Экономика и анализ данных: программа бакалавриата в вузах Москвы

Обучение выстроено вокруг идеи междисциплинарности, где изучение алгоритмов и структур данных органично сочетается с освоением микро- и макроэкономических концепций. В основе подготовки лежит серьезная математическая база, включающая линейную алгебру, математический анализ и теорию вероятностей, которая служит фундаментом для освоения методов машинного обучения, эконометрики и оптимизации. Такой подход позволяет сформировать у студента целостное видение: от написания эффективного кода на современных языках программирования до построения сложных прогнозных моделей и анализа поведения экономических агентов.

Завершающий этап обучения ориентирован на применение полученных компетенций в самых передовых областях. Углубленные курсы по байесовским методам, теории игр, динамической оптимизации и блокчейну дают возможность решать нетривиальные задачи на стыке финансов, корпоративного управления и высоких технологий. В результате выпускник программы оказывается подготовлен к работе в сферах, требующих не просто навыков анализа больших данных, а способности выстраивать сложные математические модели для прогнозирования и управления экономическими системами любой степени сложности.

Основные дисциплины:

• Алгоритмы и структуры данных
• Дискретная математика
• Линейная алгебра и геометрия
• Математический анализ
• Язык программирования Python
• Программирование на C++
• Экономическое мышление
• Математический анализ
• Архитектура компьютера и операционные системы
• Машинное обучение
• Финансовый учет и отчетность
• Микроэкономика-1
• Микроэкономика-2 (углубленный курс) (преподается на иностранном языке)
• Макроэкономика-1
• Макроэкономика-1(углубленный курс)
• Теория вероятностей и математическая статистика
• Теория вероятностей и математическая статистика (углубленный курс)
• Эконометрика
• Эконометрика (углубленный курс)
• Методы оптимизации
• Методы оптимизации в машинном обучении
• Динамическая оптимизация в экономике и финансах
• Байесовские методы в машинном обучении
• Введение в блокчейн
• Финансовые рынки
• Теория аукционов
• Корпоративные финансы
• Теория игр
• Глубинное обучение.