Master of Science i datavidenskab
The Skolkovo Institute of Science and Technology (Skoltech)
Nøgleinformation
Campus placering
Moscow, Rusland
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
På campus
Varighed
2 år
Hastighed
Fuldtid
Studieafgifter
Kontakt skolen
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Kontakt skolen
* ingen studieafgift for ansøgere, der består udvælgelsesprocessen. Studenterpakke: et månedligt stipendium på 40000 RUB, sygesikring
Stipendier
Udforsk stipendiemuligheder for at hjælpe med at finansiere dine studier
Introduktion
Maskinlæringsteknikker er på forkant med moderne datavidenskab, og derfor udgør kurser om forskellige aspekter af maskinlæring en integreret del af programmet. Ansøgningskomponenten i programmet omfatter flere vigtige emner som:
- Computer vision
- Industriel dataanalyse
- Naturlig sprogbehandling
- Billed- og signalbehandling
Hovedformålet med datavidenskabsprogrammet er at træne elever i at bruge avancerede teknikker til maskinlæring og dataanalyse med fokus på anvendelser i den virkelige verden af disse nye teknologier. Studerende vil lære, hvordan man udvikler automatiserede metoder til at analysere enorme mængder data med det mål at udvinde viden fra dem for at skabe indflydelse på organisatoriske beslutninger. Kandidaterne fra programmet er uddannet til at udføre original forskning inden for deres valgte område af maskinlæring og dataanalyse og anvende resultaterne af deres forskning i en industriel kontekst.
Kandidatuddannelsen er 2 år lang: Det første år skal styrke din teoretiske baggrund, og det andet år skal fokusere på forskning. Studerende har frihed til at vælge kurser og fritidsaktiviteter for at forme deres individuelle bane, tilegne sig bløde færdigheder og opnå iværksætterevner for at forberede sig til beskæftigelse.
Forelæsninger og praktiske klasser udført af verdenskendte professorer og eksperter. | Studerendes individuelle forskningsprojekter udført på Skoltech laboratorier. | Et 8-ugers fordybelsesprogram for sommerindustrien hos førende virksomheder, der omsætter viden og færdigheder til handling. | Kurser om iværksætteri og innovation, der giver færdigheder, såvel som viden, til at kommercialisere ideer og forskningsresultater. |
En succesfuld kandidat fra programmet vil vide:
- Matematiske og algoritmiske grundlag for datavidenskab og en afbalanceret vision om matematiske grundlag og praktiske værktøjer og anvendte problemer inden for datavidenskab;
- Udtalelser om alle større dataanalyseproblemer samt de vigtigste tilgange til at løse dem;
- State-of-the-art teknikker til dataanalyse og relaterede områder. Kendskab til hovedklasser af anvendte problemer;
- Vigtigste metodiske aspekter af både videnskabelig forskning og applikationsudvikling inden for datavidenskab.
En succesfuld kandidat fra programmet vil være i stand til at:
- Formulere/modellere opgaver i den virkelige verden som dataanalyseproblemer;
- Vælg den mest passende metode til at løse et bestemt dataanalyseproblem;
- Anvend dataanalysemetoder i praksis ved hjælp af moderne dataanalysesoftwareværktøjer;
- Udvikle nye metoder eller tilpasse eksisterende metoder til et bestemt problem;
- Implementere algoritmer som computerprogrammer;
- Evaluere resultater af dataanalyseprocesser;
- Arbejde med teknisk litteratur (f.eks. udføre bibliografisk forskning, læse og kritisk analysere videnskabelige artikler, bruge videnskabelige målinger og vigtige databaser);
- Præsenter resultater for forskellige målgrupper (specialister, brugere, interessenter osv.) på en effektiv mundtlig og skriftlig måde.
Mål og mål
Målet med programmet er at forberede fremtidens teknologiske ledere. Målet med Data Science MSc-programmet er at bygge bro mellem grundlæggende videnskab og banebrydende beregningsteknikker.
