Где поработать в ИТМО?🧑🏼‍💻

Если дома не работается, то отличный вариант не закиснуть наедине с лабораторными — коворкинг. В ИТМО очень много коворкингов. Рекомендуем не пренебрегать ими, ведь, как говорится, не имей 100 рублей, а имей 100 друзей, с которыми можно вместе поковырять матанализ и сходить в столовку 🤝🏻

Коворкинги на ул. Ломоносова, 9:
▪️ Коворкинг в Студенческом офисе (ауд. 1400)
▪️ Общий коворкинг (ауд. 1303)

Коворкинги на Кронверкском пр., 49:
🔹 Коворкинг для студентов и сотрудников.
🔹 Коворкинг для сотрудников и студентов в ректорском холле — Центр управления полетами.
🔹 Коворкинг Яндекса (ауд. 2101).

Коворкинги на Биржевой линии, 14.
▫️ Коворкинг Мансарда.
▫️ Коворкинг Стартап-Чердак.

🧑🏼‍💻А если захотите что-то напечатать на 3д-принтере, сконструировать какой-то корпус (ну, например) руками, или еще зачем-то вам понадобится мастерская — приходите в ФабЛаб на Биржевой, 14.

Прочитать подробнее про коворкинги, часы работы и как пройти — можно на сайте ИТМО: https://edu.itmo.ru/ru/workplace/
Да, и, конечно, посещение всех коворкингов свободное по пропуску, но где-то нужно записаться заранее (например, забронировать кабинку).

📚Чему учат на ФТИИ. Дисциплина: Математические основы машинного обучения

Сегодня расскажут о своей дисциплине Ирина Деева и Александр Хватов — кандидаты физ.-мат. наук, доценты ФТИИ.

Оба преподавателя ведут данную дисциплину:
▪️Александр Александрович преподает блок лекций по мат. анализу, линейной алгебре и численных методах
▪️Ирина Юрьевна преподает блок лекций по основам теории вероятности и мат. статистики в машинном обучении

❓Чему научит эта дисциплина? Какими навыками будут владеть студенты?
— Александр Хватов: На курсе мы говорим на три темы: линейная алгебра, численные методы и функциональный анализ. Поговорим о том, почему нельзя «решать» матрицы, зачем нужны прямоугольные таблицы чисел, почему самолеты не падают, про гипотезу многообразия данных, почему математикам не нравится слово «метрика», и как она из математики перешла в машинное обучение.
— Ирина Деева: Машинное обучение почти полностью основано на теории вероятностей и математической статистике. На моих лекциях мы разберём ключевые понятия: случайные величины, распределения, закон больших чисел, байесовский подход. Вы поймёте, почему теорема Байеса — не просто формула, а фундамент всего ML, зачем Гаусс «живёт везде» и почему корреляция может быть обманчива.

❓Какие пререквизиты у дисциплины?
Базовые знания теории вероятностей, Python, чтение технического англоязычного материала.

❓В чем уникальность дисциплины?
Курс объединяет два взгляда на математику в ML — через статистику и через функциональный анализ. Вместо сухих доказательств, вы получите понимание «почему это работает» и практику на реальных данных

❓Как организован процесс обучения?
▪️ Лекции: компактные теоретические модули с акцентом на интуицию и применимость.
▪️ Воркшопы: разборы реальных примеров и кода.
▪️Лабораторные проекты в группах: data-centric задания, где нужно улучшить качество модели путем работы с данными и признаками.

❓Для кого особенно полезен курс?
— Для тех, кто хочет не просто применять готовые ML-библиотеки, а понимать, почему они работают.
— Для тех, кто собирается работать с реальными данными и улучшать модели через качественную подготовку данных.

❓В каком формате проходит обучение?
Обучение проходит в смешанном формате.

Карьера после ФТИИ: цифры, факты и топовые компании

Один из главных вопросов, который волнует каждого студента — «А что дальше, после окончания учебы?». Поэтому делимся результатами опроса 2025 года о трудоустройстве выпускников🙌🏻
✅ 74.5% выпускников работают по специальности, применяя полученные знания на практике.
✅ 65% трудоустроены на постоянной основе, в то время как в активном поиске находятся всего 16%.
✅ 68.1% считают, что их ВКР напрямую применима в текущей трудовой деятельности. Это доказывает, что наши исследования решают реальные задачи.
✅ 98% выпускников работают по трудовому договору, выбирая стабильную карьеру в ведущих компаниях, а не фриланс.
🏢 Где именно работают наши выпускники?

Наши специалисты востребованы как в науке, так и в индустрии. Вот лишь некоторые из компаний, где они строят свою карьеру:
• IT-гиганты: Сбер, Тинькофф, VK.
• Научные лаборатории: 10+ лабораторий Института ИИ.
• Промышленность и биотех: Газпром нефть, Биокад, Марс.

Образование на ФТИИ — не только про сильную теоретическую базу, но и про реальные карьерные перспективы в топовых компаниях и научных центрах🔥