Искусственный интеллект и машинное обучение

в ИСП РАН · Москва

Год	БюджетПроходной балл на бюджетные места — сумма баллов последнего зачисленного в этом году.	ПлатноеПроходной балл на платные места в этом году.	Мест БЧисло бюджетных мест в этом году.	Мест ПЧисло платных мест в этом году.	Цена/год
2026 ориентир.	—	—	4	10	162 900 ₽

Аспиранты разрабатывают методы искусственного интеллекта и машинного обучения с акцентом на их алгоритмические и программные основания. Темами диссертаций могут быть анализ программного кода, интеллектуальная обработка данных, нейросетевые и вероятностные модели, обучение на ограниченных выборках, выявление аномалий, объяснимость и надёжность алгоритмов. Исследователь изучает статистику, оптимизацию, представление данных, проектирование эксперимента и метрики качества, создаёт программную реализацию и сравнивает её с базовыми методами на воспроизводимых наборах задач. ИСП РАН им. В. П. Иванникова специализируется на системном программировании, анализе кода и надёжности программных систем. В такой среде методы машинного обучения оцениваются не только по средней точности, но и по устойчивости, вычислительной стоимости, безопасности и возможности встроить модель в сложное ПО. Подготовка связана с реальной исследовательской разработкой: аспирант работает с кодом, экспериментальной инфраструктурой и требованиями к проверяемости результата. Программа подойдёт математикам и программистам, желающим создавать новые алгоритмы и исследовать их свойства. Особенно полезны знания алгоритмов, теории вероятностей и инженерии программного обеспечения. Степень кандидата физико-математических наук открывает путь к работе в академических и промышленных исследовательских группах, разработке инструментов анализа данных и интеллектуальных компонентов сложных систем. Она подтверждает умение отличать научную новизну от настройки готового решения и доказывать преимущества метода корректным экспериментом.

Направление «Искусственный интеллект и машинное обучение» в аспирантуре готовит исследователей и разработчиков, способных создавать и совершенствовать интеллектуальные системы. Обучение фокусируется на теоретических основах и прикладных аспектах ИИ, включая алгоритмы обучения, нейронные сети, обработку естественного языка и компьютерное зрение. Студенты изучают математические методы (статистика, оптимизация), программирование (Python, C++), работу с большими данными и распределёнными вычислениями. Ключевые дисциплины: глубокое обучение, вероятностные графические модели, обучение с подкреплением, обработка сигналов и байесовские методы. Выпускники получают навыки проектирования и реализации моделей машинного обучения, анализа данных, оценки и отладки систем ИИ, а также компетенции в научно-исследовательской деятельности и управлении проектами. Направление интересно своей междисциплинарностью и востребованностью в автоматизации, медицине, финансах, беспилотных технологиях и других сферах, где требуется интеллектуальная обработка данных.

Выпускники могут работать исследователями в области ИИ, инженерами машинного обучения, специалистами по глубокому обучению, аналитиками данных, разработчиками интеллектуальных систем. Карьерные перспективы включают должности в научно-исследовательских институтах (например, Институт искусственного интеллекта РАН), IT-компаниях (Яндекс, Сбер, VK), банках и финтехе, медицинских учреждениях, промышленных предприятиях. Рынок труда испытывает острый дефицит специалистов уровня PhD, что обеспечивает высокую востребованность и конкурентоспособную зарплату. Возможна академическая карьера (доцент, профессор) или работа в R&D-центрах крупных корпораций.