Машинное обучение

Совместная программа онлайн-магистратуры НИЯУ МИФИ х SkillFactory

Направление 01.04.02 «Прикладная математика и информатика»

Skill Factory

Python

MLOps

LLM

О программе

Магистерская программа «Машинное обучение» реализуется совместно с ООО «Скилфэктори». В ходе обучения вы познакомитесь с основными методами машинного обучения, научитесь внедрять модели машинного обучения и оптимизировать их работу.

Оставить заявку можно по ссылке.

2 года

Срок обучения

Онлайн

От 25 часов в неделю, учеба в удобное время

22 августа 2025 года

Последний день подачи документов

198 000 рублей

Стоимость обучения за 1 семестр (актуально на 2025 г.)

Инфраструктура МИФИ

Лаборатории, хакатоны, ДПО и др.

Военная кафедра

Очное посещение

Учебный план

Первый семестр

сентябрь-январь

Второй семестр

февраль-июнь

Третий семестр

сентябрь-январь

Четверный семестр

февраль-июнь

Руководитель

Запечников Сергей Владимирович

Профессор, доцент, доктор технических наук

Освоение программы даст возможность приобрести очень востребованные в наше время профессии ML-инженера и MLOps-инженера. Учебный план ёмкий и компактный. Студенты получают необходимые математические знания, приобретают навыки разработки и поддержки жизненного цикла анализа данных с использованием машинного обучения. Специалисты с таким набором умений и навыков пользуются немалым спросом у работодателей.

Преподаватели

Егорова Аделя

Преподаватель

- Преподаватель НИЯУ МИФИ, занимается анализом данных и машинным обучением, разработкой поисковой системы и системы распознавания текста, основанную на алгоритмах ИИ, победитель CodeRun, организатор студенческих и школьных IT-хакатонов

Емельянов Дмитрий

Head of Fraud Prevention, Sumsub

Head of Fraud Prevention, Sumsub; Руководитель группы антифрода рекламы, Яндекс; Руководитель группы антифрод-аналитики, Инфосистемы Джет. Более 10 лет опыта в противодействии мошенничеству в различных сферах: банковский сектор, ритейл, транспорт, реклама и high-risk индустрии.

Жарова Мария

Data Scientist, WildBerries

Data Scientist в WildBerries, разрабатывает алгоритмы рекомендаций; выпускница МФТИ, кафедры Интеллектуальных систем; соавтор научных статей по искусственному интеллекту в российских и международных журналах (Известия РАН. Теория и системы управления и Journal of computer science international), участник международных научных конференций; автор телеграмм-канала EasyData о Data Science; лектор на совместных магистратурах МФТИ, УрФУ, ТГУ, МИФИ; ex-Data Scientist в Альфа Банк и Сбер.

Карапетьянц Николай

Ассистент

Преподаватель, руководитель группы развития ИТ-инфраструктуры, заведующий мультивендорной лабораторией по защите информации. Направление научных исследований: средства и методы проактивного реагирования на киберугрозы.

Клепач Альбина

Инженер-исследователь, Huawei

Специалист в области машинного обучения, глубинного обучения и обучения с подкреплением, обладающий опытом применении этих технологий к задачам оптимизации компиляторов, процессоров и сложных физических систем. В настоящий момент — инженер-исследователь в AIRI, имеет опыт работы в крупной международной компании (Huawei) и ведущих научно-исследовательских центрах, таких как Сколтех.

Перейма Дмитрий Юрьевич

Преподаватель

Окончил специалитет и магистратуру НИЯУ МИФИ по направлениям "Ядерная физика и технологии". Является автором исследований в области анализа данных с применением алгоритмов машинного обучения в международном содружестве LHCb. Занимается методической работой, рефакторингом материалов и дисциплин на совместной программе со SkillFactory по МО и программе с Яндексом по ИИ.

Дополнительные преимущества обучения

Исследовательский центр искусственного интеллекта: инновации ИИ в логистике и транспорте
Поддержка студенческих инициатив: участие в хакатонах и кружках, организованных совместнос индустриальными партнерами, поддержка в участии в конференциях, научных конкурсах, написании статей
Университетский акселератор: доработайте бизнес-идею с командой экспертов, получите финансирование на разработку прототипа и запустите успешный стартап
Доступ к современной IT-инфраструктуре: удалённый доступ к облачной инфраструктуре и суперкомпьютерам вуза, лаборатории мирового уровня, коворкинги и пространства университета
Возможность участия в CTF курсе и последующих соревнованиях
Очные гостевые лекции с экспертами из индустрии специально для вас

Отзывы

Надежда

«Мне понравилась преподаватель по Питону. Не всегда было легко, но она всегда пыталась интересно преподать материал и была готова к семинару на 1000%. Однозначно порекомендую Вас друзьям, уже рекомендую. »

Роман

«Очень нравится онлайн-платформа и удобная связь в мессенджере. Формально обучение идёт очно, но по факту — заочно, и это очень удобно. Преподаватели грамотно отвечали и помогали выявлять ошибки.»

Галина

«В курсе больше всего нравится подача материала и сам материал, я нахожу его практически применимым к решаемым задачам. Также нравится автономность в обучении. Я бы рекомендовала эту программу, но с оговоркой, что придется в том числе самостоятельно погружаться в какие-то темы и искать новые материалы. Также понравилась атмосфера занятий и глубина подачи материала»

Как поступить?

Зачисление проходит на конкурсной основе и состоит из:

Вступительное испытание будет состоять из трёх частей:

Мотивационное письмо о том, почему вы решили выбрать эту программу (50 баллов)
Решение открытого кейса (40 баллов)
Математическое тестирование (10 баллов)

Максимальный балл — 100, минимальный проходной балл на программу — 80.

Обратите внимание: если вы заканчиваете бакалавриат в этом году и еще не получили диплом, дождитесь окончания обучения и затем подайте полный комплект документов.