Прикладной анализ данных: программа бакалавриата

Программа в основном направлена на развитие навыков и знаний в области прикладной математики и информатики. Студенты изучают различные методы и инструменты для сбора, обработки, анализа и интерпретации данных. Они изучают основы статистики и вероятности, алгоритмы и структуры данных, основы машинного обучения и искусственного интеллекта. Также студенты получают знания в области баз данных, программирования и визуализации данных. Они учатся применять математические и статистические методы для решения реальных проблем, связанных с обработкой и анализом данных в различных сферах, таких как бизнес, финансы, медицина, наука и многие другие. Кроме того, студенты могут изучать темы, связанные с этикой и безопасностью данных, чтобы быть готовыми к этическому и ответственному использованию данных в своей будущей карьере.

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 профессиональные дисциплины:

Дискретная математика

• Алгебра
• Линейная алгебра и геометрия
• Математический анализ 
• Основы и методология программирования
• Алгоритмы и структуры данных
• Дифференциальные уравнения
• Архитектура компьютера и операционные системы
• Дискретная математика
• Теория вероятности и математическая статистика
• Машинное обучение
• Методы оптимизации
• Философия науки
• Основные методы анализа данных
• Комбинаторика, графы и вычислительная логика
• Машинное обучение и майнинг данных
• Автоматическая обработка текста
• Семантические технологии 
• Прикладная теория графов
• Анализ и визуализация сетей
• Теория баз данных 
• Численные методы
• Введение в управление роботехническими системами
• Параллельные и распределенные вычисления 
• Безопасность компьютерных систем 
• Введение в теорию статистического обучения. Introduction to Statistical Learning Theory 
• (преподается на английском языке) 
• Дополнительные главы исследования операций
• Анализ неструктурированных данных