Учебные курсы кафедры

Учебные курсы кафедры Алгоритмов и технологий программирования

Весенний семестр 2020 года - основные дисциплины

1 курс	2 курс	3 курс	4 курс	5 курс	6 курс
Алгоритмы и структуры данных (поток ИВТ)				Хранение и обработка больших объемов данных Технологии программирования и операционные системы - 2

Осенний семестр 2019 года - основные дисциплины

1 курс	2 курс	3 курс	4 курс	5 курс	6 курс
	Формальные языки и трансляции	Параллельные и распределенные вычисления Промышленное программирование на Java Методы оптимизации Full-stack разработка Сложность вычислений Математическая статистика		Технологии программирования и операционные системы	Машинное обучение на больших объемах данных

Осенний семестр 2018 года - основные дисциплины

1 курс	2 курс	3 курс	4 курс	5 курс	6 курс
Введение в программирование (базовый поток) Введение в программирование (основной поток)	Архитектура компьютеров и операционные системы (ПМИ, набор 2017 года) Алгоритмы и структуры данных (базовый поток) Алгоритмы и структуры данных (основной поток) Формальные языки и трансляции	Дополнительные главы Архитектуры компьютеров и операционных систем (ПМИ, набор 2016 года) Параллельные и распределенные вычисления	Проектирование программных систем Прикладное машинное обучение	Робастные методы в статистике Теория решеток для анализа и разработки данных Анализ изображений	Машинное обучение на больших объемах данных Работа с данными в индустрии

Адаптационные курсы магистратуры 2018

Внимание! Эти дисциплины могут выбрать в качестве вариативных дисциплин только те магистранты, которые поступили в магистратуру ФИВТ не из МФТИ, или (по рекомендации научных руководителей) с других факультетов МФТИ.

Введение в программирование C++, часть 1 (осень, 9 семестр)

Введение в программирование C++, часть 2 (весна, 10 семестр)

Машинное обучение (весна, 10 семестр)

Технологии программирования и операционные системы (осень, 11 семестр)

Научно-исследовательская работа

Примеры тем НИР прошлых лет

1. Тестирование распределенных приложений в экосистеме Hadoop.
2. Учет внешних данных при построении рекомендаций.
3. Новая модель «атомов в соединении» и особенности химических свойств сверхтяжелых элементов.
4. Оптимизация размещения объектов в памяти виртуальной машины Java.
5. Разработка расширенного интерфейса пользователя к базе пространственных структур РНК.