Master of Science στην Προηγμένη Υπολογιστική Επιστήμη
The Skolkovo Institute of Science and Technology (Skoltech)
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
Moscow, Ρωσία
Γλώσσες
Αγγλικά
Μορφή μελέτης
Στην Πανεπιστημιούπολη
Διάρκεια
2 χρόνια
Βήμα
Πλήρης απασχόληση
Δίδακτρα
Ζητήστε πληροφορίες
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Ζητήστε πληροφορίες
* χωρίς δίδακτρα για τους υποψήφιους που περνούν τη διαδικασία επιλογής. Φοιτητικό πακέτο: μηνιαία υποτροφία 40000 RUB, ιατρική ασφάλιση
Υποτροφίες
Εξερευνήστε ευκαιρίες για υποτροφίες για να βοηθήσετε στη χρηματοδότηση των σπουδών σας
Εισαγωγή
Η σύγχρονη επιστήμη και η μηχανική βασίζονται κριτικά σε αποτελεσματικές και γρήγορες υπολογιστικές τεχνικές και μοντέλα. Το πρόγραμμα ACS επιτυγχάνει τη συνέργεια υπερσύγχρονων μεθόδων μαθηματικής μοντελοποίησης (αριθμητική ODE και PDE, στοχαστική μοντελοποίηση, μηχανική μάθηση και προσεγγίσεις που βασίζονται σε μεγάλα δεδομένα) και την εφαρμογή τους με σύγχρονες παράλληλες υπολογιστικές εγκαταστάσεις υψηλής απόδοσης εξοπλισμένες με ενημερωμένο λογισμικό. Το επιστημονικό έργο αιχμής MSc παγιώνει τις θεωρητικές γνώσεις που αποκτήθηκαν στα μαθήματα.
Το πρόγραμμα MSc είναι διάρκειας 2 ετών: το πρώτο έτος είναι να ενισχύσετε το θεωρητικό σας υπόβαθρο και το δεύτερο έτος είναι να επικεντρωθείτε στην έρευνα. Οι μαθητές έχουν την ελευθερία να επιλέξουν μαθήματα και εξωσχολικές δραστηριότητες για να διαμορφώσουν την ατομική τους τροχιά, να αποκτήσουν soft skills και να αποκτήσουν επιχειρηματικές δεξιότητες για να προετοιμαστούν για απασχόληση.
Διαλέξεις και πρακτικά μαθήματα πραγματοποιούνται από παγκοσμίου φήμης καθηγητές και ειδικούς. | Μεμονωμένες ερευνητικές εργασίες μαθητών που πραγματοποιήθηκαν στα εργαστήρια Skoltech. | Ένα καλοκαιρινό πρόγραμμα εμβάπτισης της βιομηχανίας 8 εβδομάδων σε κορυφαίες εταιρείες που μετατρέπει τη γνώση και τις δεξιότητες σε δράση. | Μαθήματα για την επιχειρηματικότητα και την καινοτομία που παρέχουν δεξιότητες, καθώς και γνώσεις, για την εμπορευματοποίηση ιδεών και ερευνητικών ευρημάτων. |
Ένας επιτυχημένος απόφοιτος του προγράμματος θα είναι ικανός:
- χειρισμός των διαθέσιμων πληροφοριών σχετικά με εργασίες του πραγματικού κόσμου και διαμόρφωσή τους σε μια μορφή αποτελεσματικά επιλύσιμων μαθηματικών μοντέλων
- ανάπτυξη νέων υπολογιστικών προσεγγίσεων και αλγορίθμων για προβλήματα έντασης δεδομένων
- χρησιμοποιώντας τεχνικές Υπολογιστών Υψηλής Απόδοσης σε Python και C/C++ για την ανάπτυξη και/ή τη βελτιστοποίηση μαζικά παράλληλων κωδίκων υπολογιστών
- αξιοποίηση σύγχρονων πλαισίων για οπτικοποίηση δεδομένων
<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111169_TSL_1139.jpg " alt=" 111169_TSL_1139.jpg " data-json=" {"author":"© ","author_url ":"","πηγή":""}" />
Στόχος και στόχοι
Κομμάτι Μαθηματικής Μοντελοποίησης και Προσομοίωσης Εντατικών Δεδομένων (DIMMS).
