Онлайн-магистратуры ТГУ

🗣 Что на самом деле происходит за кулисами онлайн-магистратуры?

В этом видео руководитель команды сопровождения онлайн-магистратуры ТГУ Валентин Соловьёв рассказывает про один из самых важных, но обычно невидимых элементов — Академический совет.

В видео вы узнаете:

🟦 кто входит в Академический совет и почему там не только преподаватели,
🟦 как соединяются академическая база и реальные запросы индустрии,
🟦 как меняются программы, чтобы не устаревать,
🟦 и как принимаются решения, которые напрямую влияют на ваше обучение.

Если вам важно понимать, как устроено образование изнутри, и почему одни программы дают результат, а другие — нет, это видео точно стоит посмотреть!

👉🏻 смотреть

🗣 От стартапа до личного блога: история выпускника ТГУ, которую стоит прочитать

Недавно мы рассказывали про выпускника онлайн-магистратур ТГУ Виталия Теренина. Его проект «Универсальный доктор» вошел в ТОП-1000 стартапов России, занял 3-е место среди проектов ТГУ, и был представлен на РОСМЕДОБР-2025.

Теперь Виталий завел блог на Habr и подробно рассказал свою историю:

🟦как поступал в онлайн-магистратуру по обработке естественного языка,

🟦как появилась идея стартапа,

🟦как проект дошел до выступлений на крупных площадках и акселераторов.

Если хотите увидеть весь процесс изнутри — от обучения до запуска проекта — рекомендуем почитать!

👉 личный блог

ТГУ участвует в рейтинге лучших вузов России, и ваш голос важен 🎓

Сейчас формируется ежегодный рейтинг RAEX-100 — список 100 лучших вузов страны. Он отражает конкурентоспособность университетов и влияет на то, как их воспринимают абитуриенты, работодатели и индустрия.

И в этом исследовании важно ваше мнение.

Если вы учитесь или учились в Томском государственном университете, вы лучше многих знаете, как всё устроено изнутри: от качества образования до возможностей, которые даёт вуз.

Приглашаем вас пройти онлайн-опрос и поделиться своей оценкой. Всё просто:

🟦 выберите категорию «студент или выпускник»,
🟦 ответьте на вопросы,
🟦 повлияйте на итоговый результат рейтинга.

Итоги будут представлены 16 июня 2026 года на форуме «Три миссии российского образования», а также опубликованы на сайте RAEX и в СМИ.

Ваш голос — это вклад в то, как будет выглядеть ТГУ в одном из главных образовательных рейтингов страны.

👉 пройти опрос

🔵 Ваши данные уже есть. Почему они до сих пор не работают на бизнес?

RAG (генерация с опорой на поиск данных) — один из ключевых подходов, через который компании сегодня внедряют искусственный интеллект в реальные бизнес-процессы. При такой системе сотрудники, поддержка или продажи получают ответы из актуальных внутренних данных.

За счёт этого снижается нагрузка на команды, ускоряются процессы и повышается точность решений без постоянного ручного поиска и переключения между системами. Но важно понимать: эффективность таких решений зависит в первую очередь от качества базы знаний, логики хранения данных и того, насколько удобно этим пользоваться внутри компании.

В карточках разобрали, как именно генерацию с опорой на поиск данных внедряют в корпоративные процессы и почему он становится базовым инструментом для работы!

➡️ группа ВКонтакте

«Онлайн-магистратура не дотягивает до очного образования» 🔵

Слышали такое? Тогда давайте развенчаем мифы!

Студенты онлайн-магистратуры могут рассчитывать на те же льготы, что и при очной форме обучения:

🟦 налоговый вычет 13 %,
🟦 образовательный кредит,
🟦 отсрочку от армии,
🟦 скидки на транспорт, музеи и культурные мероприятия.

Партнёры онлайн-магистратур предоставляют реальные кейсы для портфолио, ведут часть дисциплин и дают возможность реализовывать проекты в рамках производственной практики. Лучшие студенты после её прохождения получают предложения о работе.

И, конечно же, выпускники получают диплом государственного образца о степени магистра такой же, как и у выпускников очных программ.

➡️ группа ВКонтакте

Компьютерное зрение в бизнесе: как превратить технологию в реальный результат 👀

Компьютерное зрение — это направление искусственного интеллекта, которое позволяет системе анализировать изображения и видео так же, как это делает человек: распознавать объекты, отслеживать действия, находить отклонения.

Ещё недавно компьютерное зрение воспринималось как сложная и дорогая разработка, доступная только крупным компаниям. Сегодня ситуация изменилась.

