Программирование в Питерской Вышке отличается высоким уровнем нагрузки и проектно-ориентированным подходом к обучению. Начиная с первого курса, студенты активно погружаются в работу над реальными проектами. Возможность выбора специализации позволяет сформировать узкую траекторию уже с третьего года обучения. Фундаментальные теоретические дисциплины из области математики и программирования преподают ведущие теоретики и исследователи Петербурга, а практические – сотрудники ведущих IT-компаний России и мира, таких как Яндекс, Газпромнефть, Huawei, JetBrains и др.

Прикладная математика и информатика (ПМИ)

  • Изучение всех направлений математики и программирования
  • Сильная теоретическая и практическая подготовка
  • Изучение основных языков программирования
  • Специализации по различным направлениям программирования (машинное обучение и анализ данных, промышленное программирование, теория языков программирования, теоретическая информатика)
  • Карьерные возможности: аналитик, бэкенд-разработчик (Java, C++, Python, Kotlin, .Net, Haskell), фронтенд, мобильный разработчик (iOS и Android), Machine Learning Engineer, архитектор ПО, Data Scientist и др.

 

Прикладной анализ данных и искусственный интеллект (ПАДиИИ)

  • Изучение отдельных направлений математики и программирования
  • Освоение прикладных знаний и навыков в области машинного обучения и анализа данных
  • Изучение  Python
  • Специализации в рамках машинного обучения и анализа данных (прикладной анализ данных, архитектура машинного обучения, анализ данных в финансах)
  • Карьерные возможности: Data Scientist, Data Analyst, Machine Learning Engineer, Quantitative Analyst, Quantitative Developer

 

Количество мест

ПМИ
Бюджетные места – 40
Платные места – 30
 

ПАДиИИ
Бюджетные места – 20
Платные места – 30

Вступительные испытания и минимальные баллы

ПМИ
Математика – 75
Информатика/Физика – 75
Русский язык – 60

ПАДиИИ
Математика – 60
Информатика/Физика – 60
Русский язык – 60

Платное обучение

ПМИ
Стоимость обучения 440 000 рублей
290+ баллов – 132 000,
280-289 баллов – 220 000,
270-279 баллов – 308 000

ПАДиИИ
Стоимость обучения 450 000 рублей
275+ баллов – 135 000
260-274 балла – 225 000
245-259 баллов – 315 000

Что выбрать: ПМИ или ПАДИ?

Как поступить по олимпиаде?

Как поступить по результатам ЕГЭ?

Могут ли все бюджетные места занять олимпиадники?

Как работают скидки и что такое квази-бюджет?

Какие предметы изучаются на программах?

Какие специализации реализуются на программах?

Какие проекты реализуют студенты во время обучения?

Какие стажировки и практики проходят студенты?

Сложно ли учиться на программах?

Где и кем работают выпускники?

Можно ли совмещать учебу с работой? А на старших курсах?

Какую стипендию получают студенты?

Все ли иногородние студенты получают общежитие?

Есть ли военная кафедра?

Как можно дополнительно подготовиться к обучению?

Преподаватели программ

Мухин Михаил Сергеевич

Санкт-Петербургская школа физико-математических и компьютерных наук: Декан

Омельченко Александр Владимирович

Академический руководитель программы "Прикладная математика и информатика"

Читает курс по Дискретной математике
Кузнецов Антон Михайлович

Санкт-Петербургская школа физико-математических и компьютерных наук: Заместитель декана по учебной работе

Читает курсы Python для анализа данных, Альтернативные языки для JVM и Язык программирования Java
Храбров Александр Игоревич

Департамент информатики: Руководитель департамента

Ведет курсы Математический анализ и Теория вероятностей и математическая статистика
Копелиович Сергей Владимирович

Департамент информатики: Старший преподаватель

Ведет курс Алгоритмы и структуры данных
Дворкин Михаил Эдуардович

Департамент информатики: Приглашенный преподаватель

Читает Теорию вычислительной сложности, Формальные языки и грамматики и Биоинформатику
Москвин Денис Николаевич

Департамент информатики: Доцент

Ведет Теорию типов и Функциональное программирование
Суворов Егор Федорович

Департамент информатики: Приглашенный преподаватель

Читает курс по C++
Брыксин Тимофей Александрович

Департамент информатики: Доцент, сотрудник компании JetBrains

Ведет курсы Архитектура программных систем, Объектно-ориентированное программирование, Программная инженерия
Шпильман Алексей Александрович

