Центр «Пуск»
Управление цифровым продуктом
Резидент «Сколково». EdTech партнер программы
Управление цифровым продуктом
Онлайн-магистратура
«Науки о данных»
«Науки о данных»
Диплом магистра:
государственного образца
Направление обучения:
501.04.02 «Прикладная математика и информатика»
Стоимость
228 000₽/семестр
от 342 ₽/мес при оплате кредитом с гос.поддержкой
Учебный план
государственного образца
Направление обучения:
501.04.02 «Прикладная математика и информатика»
Стоимость
228 000₽/семестр
от 342 ₽/мес при оплате кредитом с гос.поддержкой
Учебный план
Приём документов:
10 апреля - 16 августа
Старт обучения:
01 сентября 2024
Срок обучения:
2 года
Формат:
очная магистратура в онлайн формате
Правила приёма и порядок поступления
10 апреля - 16 августа
Старт обучения:
01 сентября 2024
Срок обучения:
2 года
Формат:
очная магистратура в онлайн формате
Правила приёма и порядок поступления
Основная информация
Диплом магистра:
Направление обучения:
государственного образца
01.04.02 «Прикладная математика и информатика»
228 000 ₽ за семестр или
от 342 ₽ в месяц при оплате кредитом с гос.поддержкой
от 342 ₽ в месяц при оплате кредитом с гос.поддержкой
Стоимость
2 года
Формат:
Старт обучения:
01 сентября 2024
Прием документов:
10 апреля — 16 августа
Срок обучения:
очная магистратура в онлайн-формате
Правила приема и порядок поступления
Приемная кампания 2024
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
Кому подойдет программа
«Науки о данных»
«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 зависмости от наличия технического бекграунда. Для абитуриентов предусмотрен подготовительный курс. Он содержит лекции по математике, алгоритмам, и записи консультации с экспертом, а также пробные экзаменационные билеты
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
Все лекции, семинары и практика проходят онлайн. Материалы размещены на платформе МФТИ, Skillfactory и Yandex Wiki и доступны 24/7 — это возможность изучать материалы в удобное время.
Общение происходит в Пачке — удобный способ быстро получить поддержку от координатора, обсудить домашнее задание с сокурсниками или узнать о важном мероприятии
Содержание обучения
Все асинхронные материалы (видеолекции, текстовые уроки) вы изучаете на платформе самостоятельно в удобное для себя время. Синхронные занятия с экспертами проходят по вечерам и выходным. На освоение учебного материала вам понадобится 20–30 часов в неделю.
В онлайн-магистратуре две сессии в год, по каждой дисциплине сдается зачет или экзамен. Также, во всех дисциплинах есть домашние задания с дедлайном. Хорошие оценки за домашние задания и посещение семинаров позволяют накопить баллы и получить «автомат»
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
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»
Преподавательский состав
Дисциплины преподают ведущие исследователи в области Data Science из МФТИ и практикующие специалисты из крупнейших компаний разных отраслей. Преподаватели помогут вам разобраться в теории и решить практические задания, ответят на вопросы и дадут обратную связь
«Data Science — это однозначно профессия будущего. Сейчас можно наблюдать как с помощью инструментов анализа больших данных и машинного обучения изменяются профессии и целые индустрии.
И это только начало: искусственный интеллект будет проникать во все сферы нашей жизни и менять их к лучшему.
Data Science это профессия для тех, кто по настоящему любит математику, данные и программирование. Но самое важное, что Data Science — это не про цифры, а про смыслы, стоящие за ними»
И это только начало: искусственный интеллект будет проникать во все сферы нашей жизни и менять их к лучшему.
