• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

194100, Санкт-Петербург,
ул. Кантемировская д. 3, корп. 1, лит. А, каб.331
Тел. (812) 644-59-11 доб. 61578

Руководство
Заместитель декана по учебной работе Кузнецов Антон Михайлович
Заместитель декана по научной работе Жуков Алексей Евгеньевич
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
40/30/6
40 бюджетных мест
30 платных мест
6 платных мест для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Прикладной анализ данных и искусственный интеллект

4 года
Очная форма обучения
20/30/1
20 бюджетных мест
30 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Бакалаврская программа

Физика

4 года
Очная форма обучения
20/5/1
20 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

UX-аналитика и проектирование информационных систем

2 года
Очная форма обучения
22/10/1
22 бюджетных места
10 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Вычислительная биология и биоинформатика

2 года
Очная форма обучения
6/10
6 бюджетных мест
10 платных мест
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Машинное обучение и анализ данных

2 года
Очная форма обучения
22/15/1
22 бюджетных места
15 платных мест
1 платное место для иностранцев
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Программирование и анализ данных

2 года
Очная форма обучения
RUS+ENG
Обучение ведется на русском и частично на английском языке
Магистерская программа

Физика

2 года
Очная форма обучения
15/5
15 бюджетных мест
5 платных мест
RUS
Обучение ведётся полностью на русском языке
Статья
Динамика приспособления в сетевой игре со стохастическими параметрами

Волкова О. Н., Вологина Д. -., Королев А. В.

Математическая теория игр и ее приложения. 2022. Т. 14. № 1. С. 21-48.

Глава в книге
On Nash Equilibrium in Repeated Hierarchical Games

Pankratova Y., Petrosyan L.

In bk.: Stability and Control Processes: Proceedings of the 4th International Conference Dedicated to the Memory of Professor Vladimir Zubov. Springer, 2022. Ch. 65. P. 447-455.

Препринт
Do Data-based Curricula Work?

Сурков М. К., Мосин В. Д., Yamshchikov I. P.

arxiv.org. Computer Science. Cornell University, 2021

Знакомство с первокурсниками: магистрантка Алена Пестова

Среди студентов программы «Машинное обучение и анализ данных» – не только выпускники бакалавриата по математике и программированию, но и других – социальных и гуманитарных направлений. Например, Алена Пестова, магистратка 1 курса, окончила программу «Социология и социальная информатика» Питерской Вышки. Алена рассказала, какие онлайн-курсы помогут подготовиться к поступлению и к чему нужно быть готовым студентам, которые меняют направление обучения.

из личного архива Алены Пестовой

из личного архива Алены Пестовой

– Почему вы решили поменять свою специализацию и выбрали программу «Машинное обучение и анализ данных»?

 – Университет и город я менять не хотела – все уже знакомо, и в целом сама система Вышки мне нравится. Меня давно привлекал Data Science, и, еще учась в бакалавриате, я старалась брать курсы и проекты, которые будут хоть как-то связаны с этим направлением. А программа «Машинное обучение и анализ данных» – это отличный шанс погрузиться в эту сферу, имея возможность заполнить пробелы в своих знаниях и систематизировать имеющиеся. При этом для поступления не требовалось очень сильных знаний в математике и программировании, что как раз мне подходило. 

– Как вы готовились к поступлению? 

– Я проходила рекомендованные для подготовки курсы на Stepik и дополнительные на Coursera. На самом деле, экзамен и собеседование оказались не супер сложными, что не могу сказать об учебе. Если вы, как и я, не имеете сильного математического бэкграунда, надо быть готовым очень много и долго заниматься и иногда сталкиваться с тем, что каких-то знаний может просто не хватать. Хотя, в основном, на большинстве курсов такой проблемы нет, но выполнение домашних заданий все равно отнимает у меня почти все свободное время.

– Что вас больше всего привлекает в машинном обучении и анализе данных? Какими проектами, направлениями вы планируете углубленно заниматься в магистратуре? 

– Хотела бы заниматься проектами, связанными с Natural Language Processing, потому что эта сфера мне интересна, и я имею некоторый опыт в научных проектах по NLP. Моя дипломная работа была на тему измерения гендерной предвзятости некоторых таких моделей. И я также являюсь стажером в лаборатории ФКН Московской Вышки, которая занимается исследованиями в области NLP, где участвую в исследовательских проектах. 

В магистратуре я бы хотела продолжить развиваться в этой сфере, но для этого сначала хочу пройти основные курсы, чтобы восполнить базу по математике, программированию и машинному обучению, чем и буду заниматься в первом семестре.