Машинное обучение и высоконагруженные системы: магистратура в вузах Москвы

Машинное обучение - область теоретических и прикладных наук, которые пользуются огромным спросом в настоящее время. Сейчас в различных сферах деятельности появляется большое количество собираемых и накапливаемых данных, которые можно использовать для анализа и построения предиктивных моделей для получения экономической выгоды. На программе изучаются способы сбора, хранения, обработки данных, большое внимание уделено построению предсказательных моделей и оценки их качества.

На практике нужно быстро обрабатывать большие массивы информации, поэтому значительное количество курсов на программе посвящено распределённым системам. С их помощью можно эффективно использовать вычислительные мощности: распараллеливать и распределять вычислительную нагрузку по множеству независимых процессоров, выполнять часть расчетов на кластерах с применением современных алгоритмов обработки данных. Также на программе уделяется внимание построению высоконагруженных и отказоустойчивых сервисов, что позволит выпускникам полноценно участвовать во всех процессах разработки.

Программа также ориентирована на практику и на разработку, так как в настоящее время на рынке труда наиболее востребованы специалисты по анализу данных, которые могут осуществить весь цикл разработки модели. Такие специалисты могут формулировать задачу анализа данных, собирать и обрабатывать данные, обучать алгоритм и оценивать его качество, а также внедрять модель в промышленную эксплуатацию.

Профессиональные дисциплины:

• Математика для анализа данных
• Python
• Разведочный анализ данных
• Основы промышленной разработки
• Машинное обучение
• С++
• Технологии программирования
• Алгоритмы и структуры данных
• Прикладная статистика в машинном обучении
• Глубинное обучение
• Обработка и анализ больших массивов данных
• Сбор и обработка с помощью краудсорсинга
• Архитектура компьютера и операционные системы
• Тестирование ПО
• Компьютерное зрение
• Автоматическая обработка текстов
• Распределенные системы
• Методы оптимизации в машинном обучении
• Статистическая теория обучения.
• Анализ временных рядов
• Байесовские методы в машинном обучении
• How to win a data science competition
• Reinforcement learning.