Личный кабинетЛичный кабинет
02.04.01 «МАТЕМАТИКА И КОМПЬЮТЕРНЫЕ НАУКИ»

Машинное обучение

Научись создавать решения в области искусственного интеллекта
Подать заявкуПодать заявкуЗадать вопросЗадать вопрос
СТАРТ ОБУЧЕНИЯ — 01.09.2026
2 года обучения
Очная форма
Диплом гособразца
Удобное расписание
Гранты до 75%
Кампус в центре Москвы
индустриальный трекиндустриальный трек
Хочу начать карьеру в машинном обучении
Ищу понятную программу, которая даст сильный фундаментв машинном
обучении, научит современным инструментам и технологиям и поможет решать реальные задачи бизнеса
научный трекнаучный трек
Хочу развиваться
в науке и R&D
Хочу научиться проводить исследования, ставить экспериментыи работать
со сложными ML-моделями,
чтобы подготовиться к аспирантуре
и работе в передовых лабораториях

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
Специалисты в области машинного обучения
Ты уже занимаешься машинным обучением и хочешь углубить фундаментальные знания и освоить смежные направления — от production ML до аналитики данных.
Программа помогает структурировать знания, усилить теоретическую базу и расширить инструментарий для решения практических задач
hat
Ожидания от уровня подготовки
У тебя есть или скоро будет диплом бакалавра
Знаешь математику
Свободно 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 специалист по машинному обучению
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
Занятия ведут практикующие эксперты и исследователи, которые работают в ИТ‑компаниях и научных центрах, — знания передаются из первых рук. Наши студенты участвуют в реальных проектах, которые решают реальные задачи компаний
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
Совместный трек с Lamoda

Машинное обучение в электронной коммерции: совместно
с Lamoda.

Студенты получат:

  • Сильную базу в машинном обучении
  • Знания в работе с метриками
  • Навыки формулировать и проверять гипотезы
  • Навыки в принятии решений с учетом бизнес‑результата
  • Доступ к реальным кейсам и задачам компании: смогут
    поучаствовать в практико‑ориентированных занятиях
    и попасть на стажировку

В результате выпускники выходят с прикладным опытом
и портфолио из решенных бизнес‑задач.

На трек предусмотрен отдельный отбор:
дополнительное собеседование

Программа обучения

Major Core
Дисциплины для формирования доменной экспертизы
Основы Python
Machine Learning
Основы статистики
Deep Learning
Advanced Deep Learning
Основы промышленной разработки
Production ML
Computer Vision
Natural Language Processing
RecSys
Major Choice
Дисциплины по выбору для расширения профиля в смежных областях знаний
ML System Design
Временные ряды
Избранные темы исследований в ИИ
Методы оптимизации
Разработка интеллектуальных агентов
Безопасность систем ИИ
Байесовские статистические модели
Causal Inference
Современные методы и алгоритмы ИИ
Речевые технологии
SQL и базы данных
Математика в DS
Алгоритмы
Flex
Дисциплины по выбору для расширения профиля в смежных областях знаний
Продуктовые курсы
Продуктовая студия
Генерация и валидация гипотез
Метрики бизнеса и продукта
Курсы других направлений
Технологическое предпринимательство
Инженерия данных
Управление ML-продуктами
AI-beyond-fit
Soft
Дисциплины для развития гибких навыков
Soft Skills Lab
Лидерство и управление
Гоголь Школа
Переговоры
Публичные выступления
Управление командой разработки
Смотреть полную программуСмотреть полную программу

Пример расписания

Понедельник
Вторник
Среда
Четверг
Пятница
Суббота
Воскресенье
19:00 – 20:20
Математика в DS
20:35 – 21:55
Математика в DS
19:00 – 20:20
Основы статистики
20:35 – 21:55
SQL и базы данных
19:00 – 20:20
Machine Learning
20:35 – 21:55
Machine Learning
19:00 – 20:20
Основы статистики
20:35 – 21:55
SQL и базы данных
11:30 – 12:50
Machine Learning
13:00 – 17:20
Soft Skills Lab
  • с 13 сентября
  • один раз в 2 недели
Гоголь школа
  • с 6 сентября
  • один раз в 2 недели
  • Лекции
  • Семинары
  • Занятия с партнерами ЦУ

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

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
Все преподавателиВсе преподаватели

