В течение обучения студенты получат глубокое понимание основных понятий и методов компьютерных наук, анализа данных и машинного обучения.
Они изучат основы программирования и разработки программного обеспечения, а также основные алгоритмы и структуры данных. Будет уделено внимание анализу данных и статистическим методам, позволяющим извлекать ценные сведения из больших объемов информации.
Студенты также познакомятся с различными аспектами машинного обучения, включая нейронные сети, алгоритмы обучения с учителем и без учителя, методы классификации и кластеризации данных, а также регрессионный анализ. Они изучат методы предобработки данных, валидации моделей и оценки их производительности.
Кроме того, студенты будут знакомиться с различными приложениями машинного обучения в различных областях, таких как обработка естественного языка, компьютерное зрение, рекомендательные системы, анализ социальных сетей и другие. Они получат возможность применить свои знания и навыки на практике, работая над проектами и задачами, связанными с реальными проблемами в области компьютерных наук и анализа данных.
В результате обучения студенты будут готовы к работе в индустрии, исследовательской деятельности или продолжению образования в области компьютерных наук и анализа данных, имея твердые основы в прикладной математике и информатике.
На данной специализации студентов научат машинному обучению и дадут все необходимые навыки для решения задач анализа данных. В программу входят общий курс по машинному обучению, курсы по прикладным задачам анализа данных (анализ текстов, компьютерное зрение, анализ временных рядов). Кроме того, в ней присутствуют курсы по современным методам построения сложных вероятностных моделей обработки данных, работе с большими данными, глубинному обучению.
Профессиональные дисциплины:
- Дискретная математика
- Линейная алгебра
- Алгебра
- Математический анализ
- Математический анализ 2
- Численные методы
- Теория вероятностей и математическая статистика
- Программирование на Python
- Python для сбора и анализа данных
- Инструменты промышленной разработки
- Программирование на языке С++
- Методы и системы обработки больших данных
- Алгоритмы и структуры данных
- Распределенные системы
- Непрерывная оптимизация
- Дискретная оптимизация
- Архитектура компьютера и операционные системы
- Научно-исследовательский семинар "Машинное обучение и приложения 1"
- Научно-исследовательский семинар "Машинное обучение и приложения 2".
Вариативная часть:
- Прикладная статистика в машинном обучении
- Машинное обучение
- Глубинное обучение
- Машинное обучение для больших данных.
Дисциплины по выбору:
- Безопасность компьютерных систем
- Высокопроизводительные вычисления
- Теория баз данных
- Язык SQL
- Моделирование временных рядов
- Сбор и обработка данных с помощью краудсорсинга
- Теория статистического обучения
- Численные методы
- Машинное обучение 2
- Анализ данных в бизнесе
- Промышленное программирование на языке Java
- Компьютерные сети
- Системы баз данных
- Дополнительные главы прикладной статистики
- Безопасность компьютерных систем
- Байесовские методы в машинном обучении
- Анализ неструктурированных данных
- Сбор и обработка данных с помощью краудсорсинга
- Моделирование временных рядов
- Теория статистического обучения
- Глубинное обучение в обработке звука
- Методы и системы обработки больших данных
- Высокопроизводительные вычисления
- Обучение с подкреплением
- Генеративные модели в машинном обучении
- Численные методы
- Компьютерное зрение
- Проектирование и разработка высоконагруженных сервисов
- Функциональное программирование
- Методы сжатия и передачи медиаданных.