Αυτό το κομμάτι στοχεύει στην προώθηση μιας νέας γενιάς υπολογιστικών επιστημόνων και μηχανικών, ικανών να συνδυάσουν τις πρώτες αρχές και τις βασισμένες σε δεδομένα προσεγγίσεις στη μαθηματική μοντελοποίηση φυσικών, βιομηχανικών και κοινωνικών φαινομένων. Το πρόγραμμα σπουδών εξισορροπεί προσεκτικά την προηγμένη πληροφορική, τη μηχανική μάθηση και την υπολογιστική φυσική για την εφαρμογή μοντέλων μεγάλης κλίμακας σε σύγχρονα υπολογιστικά περιβάλλοντα.
Ένας επιτυχημένος απόφοιτος αυτού του κομματιού θα είναι σε θέση:
- Κατασκευάστε μαθηματικά μοντέλα βιομηχανικών διαδικασιών, φυσικών και κοινωνικών φαινομένων με βάση θεμελιώδεις αρχές και διαθέσιμα δεδομένα
- Συμβολή στην ανάπτυξη αποτελεσματικών αλγορίθμων και κωδίκων για υπολογιστικά απαιτητικές μοντελοποιήσεις και προσομοιώσεις με ένταση δεδομένων
- Εφαρμόστε σχετικές υπολογιστικές προσεγγίσεις, δομές δεδομένων, υλικό και λογισμικό σε πολύπλοκα προβλήματα του πραγματικού κόσμου.
Υπολογισμός Υψηλής Απόδοσης (HPC) και Παρακολούθηση Μεγάλων Δεδομένων
Ο σύγχρονος υπολογιστικός κόσμος είναι ουσιαστικά παράλληλος καθώς οι CPU και οι GPU περιέχουν πολλαπλούς πυρήνες. Τα σύνολα δεδομένων και τα υπολογιστικά προβλήματα καθίστανται αδύνατο να υποβληθούν σε επεξεργασία χρησιμοποιώντας έναν μόνο υπολογιστικό κόμβο.
Εκτός από την επιδίωξη ακαδημαϊκής σταδιοδρομίας, η HPC παρακολουθεί φοιτητές με γνώσεις σύγχρονων αρχιτεκτονικών υπολογιστών, προγραμματισμού, βελτιστοποίησης κώδικα και κατανεμημένης βαθιάς μάθησης, θα βρουν εύκολα θέσεις Επιστήμονα Δεδομένων, Μηχανικού Λογισμικού ή ειδικού πληροφορικής σε διάφορους κλάδους, όπως IT, Oil & Gas. Χρηματοοικονομική & Τραπεζική, Βιομηχανική Ε&Α, Μεταποίηση και άλλα.
Ένας επιτυχημένος απόφοιτος αυτού του κομματιού θα είναι σε θέση:
- Αντιμετωπίστε αποτελεσματικά τις σύγχρονες προκλήσεις του κόσμου των υπολογιστών χρησιμοποιώντας υπάρχοντα και υπερσύγχρονα πλαίσια HPC και Big Data σε μια ποικιλία εφαρμογών (βαθιά μάθηση, ανάλυση δεδομένων, μαθηματική μοντελοποίηση πολύπλοκων γεγονότων)
- Επίλυση μαθηματικών μοντέλων και εργασιών έντασης δεδομένων χρησιμοποιώντας παράλληλους υπολογιστές
- Αναπτύξτε και βελτιστοποιήστε μαζικά παράλληλους κωδικούς υπολογιστών
- Δημιουργήστε αποτελεσματικές υποδομές για συμπλέγματα HPC, Big Data και Data Centers
Δομή προγράμματος
Το 2ετές πρόγραμμα περιλαμβάνει υποχρεωτικά και προτεινόμενα μαθήματα επιλογής για τα πιο σημαντικά θέματα, ένα ευρύ σύνολο μαθημάτων επιλογής (ανάλογα με την έρευνα και τις επαγγελματικές ανάγκες του μαθητή), στοιχεία επιχειρηματικότητας και καινοτομίας, ερευνητική δραστηριότητα και 8 εβδομάδες βιομηχανίας βύθιση.
