Master of Science i datavitenskap

Maskinlæringsteknikker er i forkant av moderne datavitenskap, og derfor utgjør kurs om forskjellige aspekter ved maskinlæring en integrert komponent av programmet. Søknadskomponenten i programmet inkluderer flere viktige emner som:

• Datamaskin syn
• Industriell dataanalyse
• Naturlig språkbehandling
• Bilde- og signalbehandling

Hovedomfanget av datavitenskapsprogrammet er å trene studenter i å bruke state-of-the-art teknikker for maskinlæring og dataanalyse, med fokus på virkelige anvendelser av disse nye teknologiene. Studentene vil lære å utvikle automatiserte metoder for å analysere enorme mengder data med mål om å trekke ut kunnskap fra dem for å skape innvirkning på organisatoriske beslutninger. Nyutdannede av programmet er opplært til å utføre original forskning innen deres valgte område for maskinlæring og dataanalyse og anvende resultatene av forskningen deres i en industriell kontekst.

MSc-programmet er 2 år langt: det første året er for å styrke din teoretiske bakgrunn, og det andre året er å fokusere på forskning. Studentene har friheten til å velge kurs og fritidsaktiviteter for å forme deres individuelle bane, tilegne seg myke ferdigheter og få gründerferdigheter for å forberede seg til jobb.

En vellykket kandidat fra programmet vil vite:

• Matematiske og algoritmiske grunnlag for datavitenskap, og en balansert visjon om matematiske grunnlag og praktiske verktøy og anvendte problemer innen datavitenskap;
• Uttalelser om alle større dataanalyseproblemer samt de viktigste tilnærmingene for å løse dem;
• State-of-the-art teknikker for dataanalyse og relaterte områder. Kunnskap om hovedklasser av anvendte problemer;
• Hovedmetodiske aspekter ved både vitenskapelig forskning og applikasjonsutvikling innen datavitenskap.

En vellykket kandidat fra programmet vil kunne:

• Formulere/modellere oppgaver i den virkelige verden som dataanalyseproblemer;
• Velg den mest hensiktsmessige metoden for å løse et bestemt dataanalyseproblem;
• Bruk dataanalysemetoder i praksis ved å bruke moderne dataanalyseprogramvareverktøy;
• Utvikle nye metoder eller tilpasse eksisterende metoder til et bestemt problem;
• Implementere algoritmer som dataprogrammer;
• Evaluere resultater av dataanalyseprosesser;
• Arbeid med teknisk litteratur (f.eks. drive bibliografisk forskning, lese og kritisk analysere vitenskapelige artikler, bruke vitenskapelige beregninger og viktige databaser);
• Presentere resultater for ulike målgrupper (spesialister, brukere, interessenter, etc.) på en effektiv muntlig og skriftlig måte.

Mål og mål

Målet med programmet er å forberede fremtidens teknologiske ledere. Målet med Data Science MSc-programmet er å bygge bro mellom grunnleggende vitenskap og banebrytende beregningsteknikker.

Spor for maskinlæring og kunstig intelligens (MLAI).

Maskinlæringsteknikker er i forkant av moderne datavitenskap og kunstig intelligens. Læreplanen for programmet inneholder en balansert kombinasjon av emner utviklet helt nylig sammen med dybdeundervisning i matematiske grunnlag, som avansert lineær algebra, optimalisering, høydimensjonal statistikk, etc.

Dette sporet er også tilgjengelig i nettverksform med Moscow Institute of Physics and Technology.

En vellykket kandidat fra dette sporet vil kunne:

• forstå og formulere komplekse oppgaver i den virkelige verden som dataanalyseproblemer
• bidra til utviklingen av neste generasjons maskinlæringsprogramvare som er konkurransedyktig med eller overlegen de eksisterende eksemplene på programvare innen kritiske og nye applikasjonsfelt
• bruke relevante programvareverktøy, algoritmer, datamodeller og beregningsmiljøer for løsning av virkelige problemer

Math of Machine Learning (MML)-spor
(i nettverksform med Higher School of Economics)

Modern Machine Learning er i forkant av ulike disipliner innen matematikk og informatikk. Math of Machine Learning er et av de mest dynamiske områdene innen moderne vitenskap, som omfatter matematisk statistikk, maskinlæring, optimalisering og informasjons- og kompleksitetsteori. Fra starten av programmet samarbeider studentene i tematiske arbeidsgrupper og deltar aktivt i forskning, lærer av forskere fra Skoltech og Higher School of Economics samt ledende globale spesialister innen statistikk, optimalisering og maskinlæring.

En vellykket kandidat fra dette sporet vil:

• ha aktiv kunnskap om moderne metoder og tilnærminger innen statistisk læring, inkludert matematisk statistikk, stokastiske prosesser, konveks optimalisering
• kunne anvende og videreutvikle slike metoder for å løse komplekse praktisk motiverte problemstillinger innen dataanalyse

<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111169_TSL_1139.jpg " data-json=" {"author":"© ","author_url":"","kilde ":""}" alt="111169_TSL_1139.jpg" />

Innhold

Læreplanen for programmet inneholder en balansert kombinasjon av emner utviklet helt nylig (f.eks. dyp læring) sammen med dybdeundervisning i matematiske grunnlag (avansert lineær algebra, optimalisering, høydimensjonal statistikk, etc.).

