Научное программирование
Старт нового потока сентябрь 2025
Программа профессиональной переподготовки
Учим онлайн из любой точки мира
Формат
Поддержка
Записи занятий
Диплом
Чат поддержки студентов 24 часа в сутки
Смотрите запись занятия в удобное время
Пройдите программу и получите диплом о профессиональной переподготовке
Научное программирование является фундаментом для любого современного глобального исследования. Все передовые технологии — от квантовых компьютеров до космических программ — не могли бы существовать без специалистов в области научного программирования, которые предоставляют ученым надежные и точные инструменты для осуществления открытий.

Программа создана с целью объединить усилия ученых и программистов для разработки лучших компьютерных решений и применения этих решений в области фундаментальной и прикладной науки и инженерии.

  • Системы сбора, хранения и анализа данных: инструменты сбора, визуализации и анализа данных, really Big Data.
  • Моделирование в физике и биологии: инструменты для моделирования, новые методы моделирования.
  • Интеллектуальный анализ данных и оптимизация: поиск аномалий и утечек, оптимальное планирование.
  • Разработка научных библиотек и пакетов. Архитектура научного ПО.



Чем вы будете заниматься

Для успешного освоения необходимы базовые знания любого языка программирования, линейной алгебры, аналитической геометрии и теории вероятности.
Не уверены, что готовы к прохождению программы? Пройдите тест и проверьте свои знания
Необходимый уровень навыков и знаний
Программа
Обучение проводится совместно с магистерской программой ФПМИ МФТИ Научное программное обеспечение
● Векторные и матричные нормы. Унитарные матрицы. SVD разложение. Проекторы. Задача о наименьших квадратах. QR факторизация.
● Вычисления с плавающей точкой. Вычислительная устойчивость.
● Матричный ранг. Приближение низкого ранга и приложения SVD.
● Системы линейных уравнений. Число обусловленности.
● Собственные вектора и собственные значения. Методы решения симметричной задачи на собственные значения.
● Разреженные матрицы. Библиотеки numpy и scipy. Итеративные методы линейной алгебры.
● Решение систем нелинейных уравнений. Введение в методы оптимизации
КУРС ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ
1 семестр
Старт: сентябрь
Длительность: 4 месяца
Занятия 1 раз в неделю
● Численное интегрирование и дифференцирование. Методы интерполяции. Решение линейных интегральных уравнений.
● Основные численные методы решения обыкновенных дифференциальных уравнений и уравнений в частных производных.
● Введение в методы Монте-Карло. Методы сэмплирования.
● Марковские цепи Монте-Марло. Алгоритм Метрополиса — Гастингса. Сэмплирование по Гиббсу. Гамильтонов Монте-Карло.
● Модели пространства состояний. Линейные динамические системы. Фильтр Калмана.
2 семестр
Старт: февраль
Длительность: 4 месяца
Занятия 1 раз в неделю
Чему вы научитесь:
Понимать, как работают стандартные алгоритмы численных методов. Самостоятельно строить эффективные в смыслах алгоритмов и производительности реализации методов, используемых в вычислительных приложениях.

Теория принятия статистических решений.
    ● Решения в детерминированных задачах.
    ● Решения в недетерминированных задачах, функция риска.
    ● Условная вероятность, стратегии принятия решений.

Основные понятия теории вероятности.
    ● Определения вероятности.
    ● Функция правдоподобия.
    ● Точечные и интервальные оценки параметров распределений.
    ● Доверительные интервалы.

Погрешности в физическом эксперименте.
    ● Статистические и систематические погрешности.
    ● Свойства распределений при замене переменных.
    ● Сложение погрешностей.
    ● Сложение результатов различных экспериментов.

Свойства распределений.
    ● Биномиальное распределение и распределение Пуассона.
    ● Нормальное распределение и его свойства.
    ● Средние значения, моменты распределений.

Проверка статистических гипотез.
    ● Функции случайных переменных.
    ● Статистические критерии и их свойства.
    ● Методики построения критериев.
    ● Критерии согласия данных с теорией.

Оценка параметров.
    ● Параметрические критерии.
    ● Метод максимума правдоподобия и хи-квадрат.
    ● Использование функции правдоподобия для построения интервальных оценок.
    ● Интервальные оценки в случае нормального распределения.

