Прикладные задачи машинного обучения и анализа больших данных: программа магистратуры

Основное внимание уделяется освоению методов проектирования и оптимизации нейросетевых моделей, байесовских подходов, а также созданию эффективных решений для обработки больших объёмов информации. В процессе обучения рассматриваются как теоретические основы, так и их практическое применение — от прототипирования до промышленной реализации.

Особый акцент делается на развитие навыков работы с инструментами анализа данных, методами оптимизации и технологиями распределённых вычислений. Это позволяет выпускникам не только разрабатывать алгоритмы, но и создавать полноценные системы поддержки принятия решений, способные работать с реальными данными в масштабируемых средах.

В учебный план входят дисциплины:

• Проектирование и функционирование нейронных сетей
• Методы оптимизации в машинном обучении
• Интеллектуальные технологии обработки текстов
• Анализ данных и системы поддержки принятия решений
• Прикладные задачи машинного обучения в интеллектуальных системах
• Средства визуализации данных
• Прикладные задачи анализа и машинного обучения на больших данных
• Современные технологии параллельного и распределенного программирования.