QAIRUМагистратураAI+X · профильная

AI+X · профильная магистратура

Подготовка практико-ориентированных инженерных специалистов по разработке, внедрению и применению технологий ИИ в производственной и цифровой среде.

Код: 7M06102Срок: 1 годОбъём: 60 кр.Траектории: 3

01 — О программе

Цель и концепция

Цель образовательной программы – подготовка высококвалифицированных практико-ориентированных и инженерных специалистов в области разработки, внедрения и применения технологий искусственного интеллекта в производственной и цифровой среде, а также формирование компетенций по проектированию, интеграции и управлению AI-решениями для интеллектуализации цифровых и индустриальных систем.

Образовательная программа «7M06102 AI+X» направлена на подготовку практико-ориентированных и инженерных специалистов в области применения технологий искусственного интеллекта в промышленной и цифровой среде. Программа формирует компетенции в области машинного обучения, промышленной аналитики, инженерии данных, архитектуры AI-систем, MLOps, IoT и интеллектуальной инфраструктуры.

Обучение ориентировано на решение практических кейсов, разработку и внедрение AI-систем, а также применение интеллектуальных решений в условиях цифровой трансформации.

Выпускники программы смогут осуществлять профессиональную деятельность в промышленных предприятиях, IT-компаниях, организациях в сфере AI и Data Science, цифровых платформах и высокотехнологичных индустриях.

Код и название	7M06102 AI+X (профильная)
Область образования	7M06 — Информационно-коммуникационные технологии
Срок обучения	1 год · 3 триместра по 10 недель
Объём	60 академических кредитов
Уровень	7 по МСКО / НРК / ОРК
Степень	Магистр техники и технологий
Итоговая аттестация	Защита магистерского проекта

Условия поступления

02 — Траектории

Выберите направление специализации

Траектория 1

Industrial AI and Smart Systems

ИИ для промышленности и интеллектуальной инфраструктуры: предиктивная диагностика, цифровые двойники, IoT и Edge AI, оптимизация производственных и энергетических процессов.

Промышленный AI и предиктивная диагностика
Цифровые двойники
IoT и Edge AI в промышленности

Траектория 2

AI Systems Engineering and Security

Инженерия AI-систем: архитектура, MLOps, инженерия данных, распределённые и облачные системы, интеграция и внедрение, безопасность и анализ рисков.

Архитектура AI-систем и MLOps
Продвинутое машинное обучение
Интеграция и внедрение AI-систем

Траектория 3

AI for Unmanned Aerial Systems

ИИ для беспилотных авиационных систем: проектирование и программирование интеллектуальных БПЛА, компьютерное зрение, роевой интеллект и кибербезопасность.

Компьютерное зрение для БПЛА
Роевой интеллект и мультиагентные системы
Кибербезопасность БАС

03 — Учебный план

Из чего состоит программа

Нажмите на дисциплину, чтобы увидеть описание. Кредиты — академические; один кредит равен 30 академическим часам.

Обязательные дисциплины16 кредитов

Дисциплина рассматривает психологические факторы управления, лидерские стили, мотивационные модели, организационное поведение, стратегии принятия решений, межличностное взаимодействие, управление конфликтами, развитие эмоционального интеллекта, профессиональную коммуникацию, методы повышения эффективности управления, формирование организационной культуры

Дисциплина направлена на развитие профессионального иностранного языка, анализ научных текстов, академическое письмо, освоение терминологии, развитие профессиональной коммуникации, подготовку презентаций, понимание научных публикаций, эффективное взаимодействие в международной академической среде

Цель дисциплины – изучение методов обеспечения безопасности AI-систем и анализа рисков их применения. Рассматриваются adversarial attacks, AI governance, frameworks кибербезопасности, защита данных, устойчивость моделей, объяснимый AI (XAI), threat modeling и соблюдение международных стандартов AI Ethics и Responsible AI.

Цель дисциплины – изучение подходов разработки цифровых продуктов на основе генеративного AI. Рассматриваются большие языковые модели (LLM), проектирование запросов (prompt engineering), OpenAI API, LangChain, генерация с дополнением поиска (Retrieval-Augmented Generation – RAG), мультимодальный AI, генерация контента, прототипирование и внедрение AI-решений в цифровую и бизнес-среду.

Дисциплины по выбору (траектории)19 кредитов

Industrial AIAI для управления и оптимизации производственных процессовЦель дисциплины – освоение методов применения AI для управления и оптимизации производственных процессов. Рассматриваются SCADA-системы, Industrial IoT, reinforcement learning, predictive analytics, цифровое моделирование, TensorFlow, PyTorch, методы автоматизации, мониторинга и повышения эффективности производственных операций.