36 μονάδες υποχρεωτικά και προτεινόμενα μαθήματα επιλογής | 36 μονάδες Ερευνητική και μεταπτυχιακή εργασία | 24 μονάδες Μαθήματα επιλογής και εργασίες |
12 μονάδες Επιχειρηματικότητα και καινοτομία | 12 μονάδες Βιομηχανική εμβάπτιση |
Ερευνα
Οι μαθητές συμμετέχουν ενεργά σε ερευνητικές δραστηριότητες ξεκινώντας από το Τρίτο Τρίμηνο.
Κύριοι τομείς έρευνας:
- Μοντελοποίηση μαθηματικών και υπερυπολογιστών
- Big Data και κατανεμημένη βαθιά μάθηση
- Σύγχρονες αρχιτεκτονικές και τεχνολογίες υπολογιστών
- Αποτελεσματικοί Αριθμητικοί Αλγόριθμοι
- Μαλακή ύλη και στοχαστικές διεργασίες
- Φυσική για μηχανική μάθηση και μηχανική μάθηση για φυσική
- Φυσική για κοινωνικές επιστήμες
- Μαθηματική μοντελοποίηση πολύπλοκων φαινομένων μεγάλης κλίμακας (πλάσμα, πολυσυστατικά και πολυφασικά ρευστά και αέρια)
- Σχεδιασμός φαρμάκων και υπολογιστικός σχεδιασμός νέων φαρμακευτικών προϊόντων
- Ενισχυτική μάθηση για αναζήτηση στόχων, σχηματισμοί κοπαδιών
- Κατανεμημένες αναλύσεις γραφημάτων σε σύγχρονες αρχιτεκτονικές υπερυπολογιστών
- Μοντελοποίηση γεωμηχανικής για τη βιομηχανία πετρελαίου
- Οπτική Femtosecond
- Μοριακή μοντελοποίηση μεγάλης κλίμακας και βελτιστοποίηση ιδιοτήτων νέων χημικών
Ευκαιρίες και μονοπάτια καριέρας
Βιομηχανία
Θέσεις ειδικών προσγείωσης όπως Data Analyst, Data Scientist, Industrial Research Scientist, Consultant σε διάφορους κλάδους της βιομηχανίας (Χημική και Φαρμακευτική βιομηχανία, Oil & Gas, IT, Finance και άλλοι).
Επιστήμη
Προσγείωση Ph.D. θέσεις και συνεχής έρευνα σε κορυφαίους ρωσικούς και διεθνείς ερευνητικούς φορείς.
Ξεκίνα
Ξεκινώντας μια επιχείρηση μόνοι τους ή μέσω του οικοσυστήματος καινοτομίας Skolkovo με την εκτεταμένη ομάδα ειδικών, συμβούλων και επενδυτών.
Προυποθέσεις εισόδου
Πτυχίο ή ισοδύναμο πτυχίο στα Μαθηματικά, την Πληροφορική, τη Φυσική, τη Χημεία ή τη Μηχανική.
Γνώση και δεξιότητες:
Λογισμός, Διαφορικές Εξισώσεις, Γραμμική Άλγεβρα, Θεωρία Πιθανοτήτων και Μαθηματική Στατιστική, Αριθμητικές μέθοδοι.
Απαιτήσεις αγγλικής γλώσσας:
Εάν η εκπαίδευσή σας δεν έχει πραγματοποιηθεί στην αγγλική γλώσσα, θα πρέπει να αποδείξετε επαρκές επίπεδο επάρκειας στα αγγλικά.
Απαιτήσεις εφαρμογής
Η ηλεκτρονική εφαρμογή διευκολύνει τη διαδικασία για τους υποψήφιους φοιτητές. Σας συμβουλεύουμε να διαβάσετε προσεκτικά τις οδηγίες υποβολής αιτήσεων, τις απαιτήσεις και τις προθεσμίες για το επιλεγμένο ακαδημαϊκό πρόγραμμα.
