Науки о данных: магистратура в вузах Москвы

Магистранты уже имея базовое образование в области прикладной математики и смежных областях, формируют компетенции по специализации магистерского уровня в сфере наук о данных; дополняют аналитические компетенции, полученные при изучении экономики, социологии, компьютерной лингвистики и т.п., математическими и технологическими компетенциями по работе с многомерными данными сложной структуры, включая большие данные, представленные в различных форматах; профессионалы в области системной аналитики или аналитики предметной области осваивают дополнительные технологические навыки в области специализации (при попадании профессиональных интересов в один из профилей).

Изучаемые дисциплины:

• Алгоритмы и структуры данных
• Network Science
• Introduction to Machine Learning and Data Mining
• Математические основы современных телекоммуникаций
• Машинное обучение
• Междисциплинарный экзамен по направлению подготовки
• Методы и системы обработки больших данных
• Machine Learning and Data Mining
• Научный семинар "Анализ Интернет-данных"
• Scientific Seminar ''Intelligent Systems and Structural Analysis''
• Научный семинар "Технологии моделирования сложных систем"
• Предсказательное моделирование
• Modern Methods of Data Analysis
• Modern Methods of Decision Making
• Статистические методы предсказательного моделирования
• Упорядоченные множества в анализе данных

По выбору

• Автоматизация бизнеса методами машинного обучения
• Автоматическая обработка текстов
• Data Analysis in Medicine
• Анализ изображений и видео
• Вероятностно-статистические методы в теории принятия решений
• Восстановление функциональных закономерностей из эмпирических данных
• Глубинное обучение
• Игры и решения в задачах анализа данных и моделирования
• Компьютерная лингвистика и анализ текста
• Математические основы машинного обучения и прогнозирования
• Medical Informatics
• Automated Methods for Program Verification
• Методы оптимизации в машинном обучении
• Неопределённость и нечёткость при анализе данных и принятии решений
• Обработка больших данных
• Обучение представлений и глубокое обучение
• Основы проектирования и реализации систем искусственного интеллекта
• Основы стохастики. Стохастические модели
• Параллельные и распределённые вычисления
• Проблемы и методы вероятностной диагностики
• Робастные методы в статистике
• Стохастические динамики сложных многокомпонентных систем
• Теория информации и комбинаторная теория поиска
• Язык Python

Адаптационный

• Discrete Mathematics for Application and Algorithm Development
• Probability Theory and Mathematical Statistics