Будущее начинается здесь — стань экспертом в данных, ИИ-системах и автономных платформах
Программа «Большие данные и машинное обучение» — это международная магистратура на стыке науки и практики, где вы не просто изучите алгоритмы, а научитесь проектировать, исследовать и внедрять интеллектуальные системы следующего поколения.
Большие данные и машинное обучение / Big Data and Machine Learning
Сочетая передовые методы анализа данных, глубокого обучения и больших языковых моделей (LLM), программа готовит специалистов, способных создавать:
Мы готовим инженеров, которые создают ИИ-решения, готовые к работе в индустрии. Вы будете работать с реальными данными, современными архитектурами и проектами от технологических лидеров.
Актуальность и востребованность
В современном ИТ-мире умение применять ИИ-системы — это ключевой навык, открывающий доступ к высоким позициям в индустрии и научно-исследовательской карьере. Многие технологические компании и исследовательские центры активно используют большие модели и автономные системы для решения сложных задач — от интеллекта роботов до научных симуляций.
Научно-исследовательская среда
Мы делаем акцент не только на практике, но и на исследовательской работе, включая:
участие в проектах,
публикации в международных конференциях и журналах,
сотрудничество с лабораториями по мультиагентным системам.
Это отличный фундамент для тех, кто планирует научную или карьеру в центрах исследования и разработки (R&D центрах)
Практика с реальными данными
Программа включает работу с актуальными промышленными наборами данных, построение ИИ-сервисов и участие в командных проектах, которые ближе всего к задачам настоящего времени.
Сильные эксперты и менторы
Лекторы и научные руководители — признанные специалисты в области ИИ, глубокого обучения, больших данных и мультиагентных систем, многие из которых ведут исследования в области больших языковых моделей и автономных платформ.
Карьерные перспективы
Выпускники становятся:
ИИ инженерами,
архитекторами данных (Data Architect),
специалисты интеллектуальных систем и ИИ-агентов
инженерия ИИ-систем и автономных агентов
научными сотрудниками в международных лабораториях.
Возможны стажировки и проекты
с ведущими компаниями и центрами исследований и разработки.
Вы освоите навыки анализа больших данных, методов машинного обучения и пройдете весь цикл разработки: от подготовки набора данных и построения цепочек обработки данных до масштабирования и внедрения готовых моделей.
Программа открывает двери в передовые научно-технические области, где граница между наукой и инженерией стирается.
Вы научитесь работать с самыми современными инструментами ИИ и большими моделями.
Это шанс стать частью сообщества, формирующего будущее автономных интеллектуальных систем.
Программа выстроена так, чтобы студенты быстро освоили машинное обучение и обработку больших данных, получили сильную академическую базу и перешли к реальным индустриальным и исследовательским проектам.
Каждый семестр — новые технологии, инструменты и практические задачи.
Фокус года: математика, алгоритмы, классическое машинное обучение, работа с данными
С первого семестра студенты включаются в практическую работу:
участвуют в проектах лабораторий и партнёров, разрабатывают МО-продукты, работают с интеллектуальными агентными системами.
Это позволяет формировать портфолио с начала обучения.
Основные модули:
Анализ и разработка алгоритмов
Методы и модели многомерного анализа данных
Технологии машинного обучения и глубокого обучения
Высоконагруженные и распределённые системы
Методы оптимизации
Инфраструктура больших данных
Дискретные математические модели
Архитектуры нейронных сетей
Первый учебный проект
Результат года:
уверенная МО-база и первые проекты в портфолио.
Фокус года: современные модели, промышленные кейсы, исследовательская работа. Студенты концентрируются на выбранных специализированных предметах, работают над проектами индустриальных партнёров и центров исследования и разработки, разрабатывают полноценные МО-системы, тестируют и внедряют модели, готовят выпускную квалификационную работу и при желании участвуют в научных мероприятиях.
