найти свою фамилию в приказе о зачислении
Документ о высшем образовании и приложение к нему
Паспорт
Подать документы через
СНИЛС
Фото в электронном виде
Оплата обучения
Налоговый вычет 13%
Узнайте подробнее у менеджера при записи на программу
Весь срок обучения и 9 месяцев после окончания вы платите только проценты по кредиту — остальное можете возвращать в течение 15 лет
Кредит под 3%
С оплатой по кредиту с господдержкой от Сбера
От 337 ₽ в месяц
Стоимость семестра
337 000 ₽
Полная стоимость обучения
1 348 000 ₽
Подать заявку на поступление
Telegram
Мы обрабатываем файлы cookie
Они помогают нам делать этот сайт удобнее для пользователей. Продолжая работу с сайтом, вы соглашаетесь с обработкой файлов cookie вашего браузера. Однако вы можете запретить обработку некоторых типов файлов cookie в настройках вашего браузера
Мы обрабатываем файлы cookie
Cookie Settings
Cookies necessary for the correct operation of the site are always enabled.
Other cookies are configurable.
Essential cookies
Always On. These cookies are essential so that you can use the website and use its functions. They cannot be turned off. They're set in response to requests made by you, such as setting your privacy preferences, logging in or filling in forms.
Analytics cookies
Disabled
These cookies collect information to help us understand how our Websites are being used or how effective our marketing campaigns are, or to help us customise our Websites for you. See a list of the analytics cookies we use here.
Advertising cookies
Disabled
These cookies provide advertising companies with information about your online activity to help them deliver more relevant online advertising to you or to limit how many times you see an ad. This information may be shared with other advertising companies. See a list of the advertising cookies we use here.