Для абитуриентов и студентов

Для абитуриентов и студентов

Видео-конференция кафедры 804 (30.11.20)

Видео - презентация кафедры 804 (2020 г.)

Видео-конференция кафедры 804 (02.08.2021)

В 2019 учебном году на кафедре 804 под эгидой IT-центра МАИ открылась новая магистерская программа "Компьютерное моделирование и оптимизация информационных систем".

На кафедре ежегодно набирается четыре группы студентов: две группы бакалавров по направлениям 01.03.04 Прикладная математика и 01.03.02 Прикладная математика и информатика соответственно, и две группы магистров по направлениям 01.04.04 Прикладная математика, профиль подготовки "Статистический анализ и оптимизация сложных технических и экономических систем" и 01.04.02 Прикладная математика и информатика, профиль подготовки "Компьютерное моделирование в технических и информационных системах".

Магистратура 01.04.04 Компьютерное моделирование и оптимизация информационных систем каф. 804

Чему обучают по данной программе?

Целью программы является удовлетворение запросов крупных госкомпаний и коммерческих структур в специалистах по анализу, обработке и передаче данных, владеющих современными методами компьютерного моделирования, статистической обработки данных и компьютерного зрения.

В рамках программы обучают:

• Методам компьютерного моделирования информационных систем, в том числе систем передачи данных;
• Применению современных методов машинного обучения и искусственного интеллекта в задачах анализа и обработки данных;
• Методам разработки адаптивных систем дистанционного обучения и средств поддержки их функционирования;
• Применению и разработке современных средств компьютерного зрения, анализа и обработки изображений.

Каким профессиональным навыкам и знаниям обучают по данной программе?

Выпускник программы способен работать в качестве IT-специалиста в аналитических и IT центрах предприятий в сфере телекоммуникации, обработки и передачи данных, в компаниях, работающих в области интернет-технологий, облачных технологий, разработчиками и администраторами систем дистанционного обучения. Основными компетенциями выпускника являются умения и навыки анализа, обработки и передачи данных, способности разрабатывать и администрировать облачные сервисы и системы дистанционного обучения.

Среди основных навыков и умений выпускников программы следует отметить:

• Умение строить компьютерные и имитационные модели информационных систем;
• Умение применять современные программные технологии и методы искусственного интеллекта в задачах анализа данных и обработки изображений;
• Умение моделировать и оптимизировать работу систем передачи данных;
• Умение разрабатывать и администрировать адаптивные системы дистанционного обучения.

В чем заключается особенность данной программы?

Прикладными областями для работы выпускников являются: разработка и интеллектуальная адаптация систем дистанционного обучения, разработка, анализ и оптимизация систем телекоммуникации, анализ и обработка изображений. Подготовка данных специалистов осуществляется в партнерстве с академическими институтами и IT-компаниями, занимающимися проблемами анализа, обработки и передачи данных, компьютерного зрения, распознавания образов и предоставления услуг дистанционного обучения. К особенностям программы следует отнести интенсивное изучение современных программных комплексов и средств компьютерного моделирования и обработки данных, а также практическую направленность изучаемого материала на решение прикладных задач в области передачи и анализа данных, компьютерного зрения и обработки изображений, разработки и поддержки функционирования современных систем дистанционного обучения.

Какие дисциплины входят в план обучения?

• Web- технологии разработки прикладных программных систем -рассматривается применение Web-приложений для разработки программных сред и средств компьютерного моделирования и оптимизации информационных систем
• Статистическое и имитационное моделирование на ЭВМ–обсуждаются современные методы и программные средства компьютерного моделирования систем с учетом влияния на них случайных факторов
• Стохастические модели процессов втелекоммуникационных сетях - обсуждается круг вопросов, связанных с моделированием и оптимизацией систем передачи данных с использованием теории случайных процессов и стохастической оптимизации. Изучается современное прикладное программное обеспечение.
• Системы массового обслуживания – исследуются математические модели функционирования прикладных систем массового обслуживания, обсуждаются также теоретические аспекты современной теории массового обслуживания.
• Статистический анализ и обработка данных - рассматриваются методы математической статистики и машинного обучения в применении к обработке данных, разработке на их основе математических и компьютерных моделей исследуемых систем. Рассматриваются прикладные задачи прогнозирования поведения системы, оценки рисков, связанных с их функционированием.
• Вейвлет-анализ в задачах анализа иобработки изображений- рассматривается приложения вейвлетов к задачам обработки изображений и машинного обучения. Задания выполняются с использованием библиотек языка Python с помощью блокнотов Jupyter, специально разработанных для данного спецкурса и реализующих некоторые функции электронного учебника. Изучаются библиотеки NumPy, Pandas, Matplotlib, SciPy, Scikit-Learn, PyWavelets, а также библиотека обучения глубоких нейронных сетей TensorFlow.
• Методы и алгоритмы компьютерного зрения- рассматриваются методы обработки изображений, проективной геометрии, алгоритмы трехмерной реконструкции сцены по нескольким изображениям. Кроме того, рассматривается применение методов машинного обучения к задачам поиска и классификации объектов на изображении.
• Программные технологии построения управляющих оболочек систем дистанционного обучения – рассматриваются принципы построения архитектуры современных систем дистанционного обучения, применяемые программные средства и технологии их разработки.
• Технологии искусственного интеллекта в задачах создания адаптивных систем дистанционного обучения– рассматриваются математические методы поддержки функционирования и адаптации систем дистанционного обучения за счет изменения и оценки параметров системы (уровня сложности заданий, уровня знаний обучаемых и т.д.) на основе обработки информации о работе пользователей. Решаются вопросы проверки аутентичности ответов пользователей, формирования их индивидуальных траекторий обучения.

