Чувашский государственный университет им. И.Н. Ульянова
Искусственный интеллект: нейросети и нейрочипы
Бакалавриат
Учебный план: что и когда изучают
4 года обучения · 240 зач. единиц · ≈ 8 640 академических часов
Бакалавриат по прикладной математике с уклоном в искусственный интеллект: программа строит мощный математический фундамент (анализ, алгебра, теория вероятностей, дифференциальные уравнения), а затем надстраивает машинное обучение, нейронные сети и работу с большими данными. Отличительная черта — курс о технологиях нейрочипов.
1–2 курс — математический фундамент и программирование
- Математический анализ — пределы, производные и интегралы — основа методов оптимизации в обучении моделей
- Аналитическая геометрия — геометрическая интуиция для работы с многомерными данными
- Линейная алгебра — данные и веса нейросетей хранятся как матрицы и векторы — основа машинного обучения
- Программирование в Python — Python — главный язык для анализа данных и искусственного интеллекта
- Введение в искусственный интеллект — раннее знакомство с предметной областью задаёт направление обучения
- Введение в дискретную математику — логика и комбинаторика нужны для построения алгоритмов
2–3 курс — вероятность, алгоритмы и данные
- Теория вероятностей и математическая статистика — статистика — теоретическая основа всех методов машинного обучения
- Алгоритмы и структуры данных — эффективная обработка данных критична для обучения на больших объёмах
- Базы данных — умение хранить и извлекать данные — обязательный навык для работы с ИИ
- Основы машинного обучения — базовые модели, на которых строится вся прикладная работа специалиста по ИИ
- Дифференциальные уравнения — описывают динамику процессов и используются в моделировании
- Язык программирования С++ — высокопроизводительный код для ресурсоёмких вычислений
3 курс — оптимизация и нейросети
- Численные методы — приближённые вычисления лежат в основе обучения моделей на компьютере
- Методы оптимизации — обучение нейросети — это поиск минимума функции потерь
- Интеллектуальный анализ данных и импульсные нейронные сети — продвинутые методы извлечения закономерностей из данных
- Функциональный анализ — теоретическая база для понимания пространств функций и сходимости методов
- Технологии нейрочипов и их применение — аппаратное ускорение нейросетей — отличительная специализация программы
- Язык SQL в СУБД — работа с реляционными данными — повседневная задача аналитика
4 курс — большие данные и прикладной ИИ
- Анализ больших данных — масштабная обработка данных — ключевая компетенция в индустрии ИИ
- Теория случайных процессов — моделирование систем, меняющихся во времени, в том числе нейросетей
- Основы искусственного интеллекта и теория принятия решений — завершающий курс, связывающий методы ИИ с практическими решениями
- Информационная безопасность — защита данных и моделей — растущее требование к ИИ-системам
- Практикум по машинному обучению — закрепление теории на реальных задачах перед выпуском
- Введение в робототехнику — применение интеллектуальных алгоритмов в управлении устройствами
Часы и практика
Практика — 15 зач. единиц (540 ч). учебная практика на 4 и 6 семестрах, производственная (научно-исследовательская работа) — на 7 и 8 семестрах
Логика и нестыковки
- ✅✅ Сильный математический фундамент: математический анализ растянут на 3 семестра (14 з.е., 504 часа), линейная алгебра, теория вероятностей и методы оптимизации — всё, что нужно для глубокого понимания машинного обучения.
- ✅✅ Основы машинного обучения (4 семестр) идут уже после линейной алгебры и теории вероятностей — корректная последовательность, а не «нейросети до математики».
- ℹ️ℹ️ Уникальный курс «Технологии нейрочипов и их применение» (7 семестр) — редкий уклон в аппаратную сторону искусственного интеллекта.
- ⚠️⚠️ Практика всего 15 з.е. (540 часов) и преимущественно научно-исследовательская — производственного опыта в индустрии немного.
История проходных баллов
| Год | Бюджет (балл) | Платное (балл) | Бюджет. мест |
|---|---|---|---|
| 2025 | 207 | — | 25 |
Динамика проходного балла
25
Та же специальность в других вузах
01.03.02 · Прикладная математика и информатика
Математические методы генерации и анализа эффективного программного кода · Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)разборПрикладная математика и информатика (ФПМИ) · МФТИразборПрикладная математика и информатика · НИУ ВШЭразборНауки о данных · НИУ ВШЭразборПрикладная математика в инженерии · Национальный исследовательский Томский политехнический университетразборПрикладная математика и информатика · ИТМОразбор
Все учебные планы «Прикладная математика и информатика» →