➡️ Во-первых, накопилось большое количество визуальных данных: камеры стоят практически везде: от транспорта до улицы.
➡️ Во-вторых, появились доступные инструменты и библиотеки для работы с нейросетями (алгоритмами машинного обучения).
➡️ В-третьих, снизилась стоимость вычислений.

В результате компьютерное зрение стало прикладным инструментом, который можно внедрять в конкретные бизнес-процессы.

Где бизнес уже получает эффект?

Компьютерное зрение особенно хорошо работает там, где есть повторяющиеся визуальные задачи.

🟦Логистика и транспорт

Системы анализируют видеопоток и автоматически считают пассажиров, отслеживают загрузку транспорта, фиксируют потоки людей. Это помогает оптимизировать маршруты и снижать издержки.

🟦Производство

Алгоритмы находят дефекты на продукции быстрее и точнее человека. Контроль качества становится непрерывным, и процент брака снижается.

🟦Ритейл (розничная торговля)

Анализ поведения покупателей, контроль выкладки товаров, выявление потерь — всё это можно автоматизировать с помощью компьютерного зрения. В результате растёт выручка и уменьшаются потери.

🟦Городская среда

Системы помогают управлять транспортными потоками, отслеживать загруженность улиц и повышать безопасность.

Во всех этих случаях эффект достигается за счёт трёх факторов: автоматизации, скорости и уменьшения ошибок.

Ценность компьютерного зрения определяется тем, насколько точно оно решает задачу бизнеса и насколько хорошо доведено до внедрения.

И именно поэтому сегодня всё больше образовательных программ строятся вокруг практики: с реальными данными, задачами и сценариями использования.

В том числе и в онлайн-магистратурах ТГУ, где компьютерное зрение изучают через реальные кейсы, приближённые к условиям внедрения.

➡️ группа ВКонтакте

Как обнаружить дефекты на производстве?

Продолжаем рубрику, в которой делимся реальными задачами бизнеса 🔵

В этом видео кандидат технических наук, руководитель онлайн-магистратуры «Компьютерное зрение и нейронные сети» Артём Осинцев разбирает реальный кейс от компании «Северсталь».

Студенты онлайн-магистратур в том числе работают с проектами на грани науки и тяжёлой промышленности.

Поэтому в этом видео видео за 9 минут узнаете, как автоматически обнаружить дефект на листах стали. Посмотреть его можно по ссылке!

➡️ группа ВКонтакте

🗣 Партнёры онлайн-магистратуры ТГУ проводят ML-хакатон этой весны. Время применить знания на практике!

Приглашаем вас принять участие в WildHack

Что это даёт студентам и абитуриентам онлайн-магистратур ТГУ?

🟦 работа с реальными бизнес-кейсами Wildberries,
🟦 опыт решения задач на индустриальной ML-платформе,
🟦 прокачка навыков, которые востребованы в IT уже сейчас,
🟦 возможность заявить о себе и попасть в поле зрения крупных компаний.

Призовой фонд: 1 300 000 ₽

Форматы участия:

➡️ Командный трек
Разработка сервиса для логистики: в команде нужны и дата-сайентисты, и разработчики (фронт/бэк)

➡️ Индивидуальный трек
Сложные ML-задачи, где вы работаете самостоятельно: только вы, модель и данные

Календарь хакатона:

🔵 с 25 марта — открывается доступ к задачам
🔵 до 8 апреля — дедлайн решений
🔵 9–10 апреля — финальные защиты
🔵 13 апреля — объявление победителей

Как проходит участие?
Хакатон полностью онлайн: вы решаете задачи в удобном темпе на ML-платформе RWB, загружаете решения, отслеживаете лидерборд и получаете автоматическую проверку

Регистрация и приём решений открыты до 8 апреля.

👉 Оставляйте заявку по ссылке!

Как гуманитарию войти в ИТ 🎓

Вас продолжают пугать страшными словами по типу «информационные технологии»? Или же говорят, что вход только для технарей, поэтому с гуманитарной базой вам здесь делать нечего?

Попросим отбросить сомнения и страхии, потому что на практике в индустрию регулярно заходят люди с разным опытом и также находят своё место. Объясняем, как это сделать.

1️⃣ Понять, где вы можете быть полезны

Гуманитарные навыки в том числе про аналитику, тексты, логику и коммуникацию, поэтому входные точки чаще всего — это UX-дизайн (пользовательский опыт), аналитика, менеджмент в ИТ, работа с контентом в диджитал-индустрии и лингвистика. Как оказалось, направлений достаточно, чтобы выбрать то, что близко именно вам.

2️⃣ Закрыть базу

Первое время многие обходятся бесплатными курсами и дополнительными ресурсами. Этого достаточно, чтобы убедиться в правильности выбранного направления и подтвердить свой интерес к сфере. Но для повышения навыков, конечно же, рекомендуем сделать выбор в пользу системного обучения.