Материально-техническая база. На чем учат магистрантов?

Практические и лабораторные занятий проводятся в современных оборудованных компьютерных классах. Для проведения отдельных занятий обеспечивается доступ к оборудованию и базам данных партнеров. Экспериментальная и исследовательская часть программы реализуется в партнерских организациях, в т.ч. в академических институтах РАН и отраслевых НИИ

Кто обучает магистрантов?

• Наумов Андрей Викторович, д.ф.-м.н., профессор каф. «Теория вероятностей и компьютерное моделирование», зав. лабораторией «Дистанционное обучение» кафедры 804 Института №8 МАИ
• Борисов Андрей Викторович, д.ф.-м.н., главный научный сотрудник отделения «Стохастические и интеллектуальные методы и средства моделирования и построения систем с интенсивным использованием данных», ФИЦ ИУ РАН
• Битюков Юрий Иванович, д.т.н., профессор каф. «Теория вероятностей и компьютерное моделирование»
• Вишняков Борис Ваисович, к.ф.-м.н., Начальник лаборатории анализа динамических сценФГУП «Государственный научно-исследовательский институт авиационных систем»
• Джумурат Александр Степанович, главный аналитик ООО "Фанкорп медиа"

Где работают выпускники?

Выпускники трудоустраиваются на предприятия IT-партнеров магистерской программы.

• ФГУП «ГосНИИАС»;
• Федеральное государственное учреждение "Федеральный исследовательский центр "Информатика и управление" Российской академии наук"
• Операторы сотовой связи
• Центры предоставления услуг дистанционного обучения и облачных сервисов
• Отделы анализа и обработки данных компаний российского бизнеса

Контактное лицо

IT-центр МАИ, руководитель программы Наумов Андрей Викторович -naumovav@mail.ru

Магистратура 01.04.04 Математическая экономика каф. 804

Чему обучают по данной программе?

- Разработка математических моделей сложных технических и экономических систем;

- Методы анализа и синтеза оптимальных стратегий в указанных моделях;

- Вероятностный анализ систем;

- Исследование моделей страховой математики;

- Методы анализа финансовых данных;

- Обработка статистической информации о функционировании систем;

- Построение оптимальных стратегий в задачах вероятностной оптимизации;

- Стратегии формирования оптимального портфеля ценных бумаг;

- Методы анализа производных ценных бумаг.

Каким профессиональным навыкам и знаниям обучают по данной программе?

- Умение строить математическое моделирование экономических и технических систем;

- Навыки оптимизация и анализ указанных систем;

- Умение применять методы обработки статистической информации;

- Построение математических моделей с учетом влияния случайных факторов;

- Умение использовать современные вычислительные комплексы и пакеты прикладных программ для решения прикладных задач.

В чем заключается особенность данной программы?

- Занятия ведут выпускники программы, которые успешно работают по специальности;

- Возможность в ходе обучения принимать участие в работе по грантам и практическим проектам с промышленными партнерами кафедры;

- Практическая ориентация выпускных квалификационных работ.

Какие дисциплины входят в план обучения?

- Принципы построения математических моделей — обсуждается круг вопросов связанный с методами построения математических моделей различных систем с учетом влияния случайных факторов, а также методы статистического моделирования.

- Web- технологии разработки прикладных программных систем — рассматривается применение Web-приложений для разработки программных сред и средств моделирования и оптимизации технических и экономических систем

- Введение в финансовую математику — рассматриваются цели и инструменты финансовой математики, приводятся типы ценных бумаг и фондовых рынков, излагается теория и практика их функционирования.

- Управление портфелем ценных бумаг — рассматривается задача оценки доходности активов. Рассматриваются различные стратегии управления портфелем ценных бумаг. Изучаются различные критерии оптимальности. Исследуется влияние ребалансировок на стратегии инвестирования.

- Статистический анализ больших данных — рассматриваются методы улучшения качества работы с данными, основы архитектуры хранения и обработки больших данных. Также рассматриваются вопросы A/B тестирования: изучим основные понятия математической статистики, необходимые для улучшения моделей, научимся правильно проводить A/B тестирование, чтобы достоверно измерять влияние внедрения моделей на продукт и бизнес.

- Современные методы теории дискретной оптимизации в задачах логистики — рассматриваются современные методы оптимизации дискретных систем основанные на теории графов, линейном и стохастическом программировании применительно к транспортным задачам и задачам логистики

- Двухэтапные и многоэтапные задачи математической экономики — рассматриваются иерархические модели принятия решений в задачах оптимизации экономических систем, размещения предприятий, формирования бюджета, выработки стратегий развития экономических субъектов.