Основные модули:
Обучение с подкреплением
Методы машинного обучения для обработки промышленных данных
Выборные дисциплины:
Непрерывные математические модели
Специализированные технологии машинного обучения
Промышленное внедрение ИИ и современные практики MLOps
Обработка естественного языка
К выпуску студент выходит с реальным портфолио, опытом работы с промышленными стеками и готовностью к работе в индустриальных и исследовательских командах.
В третьем семестре студент формирует свой индивидуальный образовательный маршрут — назначая себе предметы по выбору. Это позволяет сфокусироваться на самых востребованных и актуальных треках ИИ:
агентных ИИ-системах и большие языковые модели,
распределённых МО-платформах,
исследовательских или индустриальных задачах.
Математическая основа для сложных ML-систем
Курс посвящён теории и практике построения непрерывных математических моделей, используемых в машинном обучении, анализе данных и инженерных задачах. Студенты изучают методы аналитического и численного моделирования, принципы выбора математического аппарата и интерпретации результатов.
Кому подходит:
студентам, ориентированным на исследования и разработку
тем, кто хочет усилить математическую подготовку
будущим МО- и инженерам-исследователям
Разработка, масштабирование и сопровождение ML-систем
Курс посвящён построению промышленной инфраструктуры для внедрения и сопровождения МО- и БЯМ-решений. Рассматриваются вопросы продакшн-разработки, масштабирования, мониторинга, оптимизации моделей, построения RAG-систем и распределённых вычислений.
Отдельное внимание уделяется работе с данными, автоматизации построения цепочек обработки данных и интеграции ИИ в реальные сервисы.
Кому подходит:
будущим МО-инженерам и MLOps-специалистам
разработчикам, работающим с системами промышленной эксплуатации
тем, кто ориентирован на индустриальную карьеру
Современные архитектуры и прикладные ML-решения
Курс охватывает современные методы глубокого обучения для обработки изображений, видео, текста и других типов данных. Изучаются архитектуры нейронных сетей, методы обучения с подкреплением и генеративные модели.
Занятия сопровождаются практическими лабораторными работами и проектами.
Кому подходит:
тем, кто хочет углубиться в современные MО-модели
разработчикам интеллектуальных систем
студентам, ориентированным на прикладные проекты
Работа с текстом, языковыми моделями и генерацией
Курс посвящён современным методам обработки естественного языка: анализу, генерации и оценке текстов. Рассматриваются нейросетевые архитектуры, большие языковые модели, методы дообучения и оценки качества решений.
Особое внимание уделяется практическим задачам — от анализа документов до построения интеллектуальных ассистентов.
Кому подходит:
будущим инженерам обработки естественного языка и больших языковых моделей
разработчикам диалоговых и аналитических систем
тем, кто работает с текстовыми данными
Наши выпускники выходят на рынок с уровнем подготовки, соответствующим Middle ML/AI Engineer, и опытом работы с промышленными стеками и реальными проектами.
Программа ориентирована на быстрый рост — от инженерных ролей к ведущим позициям в разработке, исследованиях и управлении технологиями.
Инженер по машинному обучению(ML Engineer)
Разработка, обучение и внедрение сложных моделей на реальных данных, участие в архитектурных решениях, работа с большими языковыми моделями.
Разработчик систем искусственного интеллекта и машинного обучения(AI/ML Developer)
Создание интеллектуальных систем, разработка новых моделей, интеграция МО в продукты.
Инженер по обработке естественного языка/ инженер по большим языковым моделям (LLM Engineer / NLP Engineer)
RAG-системы, ассистенты, мультиагентные системы, настройка и оптимизация больших моделей.
Архитектор решений в области искусственного интеллекта (AI Architect)
Проектирование комплексных ИИ-платформ, принятие технических решений на уровне системной архитектуры.
Инженер по работе с данными (Data Engineer)
Построение устойчивых цепочек обработки данных, интеграция и обработка больших массивов данных.
Инженер по большим данным (Big Data Engineer)
Работа с распределёнными системами, Spark/Hadoop/Kafka, оптимизация производительности.
