1.2.1. Искусственный интеллект и машинное обучение

Описание

Цель программы аспирантуры
Кадровое обеспечение науки и производства по совокупности проблем, связанных

-с исследованиями в области оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения, а также с исследованиями в области нейроморфных методов анализа данных, имитационным моделированием строения и функций мозга, в том числе – и с использованием методов машинного обучения;

-с разработкой методов, алгоритмов и создание систем искусственного интеллекта и машинного обучения, с методами и технологиями поиска, приобретения и использования знаний и закономерностей;

-с формализацией и постановкой задач управления и принятия решений на основе систем искусственного интеллекта и машинного обучения, с разработкой специализированного математического, алгоритмического и программного обеспечения систем искусственного интеллекта и машинного обучения;

-с методами и средствами формирования массивов данных и прецедентов, включая «большие данные»;

-с математическими исследованиями в областях, ориентированные на решение задач искусственного интеллекта и машинного обучения.

Направления исследований:
1. Естественно-научные основы и методы искусственного интеллекта. 2. Исследования в области оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения. Методики сравнения и выбора алгоритмических и программных решений при многих критериях. 3. Методы и алгоритмы моделирования мыслительных процессов: рассуждений, аргументации, распознавания и классификации, формирования понятий. Исследования в области нейроморфных методов анализа данных, имитационное моделирование строения и функций мозга, в том числе – и с использованием методов машинного обучения. Нейроинформатика и методы моделирования биологических нервных систем. 4. Разработка методов, алгоритмов и создание систем искусственного интеллекта и машинного обучения для обработки и анализа текстов на естественном языке, для изображений, речи, биомедицины и других специальных видов данных. 5. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в системах искусственного интеллекта. Исследования в области совместного применения методов машинного обучения и классического математического моделирования. Методы и средства использования экспертных знаний. 6. Формализация и постановка задач управления и (поддержки) принятия решений на основе систем искусственного интеллекта и машинного обучения. Разработка систем управления с использованием систем искусственного интеллекта и методов машинного обучения в том числе – управления роботами, автомобилями, БПЛА и т.п. 7. Разработка специализированного математического, алгоритмического и программного обеспечения систем искусственного интеллекта и машинного обучения. Методы и средства взаимодействия систем искусственного интеллекта с другими системами и человеком-оператором. 8. Многоагентные системы и распределенный ИИ. 9. Методы и средства использования для решения задач искусственного интеллекта и машинного обучения параллельных, квантовых вычислений и т.д. 10. Исследования в области этических проблем, связанных с созданием и внедрением ИИ-систем, включая моделирование ожидаемых социальных и экономических последствий. 11. Исследования в области «сильного ИИ», включая формирование понятийной базы и элементов математического формализма, необходимых для построения алгоритмического аппарата. 12. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д. 13. Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемно-ориентированные коллекции данных для важных прикладных областей. 14. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и машинного обучения. 15. Математические исследования в области статистики, логики, алгебры, топологии, анализа функции и других областях, ориентированные на решение задач искусственного интеллекта и машинного обучения. 16. Исследования в области специальных методов оптимизации, проблем сложность и элиминации перебора, снижения размерности. 17. Исследования в области многослойных алгоритмических конструкций, в том числе – многослойных нейросетей.

Условия поступления

Правила приема на 2025/26 учебный год (аспирантура)

Для поступления в аспирантуру СПбГМТУ поступающий должен пройти вступительные испытания по двум обязательным предметам:

1. Экзамен по специальности (в соответствии с выбранной научной специальностью)
2. Экзамен по иностранному языку

Вступительные испытания в Аспирантуру СПбГМТУ - 2025

Программы вступительных испытаний

Информация о порядке учета индивидуальных достижений

Репутация

В СПбГМТУ созданы все условия для развития научного и творческого потенциала обучающихся. Студенты имеют доступ к современным лабораториям и исследовательским центрам, оснащённым новейшим оборудованием, что позволяет им проводить передовые эксперименты и исследования. Преподаватели и научные руководители, являющиеся признанными экспертами в своих областях, активно поддерживают и направляют студентов, помогая им реализовать свои идеи и проекты. Обучающимся предоставляется широкий спектр грантов и стипендий, возможность участвовать в конкурсах молодых учёных. Регулярное участие в конференциях, семинарах и мастер-классах способствует развитию критического мышления и инновационного подхода к решению задач. В таких условиях студенты могут максимально раскрыть свой научный и творческий потенциал, достигая высоких результатов и внося значимый вклад в развитие науки и технологий.