Магистратура "Интеллектуальный анализ больших данных" МГУ имени М.В. Ломоносова, Москва

Здесь акцентируется внимание на применении методов прикладной математики и информатики для решения актуальных задач из различных сфер, включая бизнес, науку и технологии.

Студенты изучают современные алгоритмы и технологии, позволяющие извлекать полезные инсайты из сложных данных, а также развивают способности к критическому мышлению и аналитическому подходу. Программа предполагает активное применение теоретических знаний на практике, что позволяет выпускникам эффективно работать с реальными проектами и данными.

В рамках программы предусматривается освоение следующих методов: теория вероятностей, случайные процессы, прикладной статистический анализ, временные ряды, математические методы оптимизации, теория и практика машинного обучения, теория риска; изучение методов программной инженерии, методов проектирования и анализа программ, а также языков программирования и инструментальных средств разработки ПО, включая средства статистического и математического программирования, парадигм и методов параллельного программирования; изучение современных теорий и практик в области организации хранилищ данных, в том числе распределенных, методов подготовки, управления, манипулирования и обработки данных.

Изучаемые дисциплины:

• Иностранный язык
• Правоведение
• Русский язык, деловое общение
• Суперкомпьютерное моделирование и технологии
• История и методология прикладной математики
• Современная философия и методология науки
• Прикладные задачи теории случайных процессов
• Прикладной многомерный статистический анализ
• Современные методы распределенного хранения и обработки данных
• Анализ риска
• Анализ временных рядов
• Обработка и распознавание изображений
• Прикладные задачи теории случайных процессов
• Интеллектуального анализ данных
• Методы анализа и проектирования программного обеспечения
• Современные методы обработки сигналов
• Анализ текстовых данных и информационный поиск (на английском языке).

Список дисциплин по выбору:

• Вероятностные модели
• Случайные процессы
• Дополнительные главы математической статистики
• Языки программирования
• Сложность алгоритмов
• Основы программной инженерии
• Методы дискретной оптимизации
• Модель данных SQL.