Кейсы
 студентов

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 нескольких блоков:
МАТЕМАТИКА
Материалы для подготовки
ПРОГРАММИРОВАНИЕ
Материалы для подготовки
Собеседование состоит из двух частей
ПРАКТИЧЕСКАЯ ЧАСТЬ
  • Математика
  • Программирование
ПРОВЕРКА СОФТОВ
  • 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
Если не сможешь пройти контест с первой попытки, можно попробовать еще раз в следующей волне. При этом собеседование можно пройти только один раз за весь грантовый конкурс
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
Поступи с грантом до 75% в ЦУ
Подать заявкуПодать заявку

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
Backend-разработка

Твои возможности
в ЦУ

01

Test & Learn мастерская

Получи опыт работы, выполняя настоящие бизнес-задачи от заказчиков. Реализованными проектами можно будет наполнить портфолио
arrow
02

Центр партнерств и карьеры

Подберем карьерный путь, который идеально тебе подойдет, и будем рядом на каждом шаге — от постановки цели до предложения о работе
arrow
03

Научные лаборатории

Даем возможность развиваться 
по академическому треку и участвовать в исследовательской деятельности с профессорами мирового уровня
arrow
04

Предпринимательство: ускоритель ЦУ

Поможем технологическим 
проектам пройти путь от идеи до MVP и первых продаж
arrow
05

Ассессмент, наставники и менторы

Определяем уровень хардовых навыков у студентов относительно рыночных карт компетенций. Помогаем с построением персональной траектории карьерного развития
arrow

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
Да, у нас есть два общежития. Подробнее о них можно узнать на этой странице.
Обрати внимание, что общежития доступны только для студентов, поступающих в магистратуру в год окончания бакалавриата
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
CI/CD — автоматизированные процессы для быстрого и безопасного внесения изменений в код, тестирования и запуска в продакшен.
Data Science — наука о данных: междисциплинарная область, объединяющая программирование, математику, статистику и машинное обучение для извлечения знаний из больших данных.
Data Scientist — специалист по работе с данными для решения бизнес‑задач.
Deploy (Деплой) — развертывание: процесс переноса готового кода приложения из среды разработки на сервер для доступа пользователей.
DVC — Data Version Control: система контроля версий данных и моделей.
Hugging Face — платформа для моделей ИИ, особенно NLP.
Kaggle AutoML Grand Prix — международный конкурс по автоматизированному машинному обучению на платформе Kaggle.
LightAutoML — библиотека для автоматизированного машинного обучения (AutoML).
ML — Machine Learning: машинное обучение.
ML Researcher — исследователь машинного обучения.
ML‑пайплайны — последовательность шагов для преобразования сырых данных в готовую модель машинного обучения.
MLOps — Machine Learning Operations: практики для автоматизации и управления жизненным циклом моделей ML в продакшене.
MLflow — платформа для управления жизненным циклом моделей машинного обучения.
Middle Research Scientist — средний исследователь (специалист среднего уровня в научных исследованиях).
MVP — Minimum Viable Product: минимально жизнеспособный продукт.
NoSQL — гибкие схемы баз данных без жесткой структуры таблиц, в отличие от реляционных БД.
NumPy — библиотека для работы с многомерными массивами и математическими операциями.
OpenCV — ОпенСиВи: библиотека компьютерного зрения.
Pandas — библиотека для обработки и анализа табличных данных.
Production ML — машинное обучение в продакшене (эксплуатации).
PhD — Doctor of Philosophy: высшая научная степень, подтверждающая способность к независимым исследованиям.
PyTorch — библиотека для глубокого обучения.
Python — язык программирования.
R&D — Research and Development: научно‑исследовательские и опытно‑конструкторские работы (НИОКР) для инноваций.
Transformers — трансформеры: архитектура нейросетей; также библиотека от Hugging Face

Мы здесь

  • Кампус
    Центрального
    университета    г. Москва
    • Кампус
      ул. Гашека, д. 7 стр. 1, м. «Маяковская»
  • Кампус-отелиг. Москва
    • Облако
      ул. Гашека, д. 12 стр. 8
    • Cosmos
      ул. Профсоюзная 154, корп. 3
    • Байкал
      ул. Сельскохозяйственная 15/1, корп. 2
    • Турист
      ул. Сельскохозяйственная, д. 17, корп. 2, 3, 5, 6, 7
      Скоро открытие
Приемная комиссия
Москва, ул. Гашека, д. 7, стр. 1
Чат с командой Центрального университета

Бакалавриат

Магистратура

Лаборатория управления

Дополнительное образование

Мероприятия

Об университете

© ЦУ, 2026
Политика обработки персональных данныхПолитика обработки персональных данных
Образовательные услуги оказываются АНО ВО
«Центральный университет», свидетельство
№ А007-115-77/1 039 609, 29 января 2024