QAIRUМагистратураAI+X · научно-педагогическая

AI+X · научно-педагогическая магистратура

Подготовка научных и инженерных специалистов по разработке, внедрению и управлению системами ИИ — с исследовательской и педагогической практикой.

Код: 7M06101Срок: 2 годаОбъём: 120 кр.Траектории: 3

01 — О программе

Цель и концепция

Цель образовательной программы – подготовка высококвалифицированных научных и инженерных специалистов в области разработки, внедрения и управления системами искусственного интеллекта, анализа и обработки данных, а также интеллектуализации цифровых и промышленных систем.

Образовательная программа «7M06101 AI+X» направлена на подготовку специалистов в области разработки, внедрения и применения технологий искусственного интеллекта для решения сложных научных и прикладных задач в условиях цифровой и индустриальной трансформации.

Магистранты осваивают методы машинного обучения, инженерии данных, компьютерного зрения, архитектуры интеллектуальных систем, MLOps и построения цифровых инфраструктур.

Программа сочетает фундаментальную подготовку с практико-ориентированным и исследовательским обучением, ориентированным на решение реальных индустриальных задач.

Код и название	7M06101 AI+X (научно-педагогическая)
Область образования	7M06 — Информационно-коммуникационные технологии
Срок обучения	2 года · 6 триместров по 10 недель
Объём	120 академических кредитов
Уровень	7 по МСКО / НРК / ОРК
Степень	Магистр технических наук
Итоговая аттестация	Защита магистерской диссертации

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 дисциплины34 кредита

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 изучает теории обучения в высшей школе, дидактические модели, разработку образовательных программ, инструменты оценивания, цифровые образовательные технологии, академическую коммуникацию, формирование результатов обучения студентов, интерактивные методы преподавания, механизмы обеспечения качества образования

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

Дисциплина рассматривает этапы развития науки, методы научного познания, философские концепции, научные парадигмы, методологию исследований, этические вопросы науки, формирование научного мышления, анализ эволюции научного знания

Цель дисциплины – изучение методов обеспечения безопасности AI-систем и анализа рисков их применения. Рассматриваются adversarial attacks, AI governance, cybersecurity frameworks, data privacy, model robustness, explainable AI (XAI), threat modeling и соблюдение международных стандартов AI Ethics и Responsible AI.

Цель дисциплины – формирование компетенций управления AI-продуктами и реализации стратегий цифровой трансформации. Рассматриваются Agile, Scrum, Lean Startup, product discovery, roadmap planning, customer development, AI product lifecycle, цифровые платформы, change management и интеграция AI-решений в бизнес-процессы организаций.

Цель дисциплины – освоение подходов разработки цифровых продуктов с использованием генеративного AI. Рассматриваются large language models (LLM), prompt engineering, OpenAI API, LangChain, Retrieval-Augmented Generation (RAG), multimodal AI, генерация контента, прототипирование и внедрение AI-решений в бизнес-среду.

Дисциплины по выбору (траектории)30 кредитов

Industrial AIПромышленный искусственный интеллект 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.

Industrial AIЦифровые двойники и интеллектуальные инфраструктурные системыЦель дисциплины – изучение технологий цифровых двойников для интеллектуальных инфраструктурных систем. Рассматриваются simulation modeling, IoT integration, real-time monitoring, BIM/GIS integration, predictive analytics, виртуальные модели инженерных объектов и оптимизация сложных производственных и энергетических систем.

БАСИнтеллектуальные технологии управления беспилотными авиационными системамиДисциплина направлена на формирование теоретических знаний и практических компетенций в области интеллектуального управления беспилотными авиационными системами. Рассматриваются основы аэродинамики и динамики полета, навигационные технологии, планирование полетных миссий, алгоритмы автоматического и автономного управления, интеграция сенсорных систем, телекоммуникационные технологии, обеспечение безопасности эксплуатации, а также профессиональная подготовка операторов БПЛА. Особое внимание уделяется применению методов искусственного интеллекта при создании интеллектуальных систем управления.

