Науки о данных
Фундаментальные знания о математике и программировании, помогающие решать задачи, максимально приближенные к реальным
Описание
Программа реализуется при поддержке и участии компании Яндекс. На первых курсах закладывается сильная база как по математике, так и по программированию: за два года студенты познакомятся как с теорией меры и динамическими системами, так и с архитектурой компьютера и языками Python и C++. В конце второго курса начинается полуторагодичный цикл курсов по машинному обучению, на которых студенты освоят методы обучения, анализа и внедрения широкого спектра моделей машинного обучения от градиентных бустингов, до генеративно‑состязательных сетей.
Математические курсы ведут действующие ученые, а прикладные — сотрудники ведущих IT‑компаний. С третьего курса студенты получают возможность заниматься как математическими исследованиями, так и прикладными проектами, максимально приближенными к реальным, а также получают доступ к огромному и постоянно обновляющемуся набору курсов по выбору, который позволит им сформировать свою собственную траекторию развития.
Небольшие учебные группы и сильный набор позволяет студентам раскрыть свой потенциал, а преподавателям дает возможность читать продвинутые курсы и взаимодействовать с каждым студентом в отдельности.
На выходе открываются пути как в индустрию с упором на решение бизнес‑задач, так и в академию с упором на исследования в актуальных областях ML.
Cтраница программы на сайте МКН
Математические курсы ведут действующие ученые, а прикладные — сотрудники ведущих IT‑компаний. С третьего курса студенты получают возможность заниматься как математическими исследованиями, так и прикладными проектами, максимально приближенными к реальным, а также получают доступ к огромному и постоянно обновляющемуся набору курсов по выбору, который позволит им сформировать свою собственную траекторию развития.
Небольшие учебные группы и сильный набор позволяет студентам раскрыть свой потенциал, а преподавателям дает возможность читать продвинутые курсы и взаимодействовать с каждым студентом в отдельности.
На выходе открываются пути как в индустрию с упором на решение бизнес‑задач, так и в академию с упором на исследования в актуальных областях ML.
Cтраница программы на сайте МКН
Стипендии
Стипендия от партнёров факультета составляет 20–40 тысяч рублей в месяц.
В первом семестре призёры и победители ВСОШ получают повышенную стипендию в размере 40 тысяч рублей в месяц. БВИ (попавшие в топ30%) получают повышенную стипендию в размере 25 тысяч рублей в месяц
Начиная со второго семестра, стипендии распределяются среди 30% лучших студентов на основе рейтинга.
В первом семестре призёры и победители ВСОШ получают повышенную стипендию в размере 40 тысяч рублей в месяц. БВИ (попавшие в топ30%) получают повышенную стипендию в размере 25 тысяч рублей в месяц
Начиная со второго семестра, стипендии распределяются среди 30% лучших студентов на основе рейтинга.
Список курсов по выбору в 2026-2027 учебном году доступен по ссылке.
Преимущества программы
Создана при поддержке компании Яндекс
- Практическая работаСтуденты участвуют в проектах под руководством профессионалов и занимаются прикладными исследованиями
- Теоретическая базаУчастие в фундаментальных исследованиях и конференциях разного уровня
- Индивидуальная траектория обученияС третьего курса большую часть дисциплин студенты выбирают сами
- Обучение от практиковПреподаватели — действующие учёные и сотрудники IT-компаний
Карьерные перспективы
Выпускникам программы открываются пути как в индустрию с упором на решение бизнес‑задач, так и в академию с упором на исследования в актуальных областях ML.
- Дата-аналитикСобирает и обрабатывает данные, находит закономерности и связи, а также визуализирует результаты через графики и дашборды
- Data ScientistПрименяет алгоритмы машинного обучения, чтобы строить и тестировать математические модели данных
- Разработчик ИИИсследует архитектуры моделей машинного обучения, чтобы‑улучшать качество существующих ML‑моделей
Студенческие проекты
Начиная со второго курса студенты могут выбрать в качестве учебной практики теоретическую курсовую или практический проект.
Практиками руководят сильнейшие учёные или ведущие сотрудники IT-компаний. Проекты могут быть самыми разными: браузерная игра, которая знакомит с машиной Тьюринга, сервис для изучения генома человека, предсказание цены продажи недвижимости, сервис для удалённого интервью, прототип датчика, который подсчитывает проехавшие мимо машины и другие.
Практиками руководят сильнейшие учёные или ведущие сотрудники IT-компаний. Проекты могут быть самыми разными: браузерная игра, которая знакомит с машиной Тьюринга, сервис для изучения генома человека, предсказание цены продажи недвижимости, сервис для удалённого интервью, прототип датчика, который подсчитывает проехавшие мимо машины и другие.
Наши преподаватели
Математические курсы ведут действующие учёные, а прикладные — сотрудники ведущих IT‑компаний
- Д.ф.-м.н., профессор, руководитель образовательной программы «Науки о данных», ведущий н.с. лаборатории математической логики ПОМИ РАН
- К.ф.-м.н., н.с. лаборатории им. А.А. Маркова. Читает курсы по математической статистике и ML
- Научные интересы — соревнования по программированию, алгоритмы и структуры данных. Ведёт практические занятия по Математическим основам алгоритмов
- Ph.D. (Queen's University, Canada), профессор, заместитель декана.
Научные интересы — формальные грамматики, вопросы сложности в теории автоматов, алгоритмы синтаксического анализа - К.ф.-м.н., доцент, руководитель лаборатории им. А.А. Маркова
- Д.ф.-м.н., профессор.
Научные интересы — теории случайных процессов - Никита Игоревич ЛисицаРазработчик движка рендеринга Яндекс Карт. Области интересов: компьютерная графика, вычислительная физика, численное моделирование, разработка игр.
Стаж промышленной разработки ПО 11+ лет - Д.ф.-м.н., профессор.
Научные интересы — теория дифференциальных уравнений и динамических систем - Георгий Иванович СуринРазработчик моделей глубокого обучения (computer vision), опытный участник соревнований по машинному обучению
- Мария Владимировна ПлатоноваК.ф.-м.н., старший н.с. лаборатории статистических методов ПОМИ РАН.
Научные интересы — ветвящееся случайное блуждание, вероятностное представление решения задачи Коши