- Математическая теория страхования —рассматриваются математические модели, лежащие в основе страхования жизни и пенсионных схем, а также способы построения страхового бизнеса.

- Методы искусственного интеллекта в задачах математической экономики: классическая математическая экономика, основанная на теории оптимизации, теории игр и стохастических процессов, может быть существенно дополнена последними достижениями машинного обучения и методами искусственного интеллекта. Курс посвящен методам глубинного обучения и их применению для решения задач математической экономики и математического менеджмента.

- Методы машинного обучения — рассматриваются теоретические основы и основные принципы машинного обучения, основные классы моделей (линейные, логические, нейросетевые), метрики качества и подходы к подготовке данных.Особое внимание в курсе уделяется вопросам предобработки и подготовки данных, генерации и селекции признаков, разведочному анализу данных.

Кто обучает магистрантов?

Кибзун Андрей Иванович, д.ф.-м.н., профессор, зав. кафедрой "Теория вероятностей и компьютерное моделирование" МАИ;

Хаметов Владимир Минирович, д.ф.-м.н., профессор, Департамент прикладной математики МИЭМ НИУ Высшая Школа Экономики;

Мирошкин Владимир Львович, к.ф.-м.н., начальник отдела управления фундаментальными и поисковыми исследованиями проектного комплекса

"Фундаментальные и поисковые исследования" ФГБУ "НИЦ "Институт имени Н.Е. Жуковского".

Соболь Виталий Романович, к.ф.-м.н., доцент, рейтинговое агентство АО «Эксперт РА», директор отдела валидации

Иванов Сергей Валерьевич, д.ф.-м.н., доцент кафедры 804 МАИ

Где работают выпускники?

Выпускники успешно работают в аналитических центрах предприятий в банковской сфере, в сфере управления финансами, логистических отделах крупных предприятий в различных отраслях промышленности. Основные работодатели:

• ФГУП «ГосНИИАС»;
• Концерн ВКО «Алмаз-Антей»;
• ООО «Даичи» — официальный дистрибьютор кондиционеров DAIKIN
• ТинькоффБанк;
• ПАО Сбербанк.
  

Предлагаем Вашему вниманию наборы основных курсов, читаемые в каждой из групп 804 кафедры:

Предлагаем Вашему вниманию некоторые презентации защит выпускных квалификационных работ бакалавров и магистерских диссертаций.
Бакалавры.

1. Тарасов А.Н. Стохастическая модель функционирования системы закупки электроэнергии на участке РЖД. (https://goo.gl/oCJokq) Руководитель: д.ф.-м.н., профессор Кибзун А.И.
2. Женевская И.Д. Метод декомпозиции для решения двухэтапных задач квантильной оптимизации.( https://goo.gl/zhCsR4) Руководитель: д.ф.-м.н., профессор Наумов А.В.
3. Иванова Ю.С. Аппроксимация вероятностных характеристик системы массового обслуживания в загруженном состоянии с использованием модели гамма-распределения. (https://goo.gl/QswNux) Руководитель: Д.ф.-м.н., профессор Семенихин К.В.
4. Мхитарян Г.А. Разработка инструмента формирования ограниченного по времени теста в системе дистанционного обучения. (https://goo.gl/ui42Ae) Руководитель: д.ф.-м.н., профессор Наумов А.В.
5. Пономаренко А.Н. Решение стохастической задачи размещения предприятий методом имитации отжига. (https://goo.gl/unZe4y) Руководитель: к.ф.-м.н., доцент, Иванов С.В.
6. Кускова Е.А. Мониторинг уровня надежности на Российском фондовом рынке. (https://goo.gl/uXfJXd) Руководитель: д.ф.-м.н., профессор Кан Ю.С.

Магистры.

1. Плешко Е.Г. Исследование многоэтапной задачи оптимизации поставок продукции. ( https://goo.gl/EoyN4Q ) Руководитель: к.ф.-м.н., доцент, Иванов С.В.
2. Жарков Е.А. Методика оценки уровня сложности тестов в системах дистанционного обучения. (https://goo.gl/yQBaL1 ) Руководитель: д.ф.-м.н., профессор Кибзун А.И.
3. Зайцева Е.П. Анализ управляемой марковской системы массового обслуживания с неоднородными требованиями. (https://goo.gl/8iL3iA) Руководитель: к.ф.-м.н., доцент, Иванов С.В.
4. Акмаева В.Н. Применение вейвлетов в системах автоматизированного проектирования. . (https://goo.gl/TpkdRk) Руководитель: д.ф.-м.н., профессор Битюков Ю.И.
5. Жданов С.В. Условно-минимаксная фильтрация положения маневрирующей цели. ( https://goo.gl/PcsKxQ) Руководитель: Д.ф.-м.н., профессор Семенихин К.В.

Предлагаем Вашему вниманию требования к оформлению выпускных квалификационных работ бакалавров и магистерских диссертаций.

Положение о выпускной квалификационной работе студентов – бакалавров факультета «Прикладная математика и физика». (https://goo.su/8oyR)