Прикладная математика и информатика. Анализ и принятие решений: программа бакалавриата НИУ ВШЭ

Программа предназначена для студентов, желающих развить свои навыки в области анализа данных и принятия эффективных решений. Во время обучения студенты изучают основы математической статистики, аналитической геометрии, оптимизации и моделирования. Они приобретают понимание методов и алгоритмов анализа данных, машинного обучения, искусственного интеллекта и экспертных систем. Кроме того, студенты изучают основы экономики, финансов и менеджмента, чтобы применять свои знания в контексте принятия решений в различных сферах деятельности. В процессе обучения студенты также разрабатывают навыки коммуникации и работы в команде, аналитического мышления и критического анализа информации. Они будут готовы к применению своих знаний и навыков для решения реальных проблем, а также к работе в области аналитики, консалтинга, управления проектами и других связанных сферах.

Программа готовит специалистов широкого профиля в области теории и практики принятия решений, способных проводить теоретические и прикладные исследования по анализу и поддержке решений в конкретных областях экономики, информатики, менеджмента, политики и государственного управления. В рамках специализации студенты посещают два семинара «Экспертные оценки и анализ данных» и «Математические модели принятия решений в экономике, бизнесе и политике».

Профессиональные дисциплины:

• Экономика
• Безопасность жизнедеятельности
• Алгоритмы и структуры данных
• Алгоритмы и структуры данных (углубленный курс)
• Архитектура компьютера и операционные системы
• Дискретная математика
• Дискретная математика (углубленный курс) 
• Алгебра
• Алгебра (углубленный курс)
• Линейная алгебра и геометрия
• Линейная алгебра и геометрия (углубленный курс)
• Математический анализ
• Математический анализ (углубленный курс)
• Методы оптимизации
• Методы оптимизации в машинном обучении
• Основы и методология программирования
• Основы и методология программирования (углубленный курс)
• Теория вероятностей и математическая статистика
• Теория вероятностей и математическая статистика (углубленный курс)
• Введение в глубинное обучение.

Вариативная часть:

• Теория выбора и принятия решений
• Исследование операций
• Временные ряды и случайные процессы
• Индивидуальные и коллективные решения
• Исследование операций и теория игр
• Кооперативные игры
• Системный анализ
• Теория выбора и принятия решений.

Дисциплины по выбору:

• Высокопроизводительные вычисления
• Моделирование временных рядов
• Теория баз данных
• Анализ данных в бизнесе
• Компьютерные сети
• Численные методы
• Анализ неструктурированных данных
• Байесовские методы в машинном обучении
• Теория статистического обучения
• Компьютерное зрение
• Обучение с подкреплением
• Проектирование и разработка высоконагруженных сервисов
• Дифференциальные уравнения
• Основы матричных вычислений
• DevOps.