02.04.01 «МАТЕМАТИКА И КОМПЬЮТЕРНЫЕ НАУКИ»

Машинное обучение

Очная магистратура в онлайн‑формате

Научись создавать решения в области искусственного интеллекта
СТАРТ ОБУЧЕНИЯ — 01.09.2026
2 года обучения
Диплом государственного образца: очная форма
Гранты до 75%
На весь период обучения
Доступ к кампусу
И всей инфраструктуре ЦУ
Студенческие льготы
Включая отсрочку от армии
Онлайн-занятия
Учиться можно из любой точки мира
Семинарские группы
До 20 человек
Буткемпы в Москве
С оплатой проживания
Хочу начать карьеру в машинном обучении
Ищу понятную программу, которая даст сильный фундамент в машинном
обучении, научит современным инструментами технологиям поможет решать реальные задачи бизнеса
Уже работаю в сфере машинного обучения
Хочу структурировать опыт, усилить экспертизуи освоить инструменты, которые позволяютрешать более
сложные задачи в индустрии

Для кого эта
программа

01
Студенты старших курсов и выпускники
Ты учишься на 4‑м курсе или недавно окончил(а) бакалавриат и хочешь начать карьеру в машинном обучении.
Программа помогает выстроить фундамент
в математике, программировании и машинном обучении и получить первый практический опыт в реальных задачах
02
Специалисты из смежных
областей
Ты уже работаешь инженером, аналитиком, разработчиком или имеешь сильную техническую базу и хочешь перейти в машинное обучение.
Программа позволяет углубить знания в статистике и машинном обучении, а также научиться работать с вычислительной инфраструктурой, чтобы уверенно сменить карьерный трек
03
Начинающие специалисты в машинном обучении
Ты находишься в начале карьеры в сфере машинного обучения и хочешь выстроить прочную базу, закрыть пробелы в знаниях и понять, как применять машинное обучение на практике.
Программа поможет системно освоить ключевые концепции, разобраться в смежных направлениях и сформировать уверенный набор инструментов для работы в сфере
hat
Ожидания от уровня подготовки
У тебя есть или скоро будет диплом бакалавра
Знаешь математику
Владеешь Python и ключевыми библиотеками
Хочешь усердно работать и учиться не ради корочки

Преимущества программы

Соберешь сильное портфолио проектов по машинному обучению с реальными задачами компаний и прокачаешь фундамент, чтобы уверенно выходить на рынок как начинающий специалист
01
Освоишь программу, созданную совместно с рынком
Каждый год обновляем программу по реальным запросам компаний — от MLOps до генеративного ИИ. Ты изучишь то, что действительно востребовано прямо сейчас. Получишь сильный математический и аналитический фундамент: глубокое понимание алгоритмов обеспечивается курсами по статистике, математике и оптимизации
02
Научишься работать с современным стеком
Освоишь стек ML‑инженера: Python, фреймворки и библиотеки для ML (PyTorch, Hugging Face, Transformers, Optuna), инструменты для работы с данными и компьютерным зрением (OpenCV), а также MLOps‑практики (DVC, MLflow), CI/CD и инструменты для развертывания моделей (Docker, FastAPI)
03
Будешь учиться у экспертов из индустрии и науки
Занятия ведут практикующие эксперты и исследователи, которые работают в ИТ‑компаниях и научных центрах, — знания передаются из первых рук
04
Разовьешь гибкие навыки и продуктовое мышление
Курсы по гибким навыкам и продуктовому мышлению — от продуктового менеджмента до аналитики — помогают развить не только технические, но и ключевые навыки работы в команде: коммуникацию, взаимодействие и бизнес‑мышление

Обучение
в
гибридном
формате

01
Теория
Изучаешь теорию
в удобное тебе время
02
Практические занятия
Закрепляешь изученное на онлайн‑лекции с преподавателем
03
Семинары
На семинарах применяешь знания на практике, работая в мини‑группах
04
Самостоятельная работа
Решаешь домашние задания
05
Очные буткемы
Принимаешь участие в очном буткемпе. Мы оплатим проживание

Сравнение онлайн- и офлайн‑программы
«Машинное
обучение»

