Программа предоставляет студентам фундаментальные знания и практические навыки в области обработки больших объемов данных и применения методов машинного обучения.
В рамках программы студенты изучают основные концепции и технологии, связанные с обработкой и анализом больших данных, включая методы сбора, хранения, обработки и визуализации данных. Они овладевают навыками работы с распределенными системами хранения данных, и изучают инструменты и алгоритмы для эффективной обработки и анализа больших объемов информации.
Важной частью программы является изучение методов машинного обучения, которые позволяют компьютерным системам обучаться из данных и делать прогнозы или принимать решения на основе этих знаний. Студенты получают представление о различных типах алгоритмов машинного обучения, таких как нейронные сети, метод опорных векторов и ансамблевые методы. Они изучают методы предобработки данных, выбора признаков, оценки и валидации моделей, а также применение машинного обучения в различных областях, включая обнаружение аномалий, классификацию, кластеризацию и рекомендательные системы.
На протяжении программы студенты также получают практический опыт работы с реальными наборами данных и различными инструментами и программными пакетами для обработки и анализа данных. Они разрабатывают навыки программирования на языках, таких как Python и R, и изучают среды разработки для работы с большими данными и машинным обучением.
В результате обучения студенты приобретают глубокое понимание принципов и методов обработки больших данных, а также умение применять различные алгоритмы машинного обучения для решения реальных задач. Они готовы к работе с данными и машинным обучением в различных областях, включая науку, промышленность, финансы, здравоохранение и многие другие.
Профессиональные дисциплины:
- Иностранный язык
- Безопасность жизнедеятельности
- Деловая коммуникация
- Правовое обеспечение профессиональной деятельности
- Программирование на языке Python
- Методы оптимизации в анализе данных
- История развития и современные тренды искусственного интеллекта
- Дискретная математика
- Математическая логика
- Архитектура систем хранения и обработки данных
- Математический анализ
- Линейная алгебра и приложения
- Теория вероятностей и математическая статистика
- Основы проектной деятельности
- Администрирование ОС и сетей
- Персональный имидж и карьерный менеджмент
- Структуры и алгоритмы обработки данных
- Программирование на языке Java
- Реляционные базы данных
- Распределенные и облачные системы
- Интеллектуальные системы поддержки принятия решений
- Процессы и инструменты управления данными
- Управление программными проектами в сфере искусственного интеллекта.
Вариативная часть:
- Разработка пользовательского интерфейса
- Машинное обучение
- Методология разработки решений на основе ИИ
- Технология хранения и архитектура больших данных
- Основы информационной безопасности
- Нейронные сети и глубокое обучение
- Теория игр в ИИ
- Инструменты анализа данных
- Основы технологии интернета вещей
- Лучшие мировые профессиональные практики
- Технологии высокопроизводительной обработки больших данных
- Имитационное и агентное моделирование
- Параллельная обработка и анализ данных
- Искусственный интеллект в обработке изображений.
Дисциплины по выбору:
- Технологическое предпринимательство
- Социальное предпринимательство
- Программирование на языке Scala
- Программирование на языке C++
- Разработка Web-приложений
- Разработка мобильных приложений.