Η αίτηση περιλαμβάνει τα ακόλουθα έγγραφα: βιογραφικό σημείωμα, δύο συστατικές επιστολές, έκθεση βαθμολογίας TOEFL/IELTS και επιστολή κινήτρων. Οι υποψήφιοι που δεν έχουν αποδεικτικά γνώσης αγγλικών μπορούν να λάβουν το TOEFL ITP κατά τη διάρκεια ενός Σαββατοκύριακου επιλογής στο Skoltech.
Διαδικασία επιλογής
- Ετοιμάστε το χαρτοφυλάκιό σας
Προετοιμάστε το ανταγωνιστικό υλικό της αίτησης επιλογής σας. - Υποβάλετε την αίτησή σας
Ανεβάστε το υλικό σας στο σύστημα εφαρμογής και υποβάλετε την αίτησή σας. - Διαδικτυακή δοκιμή
Κάθε υποψήφιος πρέπει να κάνει ένα διαδικτυακό τεστ προφίλ. Θα ειδοποιηθείτε μέσω email για τη συγκεκριμένη ημερομηνία και ώρα της δοκιμής σας. - Προσωπικές συνεντεύξεις (διαδικτυακά)
Το τελικό στάδιο επιλογής πραγματοποιείται στη Μόσχα. Πρέπει να περάσετε την εξέταση TOEFL ITP επιτόπου ή να προσκομίσετε έγκυρο πιστοποιητικό TOEFL και να περάσετε μια προσωπική συνέντευξη. Σε αυτό το διάστημα ενδέχεται να απαιτηθούν επιπλέον γραπτές εξετάσεις για ορισμένα προγράμματα (θα ειδοποιηθείτε εκ των προτέρων).
<img class=" image-element img-responsive " src=" https://keystoneacademic-res.cloudinary.com/image/upload/q_auto,f_auto,w_743,c_limit/element/11/111168_TSL_3334.jpg " alt=" 111168_TSL_3334.jpg " data-json=" {"author":"© ","author_url ":"","πηγή":""}" />
Τι λένε οι μαθητές μας
Dilyara Baymurzina
BSc, Ινστιτούτο Φυσικής και Τεχνολογίας της Μόσχας → MSc, Skoltech → Εργαστήριο νευρωνικών δικτύων και βαθιάς μάθησης, MIPT
"Στο πρόγραμμα ACS, σίγουρα έμαθα πολλές διαφορετικές εφαρμογές της γνώσης που συνήθως διδάσκονται μόνο θεωρητικά σε άλλα πανεπιστήμια. Πιστεύω ότι η φοίτηση σε ένα τόσο έντονο μεταπτυχιακό είναι πολύ πιο χρήσιμο για το μέλλον των φοιτητών από τη μελέτη ορισμένων θεωρητικών μαθημάτων και δουλεύουν παράλληλα».
Mahmud Allahverdiyev
Πτυχίο, Πανεπιστήμιο Qafqaz → MSc, Skoltech → Snowflake
"Κατά τη διάρκεια του μαθήματος HPC, κατανοήσαμε πλήρως τον τρόπο με τον οποίο αντιμετωπίζονται μεγάλες εφαρμογές Big Data & AI σε επιστημονικά και βιομηχανικά περιβάλλοντα. Οι ασκήσεις πρακτικής άσκησης σε πλαίσια όπως το OpenMP, MPI, CUDA θα σας βοηθήσουν ενώ συνεργαστείτε με συμπλέγματα HPC και υπερυπολογιστές για τα ερευνητικά σας έργα και την πιθανή μελλοντική σας σταδιοδρομία στην HPC. Εάν ενδιαφέρεστε ιδιαίτερα για τον παράλληλο προγραμματισμό, το HPC και τα κατανεμημένα συστήματα, μην χάσετε την ευκαιρία να δείτε το μάθημα."
Σχετικά με το Σχολείο
Ερωτήσεις
Παρόμοια Μαθήματα
Master of Science στη Λογισμικού και Μηχανικών Δεδομένων (MSDE)
- Lugano, Ελβετία
Μεταπτυχιακό στη Επιστήμη των Υπολογιστών (MSc) - Data Science & Analytics
- Paris, Γαλλία
MS στην Επιστήμη των Υπολογιστών
- Chicago, Ηνωμένες Πολιτείες