ОНЛАЙН
ОФЛАЙН
Обучение
Одинаковая академическая команда и программа курсов
Занятия
Обязательное посещение минимум 50%. Доступны записи занятий
Можно учиться из любой точки мира
Необходимо посещать кампус
Взаимодействие с преподавателями
Онлайн-коммуникация через чаты,
видеозвонки и внеучебные встречи онлайн
Личный доступ на лекциях
и внеучебных встречах
Развитие карьеры
Онлайн-встречи
с карьерными консультантами
Личные встречи
с карьерными консультантами
Карьерные ярмарки и рекрутинговые
мероприятия онлайн / в кампусе
Карьерные ярмарки
и рекрутинговые мероприятия в кампусе
Посещение кампуса
Доступ ко всем мероприятиям, кружкам и спортивному клубу
Буткемп в конце семестра 
с оплатой проживания в Москве
Буткемп в конце
каждого семестра
Кампус-отели
Не предоставляются
Доступны студентам
без постоянной регистрации в Москве

Программа обучения

Рекомендованная траектория прохождения курсов для формирования навыков и перехода в управление продукта
1-Й СЕМЕСТР
2-Й СЕМЕСТР
3-Й СЕМЕСТР
4-Й СЕМЕСТР
Математика в машинном обучении
ML в бизнесе
Основы статистики
SQL
Soft Skills Lab
Машинное обучение
ML System Design
Алгоритмы
Инженерия данных
Метрики бизнеса и продукта
Управление ML продуктами
AI Beyond Fit Predict
AI для менеджеров
Production ML
Deep Learning
Deep Learning Advanced
Временные ряды
Методы оптимизации
Визуализация
Онлайн-эксперименты
Переговоры
Лидерство
Публичные выступления
Обработка
естественного языка (NLP)
Компьютерное зрение (CV)
Рекомендательные системы
Безопасность систем ИИ
Разработка
интеллектуальных агентов
Речевые технологии
Major Core — дисциплины для формирования доменной экспертизы
Major Choice — дисциплины по выбору для углубления экспертизы
Flex — дисциплины по выбору для развития в смежных областях знаний
Soft — дисциплины для развития гибких навыков
Смотреть полную программуСмотреть полную программу

Карьерные
перспективы

Выпускники смогут построить карьеру в индустрии — от молодых компаний (стартапов) до крупных технологических компаний

Инженер по машинному обучению (ML-Engineer)

Разработка и оптимизация моделей машинного обучения

Специалист по анализу данных (Data scientist)

Анализ данных, прогнозирование и построение ИИ‑решений

Инженер по анализу изображений и видео (Computer Vision Engineer)

Работа с изображениями, видео и системами распознавания

Инженер по обработке естественного языка
(NLP Engineer)

Разработка моделей обработки естественного языка

Специалист по системам рекомендаций (Recommender
Systems Specialist)

Разработка и внедрение персонализированных решений

Продуктовый менеджер ИИ-продуктов
(AI Product Manager)

Управление разработкой и внедрением ИИ-решений в бизнесе

После обучения
ты сможешь
уверенно

01
Анализировать данные, чтобы строить качественные ML‑модели
  • Использовать Python на профессиональном уровне и применять Pandas, NumPy для анализа, очистки и трансформации данных
  • Разрабатывать и обучать модели машинного обучения для задач классификации, регрессии и кластеризации
  • Оптимизировать SQL‑запросы и проектировать схемы баз данных NoSQL для хранения и подготовки больших объемов информации
02
Разрабатывать ИИ‑решения для прикладных задач
  • Создавать решения в области компьютерного зрения, обработки текста и рекомендательных систем
  • Работать с современными нейросетевыми архитектурами и строить воспроизводимые ML‑пайплайны
  • Аргументированно выбирать модели и архитектуры на основе метрик качества, статистической значимости и бизнес‑целей
03
Оптимизировать и внедрять ML‑системы
  • Проектировать эффективные алгоритмы обучения моделей и ML‑пайплайны
  • Настраивать инфраструктуру ML‑разработки
с использованием Docker и Kubernetes, оптимизируя
вычисления и производительность моделей
  • Внедрять устойчивые ML‑системы по принципам MLOps, автоматизируя обучение, деплой и мониторинг моделей
Поступи с грантом до 75% в ЦУ
Подать заявкуПодать заявку