3️⃣ Наработать практику и портфолио

Без опыта сложно получить первый оффер (предложение о работе), поэтому важно делать проекты: учебные, стажировочные или даже собственные. Весной многие компании начинают набор новичков на обучение или стажировку — это места, где вы можете брать и опыт, и рекомендательные письма, и материал для портфолио.

4️⃣ Найти среду

Сообщество сильно ускоряет рост. Вы быстрее понимаете рынок, получаете обратную связь и видите реальные кейсы перехода. Кроме того, нетворкинг — это одно из лучших решений для тех, кто ищет работу. Некоторые компании закрывают вакантные места именно через систему рекомендаций или по сарафанному радио.

5️⃣ Принять, что сначала будет непросто

Конечно, никто не может гарантировать быстрый рост, потому что переход в новую сферу — это буквально начать с нуля. Может быть не легко, но важно не обесценивать свой прошлый опыт: он станет вашим преимуществом, когда появится база в новой профессии.

Онлайн-магистратуры ТГУ помогут вам выстроить карьеру в IT даже с гуманитарной базой. Гибкий формат, поддержка преподавателей и профессиональное сообщество делают этот путь реальным и достижимым.

📍 мы в группе ВКонтакте

В серии постов рассказываем о партнёрах онлайн-магистратур ТГУ 🔵

Сегодня на повестке дня — 2ГИС.

➡️ 2ГИС — один из крупнейших геоинформационных сервисов, который объединяет точные карты городов и подробный справочник организаций. Платформа помогает ориентироваться в городской среде, строить маршруты и находить актуальную информацию о бизнесах и инфраструктуре.

В сотрудничестве с ТГУ компания участвует в развитии практикоориентированного образования: студенты работают с реальными данными и задачами, связанными с цифровыми сервисами и городской навигацией.

Отдельное направление взаимодействия — цифровизация кампуса. Совместно с 2ГИС в университете развиваются проекты по созданию детализированной цифровой карты инфраструктуры ТГУ, что делает навигацию по университету удобнее и доступнее для студентов и гостей.

Такое партнёрство позволяет студентам получать опыт работы с актуальными IT-решениями и лучше понимать, как создаются и развиваются масштабные цифровые продукты.

Совсем скоро расскажем о следующих сотрудничествах. Не переключайтесь! 🤍

@onlinetsu

Как компьютерное зрение снижает брак на производстве 🔵

Брак — одна из самых дорогих проблем промышленности. Даже небольшой процент дефектов на линии может приводить к серьёзным потерям: перерасходу материалов, дополнительным затратам на переделку и даже возвратам продукции.

Именно поэтому на производствах всё чаще внедряют системы компьютерного зрения (Computer Vision), которые автоматически анализируют изображения с камер и помогают находить дефекты быстрее и точнее.

➡️ 1. Проблема брака

На многих производственных линиях контроль качества всё ещё происходит вручную. Камеры или сами сотрудники проверяют детали на наличие трещин, сколов, деформаций или других отклонений.

Даже небольшая вероятность ошибки при больших объёмах производства превращается в тысячи бракованных изделий.

➡️ 2. Архитектура решения: детекция и сегментация

Компьютерное зрение позволяет автоматизировать этот процесс. Обычно система состоит из нескольких этапов: сначала камеры фиксируют изображение каждой детали на линии, затем — алгоритмы анализируют полученные кадры.

Детекция (object detection) позволяет найти на изображении потенциальные дефекты или области, где они могут находиться.

Если требуется более точный анализ, используется сегментация (segmentation) — модель выделяет дефект на уровне пикселей, определяя его форму, площадь и точное расположение. На основе этого система может определить, соответствует ли деталь стандарту или является бракованной.

➡️ 3. Роль инференса

Ключевой этап — инференс, то есть применение обученной модели в реальной производственной среде.

Здесь важно, чтобы система работала быстро и непрерывно на потоке продукции, поэтому модели часто оптимизируют и разворачивают прямо на производственной линии — на edge-устройствах или локальных серверах.

Если система обнаруживает дефект, она может автоматически отправить сигнал оператору, остановить линию или убрать бракованную деталь с конвейера.

Почему это важно для специалистов по ИИ?

Создание таких решений требует не только обучения моделей. Нужны специалисты, которые умеют работать с данными, выбирать архитектуры моделей, обучать и оптимизировать нейросети, а также настраивать инференс и развёртывание в реальной инфраструктуре.

Именно такие задачи сегодня решают специалисты по ИИ, науки о данных и компьютерное зрение, и именно такие навыки становятся ключевыми для работы с индустриальными задачами.

@onlinetsu