Машинное и глубокое обучение для Интернета вещей и тактильного интернета. СПб ГУТ. Магистратура

Кафедра сетей связи и передачи данных
Магистратура:
Направление: 09.04.01 - Информатика и вычислительная техника
Профиль «Машинное и глубокое обучение для Интернета вещей и тактильного интернета»
Форма обучения – контракт, 2 года
Вступительные испытания - собеседование
Кучерявый Андрей Евгеньевич
зав. кафедрой, д-р техн. наук, профессор, руководитель магистерской программы
Сайт кафедры: http://www.seti.sut.ru/

Профиль «Машинное и глубокое обучение для Интернета вещей и тактильного интернета»
Машинное обучение является одним из самых перспективных направлений развития IT-сферы в мире и уже применяется во многих областях человеческой деятельности.
Тактильный интернет – это концепция развития телекоммуникационных систем, предполагающая возможность передачи тактильных и кинестетических данных по сетям связи, в настоящий момент над вопросами развития и стандартизации данной области работают зарубежные технические университеты и организации стандартизации, такие как ITU, IEEE.

Искусственный интеллект
в сетях связи
Компетенции: прогнозирование и управление трафиком на сетях связи как существующих, так пятого и последующих поколений на основе технологий искусственного интеллекта.
Знания: сети связи, потоки и качества обслуживания и восприятия, машинное и глубокое обучение, статистическое оценивание, в том числе по робастным оценкам.

Распределение вычислительных ресурсов
в сетях связи
Компетенции: основы архитектурного построения сетей связи пятого и последующих поколений.
Знания: граничные и туманные вычисления, многоуровневые системы выгрузки трафика, сети связи с ультра малыми задержками, включая тактильный интернет и беспилотные технические средства (БПЛА и беспилотные автомобили).

Читаемые дисциплины:
Машинное и глубокое обучение в телекоммуникациях;
Граничные вычисления для сетей автотранспорта;
Дополненная реальность и голографические сетевые приложения;
Сети связи для цифровой экономики;
Мониторинг и диагностика систем облачных, туманных вычислений и сетей связи;
Блокчейн в сетях связи;
Программирование устройств и приложений кибер-физических систем;
Архитектура программного обеспечения умных устойчивых городов;
Этичный хакинг.

Лабораторная база
В рамках обучения магистры смогут реализовать возможности создания и исследования моделей машинного обучения, позволяющих анализировать и прогнозировать телекоммуникационный трафик для различных перспективных приложений, таких как Интернет вещей, дополненная реальность, тактильный интернет и других.

Дополнительные
возможности обучения
Публикации на русском языке – во всероссийских и вузовских журналах (основа для поступления в аспирантуру в СПбГУТ);
Публикации на английском – в зарубежных журналах, рецензируемых в базах знаний Web of Science и SCOPUS (основа для поступления в аспирантуру в СПбГУТ и для получения степени PhD в зарубежных университетах);
Участие в конференциях мирового уровня (New2AN, ICFNDS, INTHITEN, DCCN и др.);
Прохождение практики на ведущих предприятиях отрасли, стажировки;
Возможность обучаться на современном оборудовании.

Кем работать?
Сетевой аналитик;
Сетевой архитектор;
Data Scientist;
Machine Learning Engineer;
DevOps Engineer;
Руководитель проектов.
Степень магистра позволяет занимать высокий руководящий пост в крупных корпорациях, занимающихся обслуживанием телекоммуникационных и компьютерных сетей, а также в других отраслях.