AI SystemsАрхитектура AI-систем и MLOpsЦель дисциплины – изучение принципов проектирования архитектуры AI-систем и применения MLOps-подходов в промышленной среде. Рассматриваются Docker, Kubernetes, MLflow, FastAPI, ML-конвейеры (ML pipelines), микросервисная архитектура, мониторинг моделей, автоматизация развертывания AI-решений и сопровождение AI-систем на платформах AWS, Azure и Google Cloud.

БАСПроектирование, управление и программирование интеллектуальных беспилотных авиационных системДисциплина направлена на изучение современных технологий проектирования, управления, программирования и эксплуатации интеллектуальных беспилотных авиационных систем. Рассматриваются архитектура беспилотных платформ, системы управления полетом, программирование автопилотов, навигация и планирование миссий, интеграция сенсоров и полезной нагрузки, методы технической диагностики и сопровождения, технологии компьютерного зрения, машинного обучения, автономной навигации, робототехнические платформы ROS2, PX4/ArduPilot и методы искусственного интеллекта для интеллектуального управления беспилотными системами.

Industrial AIПромышленный AI и предиктивная диагностикаЦель дисциплины – освоение AI-методов для предиктивной диагностики промышленного оборудования. Рассматриваются predictive maintenance, anomaly detection, sensor analytics, time-series forecasting, SCADA/IoT data processing, TensorFlow, PyTorch и методы повышения надежности производственных систем.

AI SystemsПродвинутые методы машинного обучения для AI-системЦель дисциплины – углубленное изучение современных методов машинного обучения для сложных AI-систем. Рассматриваются deep learning, transformers, ensemble learning, reinforcement learning, TensorFlow, PyTorch, алгоритмы оптимизации, оценка моделей и методы повышения качества интеллектуальных моделей.

БАСКомпьютерное зрение в беспилотных авиационных системахДисциплина направлена на изучение современных методов компьютерного зрения и обработки цифровых изображений в беспилотных авиационных системах. Рассматриваются алгоритмы обнаружения и распознавания объектов, сегментации изображений, видеоаналитики, фотограмметрии, обработки данных дистанционного зондирования, а также применение технологий глубокого обучения. Особое внимание уделяется использованию компьютерного зрения в задачах автономной навигации и интеллектуального управления БПЛА.

Industrial AIЦифровые двойники и интеллектуальные инфраструктурные системыЦель дисциплины – изучение технологий цифровых двойников для интеллектуальных инфраструктурных систем. Рассматриваются имитационное моделирование, IoT-интеграция, интеллектуальный мониторинг, BIM/GIS-платформы, обработка потоковых данных, прогнозная аналитика и моделирование сложных инфраструктурных и энергетических систем.

AI SystemsПродвинутый MLOps и управление жизненным циклом AIЦель дисциплины – изучение продвинутых подходов MLOps и управления жизненным циклом AI-моделей. Рассматриваются методы построения ML-конвейеров (ML pipelines), применение Kubeflow и MLflow, процессы CI/CD для моделей машинного обучения, управление версиями моделей, мониторинг и сопровождение AI-систем, обнаружение деградации моделей, автоматизированное переобучение и обеспечение воспроизводимости результатов.

БАСРоевой интеллект и мультиагентные системы для БПЛАДисциплина посвящена изучению принципов организации коллективного взаимодействия беспилотных авиационных систем. Рассматриваются алгоритмы роевого интеллекта, мультиагентные системы, кооперативная навигация, распределение задач между БПЛА, обмен информацией, коллективное принятие решений и применение методов искусственного интеллекта для управления группами автономных беспилотных платформ.

Industrial AIIoT и Edge AI в промышленностиЦель дисциплины – изучение применения технологий IoT и Edge AI в промышленной среде. Рассматриваются edge computing, распределенные сенсоры, протокол MQTT, embedded AI, компьютерное зрение на периферийных устройствах, аналитика в реальном времени, архитектуры industrial IoT и интеграция интеллектуальных устройств в производственные процессы.

AI SystemsИнтеграция и внедрение AI-системЦель дисциплины – формирование навыков интеграции и внедрения AI-систем в корпоративную и промышленную среду. Рассматриваются корпоративные архитектуры, API-взаимодействие, микросервисная интеграция, развертывание AI-решений на облачных платформах, тестирование, мониторинг и эксплуатация интеллектуальных систем в производственной среде.

