Аспирантура

Область науки:
Естественные науки

Группа научных специальностей:
1.2. Компьютерные науки и информатика

Наименование отрасли науки, по которой присуждаются ученые степени:
Физико-математические, Технические

Шифр научной специальности:
1.2.1. Искусственный интеллект и машинное обучение

Направления исследований:

1. Естественно-научные основы и методы искусственного интеллекта.
   
2. Исследования в области оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения. Методики сравнения и выбора алгоритмических и программных решений при многих критериях.
   
3. Методы и алгоритмы моделирования мыслительных процессов: рассуждений, аргументации, распознавания и классификации, формирования понятий. Исследования в области нейроморфных методов анализа данных, имитационное моделирование строения и функций мозга, в том числе – и с использованием методов машинного обучения. Нейроинформатика и методы моделирования биологических нервных систем.
   
4. Разработка методов, алгоритмов и создание систем искусственного интеллекта и машинного обучения для обработки и анализа текстов на естественном языке, для изображений, речи, биомедицины и других специальных видов данных.
   
5. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в системах искусственного интеллекта. Исследования в области совместного применения методов машинного обучения и классического математического моделирования. Методы и средства использования экспертных знаний.
   
6. Формализация и постановка задач управления и (поддержки) принятия решений на основе систем искусственного интеллекта и машинного обучения. Разработка систем управления с использованием систем искусственного интеллекта и методов машинного обучения в том числе – управления роботами, автомобилями, БПЛА и т.п.
   
7. Разработка специализированного математического, алгоритмического и программного обеспечения систем искусственного интеллекта и машинного обучения. Методы и средства взаимодействия систем искусственного интеллекта с другими системами и человеком-оператором.
   
8. Многоагентные системы и распределенный ИИ.
   
9. Методы и средства использования для решения задач искусственного интеллекта и машинного обучения параллельных, квантовых вычислений и т.д.
   
10. Исследования в области этических проблем, связанных с созданием и внедрением ИИ-систем, включая моделирование ожидаемых социальных и экономических последствий.
    
11. Исследования в области «сильного ИИ», включая формирование понятийной базы и элементов математического формализма, необходимых для построения алгоритмического аппарата.
    
12. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д.
    
13. Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемно-ориентированные коллекции данных для важных прикладных областей.
    
14. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и машинного обучения.
    
15. Математические исследования в области статистики, логики, алгебры, топологии, анализа функции и других областях, ориентированные на решение задач искусственного интеллекта и машинного обучения.
    
16. Исследования в области специальных методов оптимизации, проблем сложность и элиминации перебора, снижения размерности.
    
17. Исследования в области многослойных алгоритмических конструкций, в том числе – многослойных нейросетей.

Смежные специальности (в т.ч. в рамках группы научной специальности):

• 1.2.2. Математическое моделирование, численные методы и комплексыпрограмм
• 1.2.3. Теоретическая информатика, кибернетика
• 2.3.1. Системный анализ, управление и обработка информации

Паспорт специальности

Приказ об изменении отраслей науки

• Разработка новых методов интеллектуального анализа данных и машинного обучения
• Исследование применения и ограничений больших языковых моделей
• Исследования в области оценки качества и эффективности программных реализаций методов искусственного интеллекта
• Разработка математического и инструментального обеспечения систем искусственного интеллекта и машинного обучения
• ИИ-агенты и многоагентные системы
• Исследования в области сильного искусственного интеллекта, доверенного искусственного интеллекта, интерпретации моделей машинного обучения
• Методы и средства сбора и оценки массивов данных для машинного обучения и искусственного интеллекта
• Математические исследования в области искусственного интеллекта

Программа аспирантуры Финансового университета по специальности 1.2.1 ведет подготовку в отрасли технических наук.

Научные исследования сосредоточены вокруг следующих пунктов паспорта специальности:

п.2. Исследования в области оценки качества и эффективности алгоритмических и программных решений для систем искусственного интеллекта и машинного обучения. Методики сравнения и выбора алгоритмических и программных решений при многих критериях.

п.4. Разработка методов, алгоритмов и создание систем искусственного интеллекта и машинного обучения для обработки и анализа текстов на естественном языке, для изображений, речи, биомедицины и других специальных видов данных.

п.5. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в системах искусственного интеллекта. Исследования в области совместного применения методов машинного обучения и классического математического моделирования. Методы и средства использования экспертных знаний.

п.8. Многоагентные системы и распределенный ИИ.

п.12. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д.

п.13. Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемно-ориентированные коллекции данных для важных прикладных областей.

п. 14. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и
машинного обучения.

п. 17. Исследования в области многослойных алгоритмических конструкций, в том числе – многослойных нейросетей.

Лист согласования темы диссертации
Обоснование темы диссертации
План диссертации
Отчет по педагогической практике
Макет отзыва научного руководителя (консультанта)
Список трудов
Справка о внедрении
Справка об апробации
Аналитическая таблица
Макет рецензии
Справка об авторском участии

• Положение об организации и осуществлении образовательной деятельности по программам подготовки в аспирантуре
• Положение о проведении текущего контроля успеваемости и промежуточной аттестации аспирантов в Финуниверситете
• Регламент подготовки и выдачи заключения ФУ по диссертации кандидата наук, доктора наук
• Порядок прикрепления лиц для сдачи кандидатских экзаменов, подготовке к сдаче и сдачи кандидатских экзаменов в Финуниверситете
• Порядок прикрепления для подготовки диссертации на соискание ученой степени кандидата наук без освоения программы подготовки в аспирантуре Финансового университета
  
• Положение об организации и проведении научных исследований в аспирантуре

1.     Подготовка и обоснование темы диссертации

1.     Завершенные и переданные научному руководителю главы диссертации (не менее одной)

2.     Выступление с докладом по теме диссертации на научном мероприятии международного или всероссийского уровня (не менее одного)

3.     Предоставление справки о сдаче кандидатских экзаменов

1.     Завершенные 2 главы диссертации 

2.     Подготовка и опубликование 2-х статей ВАК по теме диссертации

1.     Завершенные все главы диссертации 

2.     Подготовка и опубликование 3-ей статьи по теме диссертации

3.     Выступление с докладом по теме диссертации на научном мероприятии 

4.     Оформление и предоставление справки о внедрении в учебный процесс результатов исследований

1.     Завершенный и переданный научному руководителю для рассмотрения полный текст диссертации 

2.     Текст автореферата, переданный научному руководителю

3.     Текст диссертации, согласованный с научным руководителем

4.      Текст автореферата, согласованный с научного руководителя

5.     Подготовка и опубликование 4-ей статьи по теме диссертации

6.     Подготовка аналитической таблицы о наличии необходимого количества публикаций

7.     Подготовка аналитической таблицы о выступлениях с докладом

8.     Предоставление справки о внедрении результатов исследования в практическую деятельность

9.     Отзыв научного руководителя на текст диссертации

10. Отчеты о проверке представляемого текста диссертации в системе «Антиплагиат.ВУЗ»

Подготовка заключительных документов к защите диссертации