Data Science это профессия для тех, кто по настоящему любит математику, данные и программирование. Но самое важное, что Data Science — это не про цифры, а про смыслы, стоящие за ними»
Дмитрий Ермилов
Академический директор, руководитель «Департамента машинного обучения» и ИИ «Билайн бизнес»
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
Александр Панов
Кандидат физ.-мат. наук, доцент, руководитель «Центра когнитивного моделирования» МФТИ
Сергей Корпачев
Преподаватель кафедры информатики и вычислительной математики МФТИ
Андрей Глинский
Ведущий программист-разработчик НИЦ оптоэлектроники, медицинской техники и ИИ МФТИ
Инженер «Лаборатории когнитивных динамических систем» МФТИ, Физтех
Воловикова Зоя
Главный инженер по разработке в Сбере
Сона Геворгян
Главный системный аналитик в ООО «Техсофт»
Андрей Куртасов
Senior Machine Learning Engineer в SberDevices
Никита Сидоров
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
Английский для профессиональных коммуникаций
Английский для профессиональных коммуникаций
2 ЗЕ
Методология научных исследований
Методология научных исследований
6 ЗЕ
Программирование на Python
Программирование на Python
4 ЗЕ
Математика для машинного обучения
Математика для машинного обучения
3 ЗЕ
Дискретная математика, вероятность и статистика в науках о данных
Дискретная математика, вероятность и статистика в науках о данных
2 ЗЕ
Проектный практикум
Проектный практикум
3 ЗЕ
Дисциплины Цифровых кафедр
Дисциплины Цифровых кафедр
Изучение дисциплин, которые лежат в основе профессии аналитика
2 семестр.
Погружаемся в основы профессии
3 ЗЕ
Основы машинного обучения
Основы машинного обучения
3 ЗЕ
Основы научно-исследовательской деятельности и создания продукта
Основы научно-исследовательской деятельности и создания продукта
4 ЗЕ
Инжиниринг данных
Инжиниринг данных
3 ЗЕ
Системы хранения и обработки данных
Системы хранения и обработки данных
4 ЗЕ
Глубокое обучение в науках о данных
Глубокое обучение в науках о данных
3 ЗЕ
Менеджмент для наук о данных
Менеджмент для наук о данных
2 ЗЕ
Проектный практикум
Проектный практикум
3 ЗЕ
Дисциплины Цифровых кафедр
Дисциплины Цифровых кафедр
3 семестр.
Изучение продвинутых дисциплин и написание научно-исследовательской работы (НИР)
Углубляемся в профессию
3 ЗЕ
Анализ естественного языка
Анализ естественного языка
3 ЗЕ
Компьютерное зрение
Компьютерное зрение
3 ЗЕ
Современные модели машинного обучения
Современные модели машинного обучения
3 ЗЕ
Современные методы DevOps
Современные методы DevOps
3 ЗЕ
Инструменты Big Data
Инструменты Big Data
3 ЗЕ
Модели ML в продакшен
Модели ML в продакшен
2 ЗЕ
Инфраструктура больших данных
Инфраструктура больших данных
24 ЗЕ
Научно-исследовательская работа
Научно-исследовательская работа
4 семестр.
Выполняем и защищаем ВКР
Изучение еще большего количества продвинутых дисциплин, сдача НИР и защита выпускной квалификационной работы (ВКР)
3 ЗЕ
Продвинутая визуализация данных
Продвинутая визуализация данных
3 ЗЕ
Соревновательный Data Science
Соревновательный Data Science
3 ЗЕ
Методы обучения с подкреплением
Методы обучения с подкреплением
3 ЗЕ
Задачи генерации в NLP
Задачи генерации в NLP
26 ЗЕ
Научно-исследовательская работа
Научно-исследовательская работа
9 ЗЕ
Выполнение и защита выпускной квалификационной работы
Выполнение и защита выпускной квалификационной работы
Список необходимых документов
Написать мотивированное 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
Подать документы через
Документ о высшем образовании и приложение к нему
Паспорт
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 342 ₽ в месяц
Полная стоимость обучения
912 000 ₽
Стоимость семестра
228 000₽
Мы обрабатываем файлы cookie
Cookie Settings
Cookies necessary for the correct operation of the site are always enabled.
Other cookies are configurable.
Other cookies are configurable.