Программа предоставляет студентам углубленные знания и практические навыки в области машинного обучения и анализа данных. Студенты изучают основные концепции и методы машинного обучения, включая обработку и предварительный анализ данных, выбор и обучение моделей, оптимизацию и оценку алгоритмов машинного обучения.
Программа обучения охватывает различные аспекты машинного обучения, такие как обучение с учителем и без учителя, глубокое обучение, обработка естественного языка, компьютерное зрение, анализ социальных сетей и другие прикладные области. Студенты также получают практические навыки работы с инструментами и библиотеками для анализа данных и машинного обучения, а также опыт применения этих методов к реальным проблемам и задачам.
В ходе обучения студенты также изучают математические основы машинного обучения, включая линейную алгебру, статистику, оптимизацию и теорию вероятностей. Они также получают знания о программировании и разработке программного обеспечения, необходимые для реализации методов машинного обучения в практических приложениях.
В результате студенты будут готовы к работе в области анализа данных, разработке и применении алгоритмов машинного обучения, а также к продолжению образования на уровне магистра или дальнейшей научной деятельности в этой области.
Студенты этой программы изучают математические основы машинного обучения и анализа данных, языки программирования и инструменты создания интеллектуальных программных систем.
Основные дисциплины:
- Алгоритмы и структуры данных в языке Python
- Практикум по программированию
- Машинное обучение
- Технологии обработки данных
- Технологии обработки больших данных
- Обработка текстов на естественных языках
- Рекомендательные системы и коллаборативная фильтрация
- Машинное зрение
- Математические основы машинного обучения
- Статистика и вероятность в машинном обучении
- Обработка и предварительный анализ данных
- Обучение с учителем
- Обучение без учителя
- Глубокое обучение и нейронные сети
- Оптимизация алгоритмов машинного обучения
- Анализ социальных сетей
- Анализ временных рядов
- Рекомендательные системы
- Программирование и разработка программного обеспечения для машинного обучения
- Применение методов машинного обучения в практических приложениях
- Проекты и практикумы по машинному обучению.