Современные методы анализа данных (дополнительно).
    ● Фитирование экспериментальных кривых. Критерии качества фита. Компьютерные методы решения задач оптимизации.
    ● Многопараметрический анализ. Анализ корреляций.
    ● Информация Фишера и ее применение. Максимальная информация и граница Рао — Крамера.
    ● Два подхода к вероятности: частотный подход и субъективная вероятность. Проблема уникальных событий.
    ● Использование компьютера для анализа данных эксперимента.
КУРС СТАТИСТИЧЕСКИЕ МЕТОДЫ И АНАЛИЗ ДАННЫХ
1 семестр
Старт: сентябрь
Длительность: 4 месяца
Занятия 1 раз в неделю
Посвящен работе над проектом.
Примеры тем проектов:
● Байесовское глубокое обучение
● Информация Фишера и активное обучение
● Машинное обучение на Котлине, KotlinDL
● Глубокое обучение в кино
● Байесовская оптимизация
● MCMC на Джулии

По итогам работы возможна публикация статьи.
На лекциях приглашаются специалисты из разных областей и рассматриваются продвинутые темы. Их список меняется ежегодно.

2 семестр
Старт: февраль
Длительность: 4 месяца
Занятия 1 раз в неделю
Чему вы научитесь:
Изучите фундаментальные понятия и методы, используемые в анализе данных. Освоите основную методологию, используемую при построении точечных и интервальных оценок, а также проверке гипотез. Кроме того, в курс входят основы теории принятия решений и ряд дополнительных лекций по специфическим плохо описанным в литературе разделам (например, систематические погрешности и байесовский анализ).
Курс содержит примеры реализации методов на разных языках программирования. Второй семестр курса полностью посвящен разработке собственного проекта.

Преподаватели

Как проходит обучение

Онлайн и очно
1−2 раза в неделю, 2−4 ак. часа.
В некоторых программах возможно очное обучение. Наш менеджер подробно расскажет вам о способах посещения занятий.
Запись занятий и доступ на время обучения
Вы сможете пересмотреть занятие в записи, чтобы лучше усвоить пройденную тему.
Лекции и семинары с преподавателем МФТИ
Все преподаватели — признанные профессионалы в своей области. Занятия совмещают теорию и практику. Вы видите экран преподавателя, задаете вопросы, получаете обратную связь.
Поддержка от преподавателей в чате курса
Вы будете добавлены в чат, где сможете общаться со своими сокурсниками, куратором школы и преподавателем: задавать вопросы, делиться опытом.
Подать заявку
Нажимая кнопку «Отправить», вы соглашаетесь с условиями обработки персональных данных
Стоимость обучения
232 000 рублей
190 240 рублей
по новогодней 18% скидке
Оплата обучения возможна в рассрочку
(только для физических лиц)
Оплата обучения возможна в рассрочку
(только для физических лиц)

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Почему стоит выбрать МФТИ
1 место
в рейтинге Superjob в сфере
ТОП 3
в рейтинге Forbes
лучших вузов России
10 нобелевских лауреатов
среди выпускников и преподавателей
Более 80
академиков и членов-корреспондентов РАН
Почему Вам стоит выбрать МФТИ
1 место
в рейтинге Superjob в сфере
ТОП 3
в рейтинге Forbes
лучших вузов России
10 нобелевских лауреатов
среди выпускников и преподавателей
Более 80
академиков и членов-корреспондентов РАН
Андрей Райгородский о ФПМИ МФТИ
Доктор физико-математических наук, профессор, директор Физтех-школы прикладной математики и информатики (ФПМИ)
“Физтех-школа прикладной математики и информатики (ФПМИ) МФТИ – безусловно ведущий мировой центр науки и образования в области математики и информатики. Особенность нашей школы заключается в том, что она сочетает в себе активную научную деятельность и тесную связь с индустрией. На сегодняшний день школа включает в себя 28 кафедр и 22 лаборатории от ключевых академических институтов и ключевых представителей IT-индустрии: Яндекс, Тинькофф, Сбербанк, VK, Abbyy, 1C, Huawei и другие.

Наша школа и МФТИ в целом гордимся своими выпускниками, например, мы занимаем первое место в рейтинге вузов России по уровню зарплат занятых в IT-отрасли специалистов ".