Команда
программы

Сергей Николенко

УЧЕНЫЙ. ПРЕПОДАВАТЕЛЬ
Опыт:Harbour Space University, ИТМО

Евгений Ильюшин

АКАДЕМИЧЕСКИЙ РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:Okko, Prado Group, Viasat Global, TrendMD, МГУ

Александр Дьяконов

РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:ВМК МГУ, Алгомост, Dasha.ai, Ozon

Александр Гущин

ИНДУСТРИАЛЬНЫЙ ЛИД НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:DVC.org, Mechanica AI, Яндекс, Авито

Андрей Кузнецов

РУКОВОДИТЕЛЬ КУРСА «MULTIMODAL GENERATIVE AI FOR PERCEPTION AND SYNTHESIS»
Опыт:Университет «Иннополис», AIRI, Сбер

Иван Стельмах

ДИРЕКТОР ПО ПРОДУКТУ
Опыт:Carnegie Mellon, Google, Яндекс

Профессиональное
сообщество

Александр Анохин

«Машинное обучение», 2 курс
ДостижениеПерешел от роли исполнителя исследовательских задач к позиции самостоятельного исследователя, формирующего исследовательскую повестку,
выбирающего направления работы и отвечающего за результат

Вадим Смирнов

«Машинное обучение», 2 курс
ДостижениеУстроился в AI Lab Сбера и работает над LightAutoM,
команда которого победила в Kaggle AutoML Grand Prix

Как поступить
на «Машинное

обучение»
в ЦУ?

Грантовый конкурс
Основной способ поступления. Переняли опыт ведущих ИТ-компаний и сделали максимально комфортным поступление для магистров
При успешном прохождении всех этапов отбора и зачислении предоставляется грант на обучение в размере
до 75% (до 1 350 000 руб.) от стоимости программы
Заполни заявку на сайте — после этого ты получишь доступ в личный кабинет абитуриента
В личном кабинете выбери программу и трек обучения, а также просим написать тебя:
МОТИВАЦИОННОЕ ПИСЬМО
РЕЗЮМЕ
  • Образование
  • Опыт
  • Навыки
  • Достижения
Контест проходит в онлайн-формате и состоит из двух предметов
Собеседование состоит из двух частей
ПРАКТИЧЕСКАЯ ЧАСТЬ
  • Математика
  • Программирование
ПРОВЕРКА ГИБКИХ НАВЫКОВ
  • Коммуникация
  • Решение конфликтных ситуаций
  • Умение обосновать мотивацию в выборе направления
05
Подай заявление на поступление через портал Госуслуг с 20 июня
06
Подпиши оригиналы документов на поступление до 24 августа

Даты
грантового

конкурса

Старт подачи заявок
13 апреля
У абитуриента есть возможность решить контест и поменять программу или трек 1 раз в течение волны. При этом собеседование можно пройти только 1 раз
ВОЛНА 1
13 апреля – 10 мая
ВОЛНА 2
11 мая – 7 июня
ВОЛНА 3
8 июня – 5 июля
ВОЛНА 4
6 июля – 2 августа
ВОЛНА 5
3 августа – 20 августа
Издание приказа о зачислении по всем программам
26 августа

Магистратура
в
ЦУ

10 000+
Заявок на поступление в 2025 году
600+
Студентов учатся у нас в магистратуре
200+
Опытных преподавателей из индустрии
Востребованные программы по ИТ‑профессиям
ОФЛАЙН ОНЛАЙН
Продуктовый менеджмент
Машинное обучение
ОФЛАЙН
Продуктовая аналитика
Бэкенд-разработка

Твои возможности
в
ЦУ

Регистрация на грантовый конкурс

Программа поддержки сильных и мотивированных абитуриентов, покрывающая до 75% стоимости обучения в Центральном университете