Maskinlæring og kunstig intelligens (MLAI) spor
Maskinlæringsteknikker er på forkant med moderne datavidenskab og kunstig intelligens. Uddannelsens pensum indeholder en afbalanceret kombination af emner udviklet for nylig sammen med dybdegående undervisning i matematiske grundlag, såsom avanceret lineær algebra, optimering, højdimensionel statistik mv.
Dette spor er også tilgængeligt i netværksform med Moscow Institute of Physics and Technology.
En succesfuld kandidat fra dette spor vil være i stand til at:
- forstå og formulere komplekse opgaver i den virkelige verden som dataanalyseproblemer
- bidrage til udviklingen af næste generations maskinlæringssoftware, der er konkurrencedygtig med eller overlegen i forhold til eksisterende eksempler på software inden for kritiske og nye applikationsområder
- anvende relevante softwareværktøjer, algoritmer, datamodeller og beregningsmiljøer til løsning af problemer i den virkelige verden
Math of Machine Learning (MML) spor
(i netværksform med Higher School of Economics)
Modern Machine Learning er på forkant med forskellige discipliner inden for matematik og datalogi. Math of Machine Learning er et af de mest dynamiske områder af moderne videnskab, der omfatter matematisk statistik, maskinlæring, optimering og informations- og kompleksitetsteori. Fra starten af programmet samarbejder de studerende i tematiske arbejdsgrupper og deltager aktivt i forskning, lærer fra Skoltech og Higher School of Economics forskere samt førende globale specialister i statistik, optimering og maskinlæring.
En succesfuld kandidat fra dette spor vil:
- besidde aktivt kendskab til moderne metoder og tilgange inden for statistisk læring, herunder matematisk statistik, stokastiske processer, konveks optimering
- kunne anvende og videreudvikle sådanne metoder til løsning af komplekse praktisk motiverede problemstillinger inden for 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" />
Indhold
Uddannelsens pensum indeholder en afbalanceret kombination af emner udviklet for nylig (f.eks. dyb læring) sammen med dybdegående undervisning i matematiske grundlag (avanceret lineær algebra, optimering, højdimensionel statistik osv.).
Program struktur
Det 2-årige program omfatter obligatoriske og anbefalede valgfag om de vigtigste emner, et bredt sæt af valgfrie kurser (afhængigt af den studerendes forskning og faglige behov), komponenter af entreprenørskab og innovation, forskningsaktivitet og 8 ugers industri. nedsænkning.
36 point obligatoriske og anbefalede valgfag | 36 point Forsknings- og kandidatafhandlingsprojekt | 24 point Valgfag og projekter |
12 point Entreprenørskab og innovation | 12 point Industriel fordybelse |
Forskning
Studerende er aktivt involveret i forskningsaktiviteter startende fra semester 3.
Vigtigste forskningsområder:
- Machine Learning og Deep Learning
- Industriel analyse
- Computer Vision
- Billedbehandling
- Højdimensionel statistik og statistisk læring
- Næste generation multi-skala modellering
- Hurtige løsere til problemer i stor skala/højdimensional
Karrieremuligheder og veje
Data Science MSc-programmet blev udviklet for at imødekomme den store efterspørgsel efter datavidenskabsspecialister på det voksende nationale og internationale højteknologiske marked. Kandidater fra programmet kan begynde en international forskerkarriere eller arbejde med en virksomhed (selv i studieperioden).
Data science MSc-kandidater forbedrer betydeligt deres beskæftigelsesegnethed ved at udvikle deres fagspecifikke viden inden for datavidenskab og maskinlæring samt deres analytiske og forskningsmæssige færdigheder. Studerende får mulighed for at få tidlig adgang til de nationale og internationale forsknings- og innovationslandskaber og kan henvende sig til internationale arbejdsgivere med tillid. Derudover forbedrer programmet elevernes bløde færdigheder, hvilket gør dem i stand til at konkurrere effektivt på arbejdsmarkedet.