Архитектор решений по управлению данными (Data Architect)
Проектирование корпоративной инфраструктуры данных, выбор технологий и стандартов.
Исследователь в области ИИ( AI Researcher / Applied Researcher)
Работа в научных группах, участие в публикациях, создание новых алгоритмов.
Инженер‑исследователь в индустрии (R&D Engineer)
Проектирование инновационных решений, исследовательская работа в командах Gazprom Neft, Sber, Huawei, ИТМО.
Аспирантура (PhD)
Продолжение научного пути: публикации, конференции, участие в лабораториях AI-центров.
Программа ускоряет профессиональное развитие за счёт плотной проектной работы и взаимодействия с индустриальными и исследовательскими партнёрами.
Полноценные проекты (от данных до внедрения)
БЯМ-решения: ассистенты, RAG-системы, мультиагентные модели
Инфраструктура больших данных: Spark, Kafka и тд
Промышленные кейсы от партнёров
Исследовательский проект или публикация
Финальный проект — кейс, который можно показать работодателю как доказательство ваших навыков
Программа развивается вместе с ведущими технологическими компаниями. Партнёры предоставляют реальные данные, проектные задачи и участвуют в обучении студентов.
Благодаря этому вы работаете над индустриальными кейсами, получаете доступ к современным ИИ-лабораториям и можете пройти стажировку или начать карьеру ещё во время обучения.
Партнёры помогают формировать учебный план, проводят мастер-классы, выступают заказчиками проектов и открывают доступ к исследовательской инфраструктуре — делая обучение максимально практичным и ориентированным на рынок.
Вы осваиваете МО, БЯМ и БД на глубине, достаточной для работы на уровне уверенном уровне в индустрии.
Программа уделяет особое внимание современным архитектурам — от RAG до мультиагентных систем.
Каждый семестр — проекты с партнёрами: вы работаете с настоящими бизнес-кейсами и производственными наборами данных.
В третьем семестре вы сами выбираете направление, в котором хотите расти.
Лаборатории, менторы, публикации, участие в проектах, возможность расти в инженерном или исследовательском направлении.
Англоязычная программа, международный формат, доступ к глобальным стекам МО и современным практикам разработки.
Формат проектной работы позволяет студенту как участвовать в нескольких прикладных проектах, так и развивать один крупный продукт на протяжении нескольких семестров.
Мастер-классы, стажировки, соревнования, приглашённые эксперты — вы входите в рынок ещё во время обучения.
Это преподаватели и исследователи, работающие с МО, БД и БЯМ в индустрии и научных центрах ИТМО.
кандидат технических наук
Научный руководитель образовательной программы “Большие данные и машинное обучение”;
Доцент факультета технологий искусственного интеллекта;
Старший научный сотрудник исследовательского центра в сфере искусственного интеллекта «Сильный искусственный интеллект в промышленности»;
Доцент учебно-методического центра «Искусственный интеллект»
Менеджер образовательной программы факультета технологий искусственного интеллекта ИТМО
Координирует учебный процесс, работу преподавателей и взаимодействие со студентами
Обеспечивает организационную и коммуникационную поддержку AI-программ
кандидат технических наук
Доцент факультета технологий искусственного интеллекта
Старший научный сотрудник национального центра когнитивных разработок
Старший научный сотрудник исследовательского центра в сфере искусственного интеллекта «Сильный искусственный интеллект в промышленности»
кандидат технических наук
Доцент ФТИИ ИТМО и учебно-методического центра «Искусственный интеллект»
Старший научный сотрудник лаборатории композитного ИИ и центра «Сильный ИИ в промышленности»
Эксперт по прикладному ИИ, разработке агентных и мультиагентных прикладных систем, исследованию их масштабируемости, оценке качества моделей и внедрению ИИ-систем в индустрии.
