Большие данные и машинное обучение: программа бакалавриата

Программа предоставляет студентам фундаментальные знания и практические навыки в области обработки больших объемов данных и применения методов машинного обучения.

В рамках программы студенты изучают основные концепции и технологии, связанные с обработкой и анализом больших данных, включая методы сбора, хранения, обработки и визуализации данных. Они овладевают навыками работы с распределенными системами хранения данных, и изучают инструменты и алгоритмы для эффективной обработки и анализа больших объемов информации.

Важной частью программы является изучение методов машинного обучения, которые позволяют компьютерным системам обучаться из данных и делать прогнозы или принимать решения на основе этих знаний. Студенты получают представление о различных типах алгоритмов машинного обучения, таких как нейронные сети, метод опорных векторов и ансамблевые методы. Они изучают методы предобработки данных, выбора признаков, оценки и валидации моделей, а также применение машинного обучения в различных областях, включая обнаружение аномалий, классификацию, кластеризацию и рекомендательные системы.

На протяжении программы студенты также получают практический опыт работы с реальными наборами данных и различными инструментами и программными пакетами для обработки и анализа данных. Они разрабатывают навыки программирования на языках, таких как Python и R, и изучают среды разработки для работы с большими данными и машинным обучением.

В результате обучения студенты приобретают глубокое понимание принципов и методов обработки больших данных, а также умение применять различные алгоритмы машинного обучения для решения реальных задач. Они готовы к работе с данными и машинным обучением в различных областях, включая науку, промышленность, финансы, здравоохранение и многие другие.

Профессиональные дисциплины:

• Иностранный язык
• Безопасность жизнедеятельности
• Деловая коммуникация
• Правовое обеспечение профессиональной деятельности
• Программирование на языке Python
• Методы оптимизации в анализе данных
• История развития и современные тренды искусственного интеллекта
• Дискретная математика
• Математическая логика
• Архитектура систем хранения и обработки данных
• Математический анализ
• Линейная алгебра и приложения
• Теория вероятностей и математическая статистика
• Основы проектной деятельности
• Администрирование ОС и сетей
• Персональный имидж и карьерный менеджмент
• Структуры и алгоритмы обработки данных
• Программирование на языке Java
• Реляционные базы данных
• Распределенные и облачные системы
• Интеллектуальные системы поддержки принятия решений
• Процессы и инструменты управления данными
• Управление программными проектами в сфере искусственного интеллекта.

Вариативная часть:

• Разработка пользовательского интерфейса
• Машинное обучение
• Методология разработки решений на основе ИИ
• Технология хранения и архитектура больших данных
• Основы информационной безопасности
• Нейронные сети и глубокое обучение
• Теория игр в ИИ
• Инструменты анализа данных
• Основы технологии интернета вещей
• Лучшие мировые профессиональные практики
• Технологии высокопроизводительной обработки больших данных
• Имитационное и агентное моделирование
• Параллельная обработка и анализ данных
• Искусственный интеллект в обработке изображений.

Дисциплины по выбору:

• Технологическое предпринимательство
• Социальное предпринимательство
• Программирование на языке Scala
• Программирование на языке C++
• Разработка Web-приложений
• Разработка мобильных приложений.