Industrial AIИИ для управления и оптимизации производственных процессовЦель дисциплины – освоение методов применения искусственного интеллекта 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, CI/CD pipelines, микросервисная архитектура, мониторинг моделей, автоматизация deployment-процессов и сопровождение ML-систем на платформах AWS, Azure и Google Cloud.

БАСИскусственный интеллект и программирование автономных беспилотных системДисциплина посвящена современным методам разработки программного обеспечения для автономных беспилотных систем. Изучаются языки программирования Python и C++, робототехнические программные платформы (ROS2), программирование автопилотов, компьютерное зрение, машинное и глубокое обучение, автономная навигация, технологии SLAM, многоагентные интеллектуальные системы и методы генеративного искусственного интеллекта. Особое внимание уделяется разработке интеллектуальных алгоритмов управления и поддержки принятия решений для автономных беспилотных комплексов.

AI SystemsИнженерия данных для AI-системЦель дисциплины – формирование навыков построения инфраструктуры данных для AI-систем. Рассматриваются Apache Spark, Hadoop, Kafka, PostgreSQL, NoSQL, ETL/ELT pipelines, data lakes, data warehouses, потоковая обработка данных и интеграция распределённых данных для аналитических и интеллектуальных решений.

AI SystemsРаспределённые AI-системы и облачные вычисленияЦель дисциплины – изучение методов проектирования распределённых AI-систем и облачной AI-инфраструктуры. Рассматриваются distributed computing, Kubernetes clusters, GPU computing, Apache Spark, cloud-native architecture, AWS SageMaker, Azure ML, orchestration, масштабирование AI-сервисов и обеспечение устойчивой работы интеллектуальных систем.

БАСИнженерия и техническое сопровождение беспилотных авиационных платформДисциплина посвящена инженерным аспектам проектирования, интеграции, эксплуатации и технического сопровождения беспилотных авиационных платформ. Изучаются конструкция летательных аппаратов, электронные компоненты, системы управления полетом, энергетические установки, интеграция полезной нагрузки, методы диагностики технического состояния, техническое обслуживание, ремонт и модернизация беспилотных комплексов. Рассматриваются современные подходы цифровой инженерии и управления жизненным циклом авиационных систем.

Industrial AIПродвинутая промышленная аналитика и оптимизацияЦель дисциплины – углублённое изучение методов промышленной аналитики и оптимизации процессов. Рассматриваются advanced analytics, time-series analysis, predictive maintenance, optimization algorithms, Apache Spark, Power BI, Python-based analytics, цифровое моделирование и методы повышения эффективности производственных систем.

Industrial AIИскусственный интеллект в интеллектуальных энергосистемахЦель дисциплины – изучение применения AI в интеллектуальных энергетических системах. Рассматриваются smart grid technologies, energy forecasting, load balancing, predictive analytics, цифровые энергосистемы, IoT sensors, интеллектуальное управление энергоресурсами и оптимизация энергетической инфраструктуры.

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.

Industrial AIIoT и Edge AI в промышленностиЦель дисциплины – изучение применения IoT и Edge AI в промышленности. Рассматриваются edge computing, distributed sensors, MQTT, embedded AI, computer vision at the edge, real-time analytics, industrial IoT architectures и интеграция интеллектуальных устройств в производственные процессы.

AI SystemsПродвинутые методы машинного обучения для AI-системЦель дисциплины – углублённое изучение современных методов машинного обучения для сложных AI-систем. Рассматриваются deep learning, transformers, ensemble learning, reinforcement learning, TensorFlow, PyTorch, optimization algorithms, model evaluation 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.

AI SystemsПродвинутый MLOps и управление жизненным циклом AIЦель дисциплины – изучение продвинутых подходов MLOps и управления жизненным циклом AI-моделей. Рассматриваются ML pipelines, Kubeflow, MLflow, CI/CD for ML, monitoring, drift detection, automated retraining, governance и управление промышленной эксплуатацией интеллектуальных систем.

