Большие данные и машинное обучение: программа бакалавриата

Обучение построено так, чтобы выпускники умели не только разрабатывать и настраивать модели машинного обучения, но и понимали, как их внедрять в реальные бизнес-процессы. Особое внимание уделяется работе с инструментами анализа данных, программированию и математическому моделированию.

В результате студенты получают навыки, необходимые для работы в IT-компаниях, научных центрах и крупных корпорациях, где требуются специалисты по обработке данных и автоматизированным системам принятия решений. Программа сочетает фундаментальные знания и практическую подготовку, позволяя выпускникам быстро адаптироваться к меняющимся технологическим требованиям.

Примерный перечень дисциплин:

• математический анализ;
• линейная алгебра и аналитическая геометрия;
• теория вероятностей и математическая статистика;
• дискретная математика и алгоритмы;
• оптимизация и методы численного анализа;
• исследование операций.
• программирование на Python;
• алгоритмы и структуры данных;
• объектно-ориентированное программирование (C++/Java);
• параллельное и распределённое программирование;
• разработка и тестирование программного обеспечения;
• работа с базами данных (SQL, NoSQL);
• введение в машинное обучение;
• глубокое обучение и нейронные сети;
• обработка естественного языка (NLP);
• компьютерное зрение;
• рекомендательные системы;
• временные ряды и прогнозирование;
• обработка больших данных (Hadoop, Spark);
• облачные вычисления и Big Data-технологии;
• системы хранения и управления данными;
• ETL-процессы и дата-пайплайны;
• DevOps и MLOps для Data Science;
• кибербезопасность и защита данных;
• распределённые системы и высоконагруженные приложения;
• бизнес-аналитика и Data-driven решения;
• визуализация данных (Tableau, Power BI, Matplotlib);
• цифровая экономика и IT-предпринимательство;
• управление IT-проектами и Agile-методологии;
• этика и регулирование в области ИИ и данных;
• биоинформатика и медицинские приложения ИИ;
• интернет вещей (IoT) и анализ сенсорных данных;
• когнитивные технологии и искусственный интеллект;
• основы квантовых вычислений в анализе данных;
• научно-исследовательский семинар по ML/DL.