- Ph.D. stillinger i akademiske og forskningsinstitutioner
- Specialiststillinger såsom dataanalytiker, dataforsker, konsulent i forskellige økonomiske sektorer:
- Finansiere
- TeleCom
- DET
- Skolkovo hjemmehørende virksomheder og startups
Adgangskrav
IT-relateret bachelorgrad eller tilsvarende inden for matematik, datalogi, informations- og kommunikationsteknologi, anvendt fysik eller andre tekniske områder.
- Regning
- Differentialligninger
- Lineær algebra
- Grundlæggende sandsynlighed, tilfældige processer og matematisk statistik
- Diskret matematik (herunder grafteori og grundlæggende algoritmer)
- Programmering
Engelsk sprogkrav:
Hvis din uddannelse ikke er blevet gennemført på det engelske sprog, forventes du at demonstrere dokumentation for et tilstrækkeligt niveau af engelskkundskaber.
Ansøgningskrav
Onlineansøgningen gør processen nemmere for potentielle studerende. Vi råder dig til omhyggeligt at læse ansøgningsinstruktionerne, kravene og deadlines for det valgte akademiske program.
Ansøgningen indeholder følgende dokumenter: et CV, to anbefalingsbreve, en TOEFL/IELTS-scorerapport og et motivationsbrev. Ansøgere, der ikke har bevis for engelskkundskaber, kan tage TOEFL ITP under en udvælgelsesweekend på Skoltech.
Udvælgelsesproces
- Forbered din portefølje
Forbered dine konkurrencedygtige ansøgningsmaterialer. - Send din ansøgning
Upload dine materialer til ansøgningssystemet og indsend din ansøgning. - Online test
Hver kandidat skal tage en online profiltest. Du vil blive underrettet via e-mail om den specifikke dato og tidspunkt for din test. - Personlige interviews (online)
Den sidste udvælgelsesfase finder sted i Moskva. Du skal bestå TOEFL ITP-eksamenen på stedet eller fremvise et gyldigt TOEFL-certifikat og bestå en personlig samtale. Ekstra skriftlige prøver kan være påkrævet for visse uddannelser i denne periode (du vil få besked 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" />
Hvad vores elever siger
Julia Molchanova
BSc, Moscow State University → MSc, Skoltech → Indie-spiludvikler
"Skoltechs Data Science-program giver mulighed for at lære næsten alle de nødvendige færdigheder til en akademisk eller industriel karriere inden for maskinlæring. Mens jeg tidligere havde studeret det samme emne, blev jeg på Skoltech dygtig til de nødvendige discipliner. Også universitetets sprogpolitik har styrket mit engelsk markant. Aktiviteter med bredere disciplin, såsom Innovation Workshop, kan faktisk føre til nogle uventede resultater. Jeg har prøvet så mange forskellige ting i løbet af disse lektioner og udviklet en forkærlighed for nogle af dem. De er en fantastisk måde at tilegne sig unik viden og få et andet livsperspektiv."
Alfredo De La Fuente
BSc, Universidad Nacional de Ingenieria → MSc, Skoltech → Schlumberger Software Technology Innovation Center
"Jeg kan ikke lade være med at smile, da jeg husker min vanvittigt produktive periode under Skoltechs kandidatuddannelse i Data Science. At tilpasse sig en drastisk ændring af atmosfæren (at flytte fra Peru og en anden akademisk baggrund) var bestemt en hård udfordring. Men effekten af dette program havde i min karriere, de fantastiske venskaber, jeg fik, og eksponeringen for adskillige muligheder, gjorde det det værd. Samlet set gav hele kurset i Data Science-programmet mig selvtillid og en bred vifte af færdigheder til at tackle Machine Learning-projekter både fra en industriel og forskning perspektiv. Uden tvivl et af de bedste valg i mit liv."