AI SystemsИнтеграция и внедрение AI-системЦель дисциплины – формирование навыков интеграции и внедрения AI-систем в корпоративную и промышленную среду. Рассматриваются API integration, FastAPI, Docker deployment, cloud deployment, testing frameworks, enterprise architecture, DevOps practices и эксплуатация AI-решений в production environments.

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.

Практика, исследовательская работа, итоговая аттестация56 кредитов

Дисциплина направлена на планирование образовательного процесса, проведение занятий, применение методов обучения, оценивание результатов обучения студентов, предоставление обратной связи, получение опыта в академической среде, развитие педагогических компетенций, использование современных образовательных технологий

Дисциплина направлена на формирование навыков проведения научных исследований, постановку исследовательских задач, анализ научной литературы, сбор данных, применение методов анализа, использование моделей, интерпретацию результатов, подготовку научных отчетов, представление результатов в академической среде, применение методологии научного исследования

Выполнение научно-исследовательской работы включает постановку исследовательских задач, анализ научной литературы, сбор и обработку данных, применение методов моделирования, проведение экспериментов, интерпретацию результатов, подготовку публикаций, прохождение научной стажировки, разработку магистерской диссертации, представление результатов в академической среде

Оформление результатов научного исследования в целостную логически выстроенную структуру, включающую систематизацию теоретических и эмпирических материалов, обоснование методологии, описание применённых методов и моделей, анализ и интерпретацию полученных результатов, формулирование выводов и рекомендаций. Подготовка магистерской диссертации в соответствии с академическими стандартами, включая оформление текста, таблиц, рисунков, ссылок и приложений. Разработка и представление научной презентации с чёткой аргументацией, визуализацией результатов и обоснованием научной новизны и практической значимости исследования.

04 — Результаты обучения

Что вы будете уметь

РО1Формировать стратегии развития организаций и сложных систем в условиях цифровой и индустриальной трансформации, применять методы системного анализа и моделирования, принимать решения на основе данных и управлять технологическими изменениями.
РО2Применять методы сбора, обработки, хранения и анализа данных, использовать аналитические инструменты и визуализацию для решения сложных технических и прикладных задач.
РО3Применять методы машинного обучения и искусственного интеллекта, проектировать, обучать и оптимизировать модели, оценивать их эффективность и использовать для решения прикладных задач.
РО4Проектировать архитектуру AI-систем, применять методы инженерии данных, разрабатывать масштабируемые и высоконагруженные интеллектуальные системы.
РО5Внедрять AI-модели в производственную среду, управлять их жизненным циклом, применять инструменты MLOps, осуществлять мониторинг и обеспечивать надежность моделей.
РО6Применять AI-технологии для оптимизации промышленных процессов, энергетических систем и интеллектуальной инфраструктуры, разрабатывать решения для повышения эффективности.
РО7Проектировать распределённые и облачные AI-системы, управлять инфраструктурой данных и реализовывать решения в высоконагруженных средах.
РО8Разрабатывать цифровые продукты на основе генеративного AI, определять функциональность, создавать прототипы и внедрять их в практику.
РО9Проводить научные исследования в области AI, анализировать результаты и внедрять их в научную и производственную практику.
РО10Применять методы программной инженерии, API-интеграции, DevOps и enterprise architecture при разработке и внедрении AI-систем в корпоративной и промышленной среде.
РО11Применять Agile, Scrum, Lean Startup и методы product management при разработке AI-продуктов, управлении инновациями и реализации стратегий цифровой трансформации.

05 — Карьера

Где работают выпускники

Область профессиональной деятельности выпускников включает организации, осуществляющие разработку и внедрение систем искусственного интеллекта, анализ и обработку данных, а также интеллектуализацию цифровых и промышленных систем.

Выпускники программы могут работать в IT-компаниях, центрах искусственного интеллекта и обработки данных, промышленных и энергетических предприятиях, телекоммуникационных организациях, государственном секторе, цифровых платформах и стартапах, а также в научно-исследовательских и образовательных учреждениях.

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 компанийСотрудник научно-исследовательских организацийПреподаватель высших учебных заведенийРуководитель 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.