Ответы
на частые
вопросы

Да, если ты получаешь непрерывное образование и поступаешь в магистратуру в год окончания бакалавриата
Да, выпускники получат диплом государственного образца по специальности 02.04.01 «Математика и компьютерные науки» или по специальности 38.04.05 «Бизнес-информатика»
Изучи схему поступления и материалы для подготовки к отборочным испытаниям, а затем приступай к решению онлайн‑контеста.
Если не получилось набрать проходной балл с первого раза, пробуй решить контест вновь в следующей волне
Находимся в тесном контакте
с бизнесом и совместно разрабатываем учебные программы
Для студентов онлайн‑магистратуры места в кампус‑отелях не предусмотрены, так как формат обучения не предполагает
постоянного присутствия студента в Москве
Да, но все зависит от твоих индивидуальных особенностей. Учеба интенсивная, но идет только по вечерам в будни
(не каждый день) и в субботу.
При необходимости разрешаем растянуть прохождение курсов на 3 года. Открыты к обсуждению каждой ситуации индивидуально
Итоговая работа необходима, если хочешь получить диплом магистра. Это может быть личный проект или крупная задача с твоей работы, не только исследование
Нет, все по желанию
Да, есть. Примеры заданий контеста станут доступны после регистрации в личном кабинете абитуриента
Нет, максимальный размер гранта составляет 75%
Для общения абитуриентов и студентов мы организовываем дни открытых дверей, митапы и другие мероприятия. Следи за обновлениями на сайте и в наших социальных сетях
Напиши в наш Телеграм-бот
Буткемп — интенсивный краткосрочный курс обучения с полным погружением в практику, ориентированный на быстрое освоение конкретного навыка (чаще всего в IT)
Деплой — разговорная форма от Deploy; процесс переноса кода приложения в рабочую среду
Грейд — разговорная форма от Grade; уровень специалиста в компании по компетенциям и опыту
Грейдирование — разговорная форма от Grading; процесс присвоения сотруднику определённого грейда
Джун — разговорная форма от Junior; начинающий специалист
Инсайт — неочевидный, ценный вывод из данных, который меняет понимание проблемы или открывает новую возможность
Миддл — разговорная форма от Middle; специалист среднего уровня
Продакт-менеджер — сокращение от Product Manager; специалист, отвечающий за стратегию, развитие и жизненный цикл продукта
Стек — набор технологий, языков, фреймворков и инструментов, используемых для разработки проекта (например, стек frontend + backend + база данных)
Технологии кэширования — решения для временного хранения часто используемых данных в быстрой памяти (например, Redis, Memcached) для ускорения работы приложений
Ad-hoc — лат. «для этого случая»; решение, разработанное специально для одной задачи, без расчёта на повторное использование
Airflow — платформа для оркестрации и автоматизации рабочих процессов (пайплайнов), особенно ETL-задач
Apache Iceberg — формат таблиц для хранения больших данных в озёрах данных (data lakes), поддерживающий транзакции и эволюцию схемы
Bash — командная оболочка и язык скриптов в Unix-системах для автоматизации задач и управления системой
BI — Business Intelligence; набор инструментов и практик для сбора, анализа и визуализации данных с целью поддержки управленческих решений
CI/CD — Continuous Integration / Continuous Delivery (Deployment); автоматизированные процессы для интеграции, тестирования и доставки кода в продакшен
CI/CD-пайплайны — автоматизированные цепочки процессов для непрерывной интеграции (Continuous Integration) и непрерывной доставки/развертывания (Continuous Delivery/Deployment) кода
ClickHouse — высокопроизводительная колоночная СУБД для аналитики и обработки больших объёмов данных в реальном времени
Data Science — наука о данных; междисциплинарная область, объединяющая программирование, статистику, математику и машинное обучение для извлечения знаний из данных
Data Scientist — специалист по анализу и интерпретации сложных данных для решения бизнес-задач
DevOps-инструменты — набор программ и практик для автоматизации разработки, тестирования, развертывания и поддержки по (например, Git, Docker, Kubernetes, Jenkins)
Difference-in-Differences — метод эконометрического анализа для оценки эффекта вмешательства путём сравнения изменений во времени между контрольной и экспериментальной группами
Docker — платформа для контейнеризации приложений, позволяющая упаковывать код и зависимости в изолированные контейнеры
DVC — Data Version Control; система контроля версий данных и моделей машинного обучения
ETL-пайплайны — процессы Extract (извлечение), Transform (преобразование), Load (загрузка); последовательность шагов для переноса данных из источников в хранилище
Frontend — фронтенд: часть приложения или сайт, с которой взаимодействует пользователь (интерфейс, визуальная логика)
