ЮФУ в г. Ростове-на-Дону: проходной балл на программу "Фундаментальная информатика и технологии искусственного интеллекта"

Бюджет Платно

Статистика за год

Проходной балл
Проверить шансы

ЕГЭ (по приоритетам)

Математика 

Информатика 

Русский язык 

1 вариант

Детали

Город
Ростов-на-Дону
Язык
Русский
Уровень образования
Бакалавриат
Формат обучения
Форма обучения
Квалификация
Бакалавр

Когда проводится профилизация

Конкурс проводится сразу на программу по профилю (специализации)

О программе

Содержание программы построено вокруг синтеза глубокой фундаментальной математики и передовых методов машинного обучения. Обучение включает в себя изучение алгоритмов и структур данных, дискретной математики и математической логики, а затем переходит к таким сложным темам, как глубокое обучение, обработка естественного языка (NLP) и генеративные модели. Отдельное внимание уделяется инженерным аспектам, включая программирование на CUDA и построение визуально-языковых моделей, а также прикладным задачам — от графовых нейронных сетей до мультиагентных технологий. 

Подготовка также охватывает управление IT-проектами и понимание этических, юридических аспектов ИИ. Выпускник этой программы способен разрабатывать большие языковые модели (LLM), строить интеллектуальные рекомендательные системы и применять технологии ИИ в финансах, здравоохранении, науке и образовании, имея при этом прочную теоретическую базу для продолжения исследований.

Профессиональные дисциплины:

  • Основы программирования
  • Дискретная математика
  • Алгебра и геометрия
  • Непрерывная математика
  • Математическая логика
  • Теория автоматов и формальных языков
  • Математические основы защиты информации
  • Языки программирования
  • Парадигмы и технологии программирования
  • Теория алгоритмов / Алгоритмы на графах
  • Алгоритмы и структуры данных
  • Архитектура компьютера и операционные системы
  • Компьютерные сети
  • Основы работы с данными для ИИ
  • Управление ИТ-проектами
  • Технологии и фронтиры науки о данных
  • Прикладные графовые нейронные сети
  • Введение в исследовательские методы в ИИ
  • Этика и юридические аспекты ИИ
  • Методы оптимизации и математические основы машинного обучения
  • Прикладное машинное обучение
  • Глубокое обучение
  • Генеративные модели
  • Программирование на CUDA (трек ML Engineer)
  • Визуально-языковые модели (трек ML Engineer)
  • Современные подходы к построению интеллектуальных и рекомендательных систем
  • Агентные и мультиагентные технологии
  • Продвинутые кейсы ИИ: финансы, здравоохранение, образование, наука
  • Обработка естественного языка (NLP)
  • Большие языковые модели (LLM)
  • Экономика и право.