Заведующий Центром анализа данных и машинного обучения, сотрудник компании Газпром нефть

Читает курсы по Прикладному искусственному интеллекту
Пусев Руслан Сергеевич

Департамент информатики: Приглашенный преподаватель, сотрудник компании Huawei

Ведет курсы по Теории вероятностей и математической статистике
Булычев Дмитрий Юрьевич

Департамент информатики: Приглашенный преподаватель, сотрудник компании Huawei

Отзывы студентов и выпускников

  • Дмитрий Артюхов
  • Василий Алферов
  • Наташа Мурашкина
  • Владислав Мосин
Дмитрий Артюхов

первокурсник программы «Прикладная математика и информатика»

В университет я поступил по олимпиаде. Самым главным преимуществом была уверенность в том, что я точно попаду на бюджетное место. Помимо этого, олимпиады дают хорошую учебную базу, начинать первый курс с ней в разы проще.  

Учиться на «Прикладной математике и информатике» — очень сложно. Я знал об этом ещё при поступлении, но даже не представлял насколько. Но в то же время я вообще не разочаровался в выборе вуза и направления. Уровень материала, преподавательского и организаторского составов на программе выше всяких похвал. Меня учат люди с огромным опытом, это очень мотивирует и заряжает на работу над собой.

Василий Алферов

выпускник программы «Прикладная математика и информатика» 2020 года

Университет — это отличный шанс попробовать себя в науке перед тем, как уходить в индустрию, такую возможность я упускать не хотел. Когда я выбирал специализацию, «Теоретической информатики» (Computer Science) среди предложенных не было. На курсе было еще несколько ребят, интересующихся этим направлением, и специально под нас открыли  CS-курсы. По сути, специализация была создана с нуля по пожеланиям небольшой группы студентов. 

За два года плотного изучения CS я работал над двумя крупными проектами. Первый проект на третьем курсе — реализация солвера для задачи о вершинном покрытии. Для этого пришлось покопаться в статьях про полиномиальные ядра и придумать способы их быстрой реализации на практике, потому что, как правило, статьи глубоко теоретические и про пользу на практике там никто не задумывается. В 2019 году мой солвер занял призовое место на PACE Challenge среди солверов, написанных другими академическими исследователями. Второй проект, он же мой бакалаврский диплом, — про улучшение алгоритма для задачи максимальной разрешимости. Мне удалось значительно улучшить результат, державшийся 20 лет. В феврале мой новый алгоритм был представлен на конференции AAAI.

Наташа Мурашкина

выпускница программы «Прикладная математика и информатика» 2021 года

Мне особенно нравятся курсы, где для сдачи домашки нужно не просто решить тесты или показать, что программа работает, а ещё и пройти подробное code-review, то есть исправить замечания от преподавателя по коду. Рецензирование кода, как правило, проводится на общих дисциплинах младших курсов — основы программирования,, C++, Java, однако и на старших курсах таких дисциплин было достаточно — альтернативные языки для JVM (Scala, Kotlin) и параллельное программирование. Ревью кода — это весьма затратное по времени для преподавателей предприятие, поэтому вдвойне приятно, что оно не заканчивается на младших курсах. Дополнительно на таких предметах, как базы данных, Software Design, Big Data Software Engineering студенты делают ревью кода друг другу, а побыть в роли рецензента — бесценный опыт.

Владислав Мосин

выпускник программы «Прикладная математика и информатика» 2021 года

На младших курсах мне больше нравились математические дисциплины. Изначально я не рассматривал направление «Машинное обучение» в качестве основного, но летняя стажировка в Яндексе по аналитике после второго курса и поверхностное самостоятельное изучение машинного обучения позволили сделать окончательный выбор, о котором я ни разу не пожалел.
Самыми интересными были курсы, на которых  рассказывали про идейную часть машинного обучения. «Введение в машинное обучение» – обзорный курс про то, какие есть методы, где они применяются и их математическое обоснование.  «Методы оптимизации» – курс со сложными, но интересными практиками, на которых нам дали по полной прочувствовать минимизацию функций. Глубокое обучение – классный обзорный курс о существующих архитектурах нейросетей с великолепными математически строгими обоснованиями корректности.

Мы в социальных сетях