Programstruktur

Det 2-årige programmet består av obligatoriske og anbefalte valgfag om de viktigste temaene, et bredt sett med valgfrie emner (avhengig av studentens forsknings- og faglige behov), komponenter av entreprenørskap og innovasjon, forskningsaktivitet og 8 uker med industri. nedsenking.

Undersøkelser

Studentene er aktivt involvert i forskningsaktiviteter fra og med 3. semester.

Hovedforskningsområder:

• Maskinlæring og dyp læring
• Industriell analyse
• Datamaskin syn
• Bildebehandling
• Høydimensjonal statistikk og statistisk læring
• Neste generasjons flerskalamodellering
• Raske løsere for store/høydimensjonale problemer

Karrieremuligheter og veier

Data Science MSc-programmet ble utviklet for å møte den høye etterspørselen etter datavitenskapsspesialister i det voksende nasjonale og internasjonale høyteknologiske markedet. Nyutdannede fra programmet kan begynne en internasjonal forskerkarriere eller jobbe med et selskap (selv i studieperioden).

Datavitenskap MSc-kandidater forbedrer deres ansettbarhet betydelig ved å utvikle deres fagspesifikke kunnskap innen datavitenskap og maskinlæring, samt deres analytiske og forskningsmessige ferdigheter. Studentene får muligheten til å få tidlig tilgang til det nasjonale og internasjonale forsknings- og innovasjonslandskapet og kan henvende seg til internasjonale arbeidsgivere med tillit. I tillegg forbedrer programmet studentenes myke ferdigheter, slik at de kan konkurrere effektivt på arbeidsmarkedet.

• Ph.D. stillinger i akademiske og forskningsinstitusjoner
• Spesialiststillinger som dataanalytiker, dataforsker, konsulent i ulike økonomiske sektorer:
  • Finansiere
  • TeleCom
  • DEN
  • Skolkovo bosatt selskaper og startups

Inntakskrav

IT-relatert bachelorgrad, eller tilsvarende innen matematikk, informatikk, informasjons- og kommunikasjonsteknologi, anvendt fysikk eller andre tekniske områder.

• Regning
• Differensiallikninger
• Lineær algebra
• Grunnleggende sannsynlighet, tilfeldige prosesser og matematisk statistikk
• Diskret matematikk (inkludert grafteori og grunnleggende algoritmer)
• Programmering

Engelsk språkkrav:

Hvis utdanningen din ikke har blitt utført på engelsk, vil du bli forventet å demonstrere bevis på et tilstrekkelig nivå av engelskkunnskaper.

Søknadskrav

Den elektroniske søknaden gjør prosessen enklere for potensielle studenter. Vi anbefaler deg å lese søknadsinstruksjonene, kravene og fristene for det valgte akademiske programmet nøye.

Søknaden inneholder følgende dokumenter: en CV, to anbefalingsbrev, en TOEFL/IELTS-resultatrapport og et motivasjonsbrev. Søkere som ikke har bevis på engelskkunnskaper kan ta TOEFL ITP under en utvelgelseshelg på Skoltech.

Utvelgelsesprosess

1. Forbered porteføljen din
   Forbered ditt konkurransedyktige utvalg søknadsmateriale.
2. Send inn søknaden din
   Last opp materialet til søknadssystemet og send inn søknaden.
3. Testing på nett
   Hver kandidat må ta en online profiltest. Du vil bli varslet via e-post om den spesifikke datoen og klokkeslettet for testen.
4. Personlige intervjuer (online)
   Den siste utvelgelsen finner sted i Moskva. Du må bestå TOEFL ITP-eksamenen på stedet, eller fremvise et gyldig TOEFL-sertifikat og bestå et personlig intervju. Ekstra skriftlig eksamen kan kreves for enkelte programmer i løpet av denne tiden (du vil bli varslet på forhånd).

<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111168_TSL_3334.jpg " data-json=" {"author":"© ","author_url":"","kilde ":""}" alt="111168_TSL_3334.jpg" />

Hva elevene våre sier

Julia Molchanova
BSc, Moscow State University → MSc, Skoltech → Indie-spillutvikler

"Skoltechs Data Science-program gir en mulighet til å lære nesten alle nødvendige ferdigheter for en akademisk eller industriell karriere innen maskinlæring. Mens jeg hadde studert det samme emnet tidligere, på Skoltech ble jeg dyktig i de nødvendige disiplinene. Universitetets språkpolitikk har styrket engelsken min betraktelig. Aktiviteter med bredere disiplin, for eksempel Innovation Workshop, kan faktisk føre til noen uventede utfall. Jeg har prøvd så mange forskjellige ting i løpet av disse timene og utviklet en forkjærlighet for noen av dem. De er gode måte å tilegne seg unik kunnskap og få et annet livsperspektiv."

Alfredo De La Fuente
BSc, Universidad Nacional de Ingenieria → MSc, Skoltech → Schlumberger Software Technology Innovation Center

"Jeg kan ikke annet enn å smile mens jeg husker min vanvittig produktive periode under Skoltechs masterprogram i datavitenskap. Å tilpasse seg en drastisk atmosfæreendring (flytting fra Peru og en annen akademisk bakgrunn) var absolutt en tøff utfordring. Men effekten av dette programmet hadde i karrieren min, de fantastiske vennskapene jeg fikk og eksponeringen for en rekke muligheter gjorde det verdt det. Samlet sett ga hele kurset i Data Science-programmet meg selvtillit og et bredt spekter av ferdigheter for å takle maskinlæringsprosjekter både fra industri og forskning perspektiv. Utvilsomt et av de beste valgene i livet mitt."