В России завершился конкурсный отбор университетов, которые с 2025 по 2030 год будут готовить высококвалифицированных специалистов в области искусственного интеллекта (ИИ). Победители получат господдержку в рамках федерального проекта «Искусственный интеллект» нацпроекта «Экономика данных и цифровая трансформация государства».

Два уровня подготовки: Data Science и Top Data Science

Отбор вузов проходил по двум категориям:

• Data Science (ДС) — выпускники смогут работать с настройкой и дообучением существующих ИИ-моделей, а также решать прикладные задачи.
• Top Data Science (ТОП ДС) — специалисты этого уровня смогут участвовать в передовых исследованиях, разрабатывать новые методы обучения ИИ и создавать архитектуру моделей мирового уровня.

Вузы, вошедшие в программу Top Data Science

Среди победителей отбора на высший уровень подготовки — ведущие российские университеты:

• Национальный исследовательский университет «Высшая школа экономики»
• Национальный исследовательский университет ИТМО
• Университет Иннополис
• Московский физико-технический институт (МФТИ)
• Санкт-Петербургский государственный университет (СПбГУ)
• Южный федеральный университет (ЮФУ)

Набор студентов уже в этом году

Приём на программы бакалавриата по направлению ИИ стартует в 2024/2025 учебном году. К 2030 году планируется подготовить более 10 000 специалистов, включая выпускников магистратуры.

Этот шаг укрепит позиции России в гонке технологий и обеспечит страну квалифицированными кадрами в одной из самых перспективных сфер современности.

Пример учебной программы по направлению Data Science (на основе программ НИУ ВШЭ, МФТИ и других вузов)

1. Бакалавриат: «Data Science» (4 года)

Пример вуза: НИУ ВШЭ, МФТИ, Университет Иннополис.

Основные дисциплины:

• 1–2 курс (базовые модули):
  • Математика (линейная алгебра, математический анализ, теория вероятностей, статистика).
  • Основы программирования на Python и R.
  • Структуры и алгоритмы обработки данных.
  • Базы данных и SQL.
  • Введение в Data Science (обработка данных с использованием Pandas, NumPy, визуализация с Matplotlib/Seaborn) 15.
• 3–4 курс (профильные модули):
  • Машинное обучение (классификация, регрессия, ансамбли моделей).
  • Нейронные сети и глубокое обучение.
  • Big Data (Hadoop, Spark, распределённые вычисления).
  • Обработка естественного языка (NLP).
  • Компьютерное зрение (OpenCV, TensorFlow).
  • Эконометрика и анализ бизнес-данных.

Практика:

• Решение кейсов от индустриальных партнёров (например, Сбербанк, Яндекс).
• Хакатоны и исследовательские проекты.

Итоговая аттестация: Дипломный проект (разработка ML-модели или аналитической системы)