Современные технологии машинного обучения и их приложения

ПРЕПОДАВАТЕЛИ

• Ховричев Михаил Аркадьевич — ведущий исследователь-разработчик, АО «ТБанк»;
• Белозерова Анастасия Григорьевна — преподаватель направления «Искусственный интеллект», АНО ВО «Центральный университет»;
• Весельев Александр Николаевич — старший исследователь-разработчик T-Fusion, АО «ТБанк»;
• Евдокимов Максим Владиславович — старший исследователь-разработчик, АО «ТБанк»;
• Иванов Александр Владимирович — техлид компьютерного зрения OCR и обработки документов, АО «ТБанк»;
• Красильников Денис Ильич — старший исследователь-разработчик, АО «ТБанк»;
• Лашинин Олег Андреевич — ведущий исследователь-разработчик, АО «ТБанк»;
• Лунева Наталья Александровна — исследователь-разработчик платформы автоматизации саппорта, AO «ТБанк»;
• Малашенко Сергей Анатольевич — преподаватель направления «Искусственный интеллект», АНО ВО «Центральный университет»;
• Филиппова Ольга — руководитель курса «ML system design», АНО ВО «Центральный университет».

Учебно-методические материалы

– Bishop C.M. Pattern Recognition and Machine Learning / C.M. Bishop; Springer, 2006.
– Goodfellow I. Deep learning book / I. Goodfellow, Y. Bengio, A. Courville; Alanna Maldonado, 2023.
– Hastie T. Elements of statistical learning / T. Hastie, R. Tibshirani, J. Friedman; Springer, 2009.
– Manning C.D. Introduction to Information Retrieval / C.D. Manning, P. Raghavan, H. Schütze; Cambridge University Press, 2008.
– Николенко С. Глубокое обучение. Погружение в мир нейронных сетей / С. Николенко, А. Кадурин, Е. Архангельская. — Санкт-Петербург, 2020.
– Подборка блогов по машинному обучению.

Участники и порядок отбора

На программу приглашаются участники образовательных организаций высшего образования, осваивающие программы старших курсов бакалавриата и магистратуры, имеющие базовые знания основ фундаментальной математики, компьютерных наук, информационных технологий и инженерии.

Для освоения содержания дополнительной профессиональной программы слушатели должны владеть следующими знаниями и компетенциями:
● знание основ математики;
● знание основ машинного обучения;
● знание основ обработки естественного языка;
● знание основ компьютерного зрения;
● знание основ рекомендательных систем.

Форма вступительных испытаний (конкурсного отбора):
● выполнение технических требований: прохождение регистрации в заявочной системе Сириус. Онлайн и на сайте Т-Образования;
● мотивационное письмо с описанием целей и ожиданий относительно настоящей программы, а также с информацией о релевантном опыте участия в конкурсах и мероприятиях, связанных с тематикой CS и ML, DL;
● экзамен в форме решения одного кейса на выбор из областей ML (NLP, CV, RecSys) — по обработке естественного языка, по компьютерному зрению или по рекомендательным системам;
● прохождение технического онлайн-собеседования с командой преподавателей по результатам отборочных тестов.
Критерии экспертной оценки мотивационного письма (от 0 до 100 баллов):
● мотивационное письмо полностью отражает цели студента в изучении Machine Learning и содержит не более 3000 знаков (от 0 до 50 баллов);
● перечислены достижения: достижения в школьных и студенческих олимпиадах, соревнованиях по Machine Learning или программированию, хакатонах, ссылки на профиль github.com с реализованными проектами, ссылка на резюме с описанием опыта работы или стажировок, наличие научных публикаций, участие в учебных проектах, знание одного или нескольких языков программирования, волонтёрство и т.д. (от 0 до 20 баллов);
● наличие опыта работы или стажировок в области Machine Learning с описанием реализованных задач и зон ответственности, публикации в научных журналах (от 0 до 20 баллов);
● наличие освоенных курсов, дисциплин (модулей) в области Machine Learning (от 0 до 10 баллов).
Критерии оценки экзамена (от 0 до 100 баллов):
● продемонстрировано понимание задачи и уверенное использование базовых инструментов ML (30 баллов);
● модель, эффективно справляющаяся с поставленной задачей (30 баллов);
● понятный и чистый отчёт и код (20 баллов);
● выбор и релевантность методов, использованных для решения задачи (20 баллов).
Критерии оценки технического интервью (от 0 до 100 баллов):
● кандидат продемонстрировал теоретические и практические знания;
● умеет решать слабо формализованные задачи, уточнять требования, учитывать ограничения;
● кандидат может рассказать про кейс по решению задач машинного обучения из собственного опыта;
● кандидат работал с одним или несколькими языками программирования, может ответить на специфические вопросы;
● кандидат в полной мере изложил свои интересы, предпочтения и пожелания по развитию в сфере машинного обучения;
● учитывается опыт кандидата, в контексте конкретной секции;
● кандидат продемонстрировал развитые soft skills.

Собеседования проводятся экспертами Т-Банка.

Условия участия

Всем, кто прошёл конкурсный отбор и был приглашён на программу, необходимо предоставить справку с места обучения, взятую не ранее, чем за 3 месяца до начала образовательной программы.

Для участников предоставляется проживание и питание во время обучения на программе.

Проезд/перелёт на программу оплачивается участником самостоятельно или за счёт Университета, в котором он обучается.

Плата за обучение на программе не взимается.

К участию в программе допускаются только граждане РФ.
На программу не допускаются студенты, принимавшие ранее участие в других дополнительных образовательных программах Университета «Сириус» в 2025 году за счёт средств Университета «Сириус» более 2-х раз.

Приглашённые на программу студенты, не сообщившие о невозможности прибыть на программу, не будут допущены к отбору на следующие дополнительные образовательные программы за счёт средств Университета «Сириус».

Студенты, отчисленные с дополнительной профессиональной программы как не прошедшие успешно итоговую аттестацию, не будут допущены к отбору на следующие дополнительные образовательные программы за счёт средств Университета «Сириус».