Интеллектуальный анализ данных: программа бакалавриата РГСУ

Студенты этой программы изучают широкий спектр тем, связанных с обработкой и анализом данных, а также созданием интеллектуальных систем. Они изучают основы программирования, алгоритмы и структуры данных, базы данных и SQL. Кроме того, они получают знания в области статистики и вероятности, машинного обучения, искусственного интеллекта и глубокого обучения. Программа также включает изучение методов визуализации данных и разработку навыков работы с большими объемами информации. Студенты учатся применять эти знания для решения реальных проблем и задач, связанных с анализом данных и разработкой интеллектуальных систем. В результате обучения выпускники программы готовы эффективно работать с данными, использовать инструменты и методы анализа данных, а также создавать интеллектуальные системы, способные автоматизировать и оптимизировать процессы на основе данных.

Дисциплины специализации, с одной стороны, дают фундаментальные основы интеллектуальных систем, а с другой стороны знакомят с самыми современными инструментами исследователей и аналитиков в области интеллектуального анализа данных.

Основные направления обучения:

• Искусственный интеллект (Artificial Intelligent)  и разработка интеллектуальных систем (Intelligent Systems Development).
• Методы анализа «больших данных» (Big Data Analysis), майнинг данных (Data Mining) и визуализация данных (Data Visualization).
• Машинное обучение (Machine Learning).
• Анализ формальных понятий (Formal Concept Analysis).
• Анализ сетей (Network Analysis) и прикладная теория графов (Applied Graph Theory).
• Онтологическое моделирование (Ontology Engineering) и семантические технологии (Semantic Technologies).
• Мультимодальная кластеризация (Multi-Modal Clustering) и рекомендательные системы (Recommender Systems).
• Автоматическая обработка текста (Natural Language Processing) и распознавание образов (Pattern Recognition).

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:

• Автоматическая обработка текста
• Анализ и визуализация сетей
• Комбинаторика, графы и булева логика
• Основные методы анализа данных
• Прикладная теория графов
• Семантические технологии
• Временные ряды и случайные процессы
• Машинное обучение и майнинг данных

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.