БАСКибербезопасность беспилотных авиационных системДисциплина посвящена современным подходам к обеспечению информационной и кибербезопасности беспилотных авиационных систем. Изучаются защищенные коммуникационные протоколы, криптографические методы защиты данных, безопасность телеметрии и каналов управления, устойчивость навигационных систем к внешним воздействиям, методы обнаружения и предотвращения кибератак, а также применение технологий искусственного интеллекта для мониторинга и обеспечения киберустойчивости автономных платформ.

Практика, исследовательская работа, итоговая аттестация25 кредитов

Цель практики - формирование у магистрантов профессиональных навыков в конкретной производственной и IT среде. В ходе практики студенты приобретают опыт внедрения систем AI, работы с данными, выполнения проектов и применения интеллектуальных решений в деятельности организации.

04 — Результаты обучения

Что вы будете уметь

РО1Разрабатывать AI-решения для повышения эффективности организаций и производственных систем в условиях цифровой и индустриальной трансформации, применять методы системного анализа и принимать управленческие решения на основе данных.
РО2Применять методы сбора, хранения, обработки и анализа данных, использовать аналитические инструменты и технологии визуализации для решения сложных технических и прикладных задач.
РО3Применять методы машинного обучения и искусственного интеллекта, проектировать, обучать, тестировать и оптимизировать AI-модели, оценивать их эффективность и использовать для решения производственных задач.
РО4Проектировать архитектуру AI-систем, применять методы инженерии данных, разрабатывать высоконагруженные и масштабируемые интеллектуальные системы и интегрировать их в корпоративную инфраструктуру.
РО5Внедрять AI-модели в производственную среду, применять инструменты MLOps, управлять жизненным циклом моделей, осуществлять мониторинг и обеспечивать надежность интеллектуальных систем.
РО6Применять AI-технологии для оптимизации производственных процессов, энергетических систем, IoT-инфраструктуры и интеллектуальных производственных сред, разрабатывать эффективные цифровые решения.
РО7Проектировать распределённые и облачные AI-системы, управлять инфраструктурой данных и реализовывать интеллектуальные решения в высоконагруженных вычислительных средах.
РО8Разрабатывать цифровые продукты на основе генеративного AI, определять их функциональные возможности, создавать прототипы и внедрять AI-решения в практическую среду.
РО9Обеспечивать безопасность данных, оценивать риски, соблюдать требования кибербезопасности и обеспечивать устойчивость интеллектуальных систем при разработке и внедрении AI-решений.
РО10Проводить прикладные исследования в области бизнес-аналитики и искусственного интеллекта, анализировать и интерпретировать результаты, подготавливать аналитические отчеты и техническую документацию, осуществлять профессиональную коммуникацию и представлять результаты в профессиональной и международной среде.

05 — Карьера

Где работают выпускники

Область профессиональной деятельности выпускников включает организации, осуществляющие разработку и внедрение технологий искусственного интеллекта, анализ и обработку данных, интеллектуализацию цифровых и производственных систем, а также применение AI-решений в корпоративной и промышленной среде.

Выпускники программы могут осуществлять профессиональную деятельность в IT-компаниях, промышленных и энергетических предприятиях, телекоммуникационных организациях, цифровых платформах, организациях в сфере Smart Infrastructure и Industry 4.0, AI и Data Science центрах, а также в высокотехнологичных и инженерных компаниях.

Профессии из «Атласа новых профессий»: Технолог ИИ; Специалист оптимизации рабочих процессов.

Аналитик данныхИнженер данныхИнженер машинного обученияИнженер искусственного интеллектаАрхитектор AI-системMLOps-инженерСпециалист по компьютерному зрениюСпециалист по анализу и обработке данныхСпециалист по внедрению и сопровождению AI-системСпециалист по оптимизации производственных и цифровых процессовМенеджер AI-проектовЭксперт высокотехнологичных компанийРуководитель структурного подразделения и его заместитель

06 — Сроки приёма

Ближайшие потоки

Как поступить

Поток 1

Приём заявлений25 октября — 7 ноября
Зачисление9 ноября — 13 ноября
Начало обучения16 ноября

Поток 2

Приём заявлений20 ноября — 5 декабря
Зачисление7 декабря — 11 декабря
Начало обучения14 декабря

Поток 3

Приём заявлений20 января — 5 февраля
Зачисление8 февраля — 12 февраля
Начало обучения15 февраля

Готовы начать карьеру в области ИИ?

Оставьте заявку — приёмная комиссия поможет выбрать программу и поток.