Git — система контроля версий для отслеживания изменений в коде и совместной разработки
Go — язык программирования от Google, ориентированный на производительность, простоту и работу с многопоточностью
Helicopter view — общее понимание ситуации; стратегический обзор; целостное видение без погружения в детали
Helm — инструмент для управления Kubernetes-приложениями через чарты (шаблоны развертывания)
Hugging Face — платформа для моделей искусственного интеллекта, особенно в области NLP (обработка естественного языка)
Java (Spring) — язык программирования Java с фреймворком Spring для создания корпоративных веб-приложений и микросервисов
Kafka — распределённая система обмена сообщениями для обработки потоковых данных в реальном времени
Kaggle AutoML Grand Prix — международный конкурс по автоматизированному машинному обучению на платформе Kaggle
Kotlin — современный язык программирования для JVM, часто используемый для разработки под Android и бэкенда
Kubernetes — система оркестрации контейнеров для автоматического развертывания, масштабирования и управления контейнеризированными приложениями
LightAutoML — библиотека для автоматизированного машинного обучения (AutoML)
ML — Machine Learning; методы, позволяющие моделям обучаться на данных и делать прогнозы
ML Researcher — исследователь в области машинного обучения, занимающийся разработкой и анализом новых моделей и алгоритмов
ML-пайплайны — последовательность шагов для преобразования сырых данных в готовую модель машинного обучения
MLOps — Machine Learning Operations; практики по автоматизации и управлению жизненным циклом моделей ML в продакшене
MLflow — платформа для управления жизненным циклом моделей машинного обучения (эксперименты, модели, развертывание)
Middle Research Scientist — исследователь среднего уровня, способный вести проекты и анализ с частичным руководством
MVP — Minimum Viable Product; минимально жизнеспособный продукт: первая версия продукта с  азовым функционалом, достаточным для проверки гипотез на рынке
NoSQL — тип баз данных без жёсткой табличной структуры, с гибкой схемой (например, MongoDB, Cassandra)
NumPy — библиотека Python для работы с многомерными массивами и математическими операциями
OpenCV — библиотека компьютерного зрения для обработки изображений и видео
Pandas — библиотека Python для обработки и анализа табличных данных
PhD — Doctor of Philosophy; высшая научная степень, подтверждающая способность к независимым исследованиям
Postgres — сокращение от PostgreSQL; мощная открытая реляционная СУБД с поддержкой сложных запросов, транзакций и расширений
Production ML — использование моделей машинного обучения в рабочей среде (продакшене), с обеспечением стабильности и масштабируемости
Propensity Score Matching — статистический метод оценки эффекта вмешательства путём сопоставления объектов с похожей вероятностью попадания в экспериментальную группу
Python — универсальный язык программирования, популярный в Data Science, веб-разработке, автоматизации и скриптах
QA-инженер — специалист по обеспечению качества (Quality Assurance), тестирующий по на ошибки и соответствие требованиям
R&D — Research and Development; научно-исследовательские и опытно-конструкторские работы (НИОКР) для создания инноваций
Regression Discontinuity Design — квазиэкспериментальный метод анализа, использующий пороговое значение для оценки причинно-следственного эффекта
Research Scientist — специалист, занимающийся фундаментальными или прикладными исследованиями, часто в научных или технологических компаниях
S3 — объектное хранилище (например, Amazon S3), используемое для надёжного и масштабируемого хранения больших объёмов данных
Soft skills — гибкие навыки: коммуникация, эмоциональный интеллект, работа в команде, управление временем и другие
Spark — фреймворк для распределённой обработки больших данных, поддерживает пакетную и потоковую аналитику
SQL — язык структурированных запросов для работы с реляционными базами данных (выборка, обновление, удаление данных)
Synthetic Control — метод оценки эффекта вмешательства путём построения «синтетической» контрольной группы как взвешенной комбинации похожих объектов
Test and Learn — подход, при котором решения проверяются на практике через эксперименты, после чего принимаются на основе полученных данных
Transformers — архитектура нейронных сетей, применяемая в NLP и других задачах; также — одноимённая библиотека от Hugging Face
PyTorch — библиотека для глубокого обучения, разработанная Facebook AI, популярна в исследованиях и разработке моделей

Мы здесь

  • Кампус
    Центрального
    университета
    г. Москва
    • Кампус
      ул. Гашека, д. 7 стр. 1, м. «Маяковская»
Приемная комиссия

Москва, ул. Гашека, д. 7, стр. 1
Чат с командой Центрального университета

ИИ в биотехе: день открытых дверей 30 мая