кандидат технических наук
Доцент ФТИИ ИТМО и учебно-методического центра «Искусственный интеллект»
Старший научный сотрудник центра «Сильный ИИ в промышленности»
Эксперт по прикладному ИИ, анализу данных и внедрению интеллектуальных систем в индустрии
кандидат технических наук
Доцент ФТИИ ИТМО и учебно-методического центра «Искусственный интеллект»
Эксперт по прикладному машинному обучению и анализу данных
Специализируется на разработке и внедрении ИИ-решений для прикладных и индустриальных задач
кандидат технических наук
Доцент ФТИИ ИТМО
Эксперт по машинному обучению, анализу данных и интеллектуальным системам
Специализируется на разработке и внедрении прикладных AI-решений в научных и образовательных проектах
кандидат физико-математических наук
Доцент ФТИИ ИТМО, старший научный сотрудник центра «Сильный ИИ в промышленности»
Эксперт по математическому моделированию, методам анализа данных и машинного обучения
Специализируется на разработке и внедрении интеллектуальных алгоритмов для научных и индустриальных задач
кандидат физико-математических наук
Ординарный доцент факультета технологий искусственного интеллекта ИТМО
Эксперт по прикладной математике, анализу данных и математическим методам в ИИ
Специализируется на разработке и преподавании фундаментальных курсов для ИИ-инженеров
кандидат физико-математических наук
Ординарный доцент факультета технологий искусственного интеллекта ИТМО
Специалист по анализу данных, глубокому обучению и компьютерному зрению.
Специализируется на разработке прикладных решений на основе глубокого обучения и подготовке ИИ-инженеров
кандидат технических наук
Заместитель директора мегафакультета ТИНТ, директор УМЦ «Искусственный интеллект», доцент ФТИИ ИТМО
Главный инженер проектов центра «Сильный ИИ в промышленности», специализируется на внедрении ИИ-решений в обучение и индустриальные кейсы
Эксперт по проектированию ИИ-образования, цифровой трансформации учебных программ и управлению образовательными экосистемами
Преподаватель практики факультета технологий искусственного интеллекта ИТМО
Эксперт по оптимизации, дискретной математике и системам поддержки решений
Специализируется на прикладных алгоритмах и аналитических методах в задачах ИИ
Преподаватель практики факультета технологий искусственного интеллекта ИТМО
Эксперт по высоконагруженным высокодоступным (high availability highload) системам, их проектированию, разработке и поддержке
Специализируется на всесторонней, как теоретической, так и практической подготовке студентов к работе архитектора высоконагруженных приложений
Преподаватель факультета технологий искусственного интеллекта ИТМО
Эксперт по алгоритмам, анализу данных и прогнозированию процессов
Специализируется на практической подготовке студентов в области ИИ и аналитических систем
Преподаватель факультета технологий искусственного интеллекта ИТМО
Эксперт по большим данным, распределённым вычислениям и инженерии данных
Специализируется на практической подготовке студентов в области ИИ-инфраструктуры и обработки данных
Преподаватель (квалификационная категория "преподаватель практики"), факультет технологий искусственного интеллекта
Эксперт в области мобильной C++ разработки и графических системах.
Практикующий мобильный разработчик.
Специализируется на разработке игровых и визуальных систем, разработке графических движков, визуализации данных, работе с графикой и использовании ИИ.
Каждый способ поступления подходит под разные цели — выбирайте удобный формат.
Мы поможем выбрать лучший способ поступления и
подскажем, как корректнее подготовить портфолио
Отправляя данную форму, вы даёте согласие на обработку персональных данных
Проконсультируем по поступлению, учебному процессу и
возможностям программы.
Ответим в течение 1 рабочего дня
Отправляя данную форму, вы даёте согласие на обработку персональных данных
Екатерина Цветкова
менеджер программы
Санкт-Петербург, Биржевая линия В.О., д.14, каб. 453
Время работы: Пн-Пт, 9:00-18:00
Живой чат абитуриентов. Задавайте вопросы напрямую декану факультета.
Официальный канал факультета — только важное, без спама
