Версия для слабовидящих

Размер текста:

Цветовая схема:

Изображения:

Анализ больших данных и машинное обучение в экономике и финансах

Анализ больших данных и машинное обучение в экономике и финансах

01.04.02 Прикладная математика и информатика
Форма обучения
Очная
Срок обучения
2 года
Бюджетных мест
10
Платных мест
25
Стоимость
от 181250 ₽ За первый год обучения

О программе

Получите фундаментальную математическую подготовку, освоите необходимый компьютерный инструментарий, изучите современные языки программирования, получите навыки анализа данных, прикладного экономико-математического моделирования.
 
Магистерская программа «Анализ больших данных и машинное обучение в экономике и финансах» предназначена для тех, кто хочет стать высококвалифицированным специалистом в области анализа данных и принятия решений в экономике и финансах. Программа предлагает уникальную возможность изучения современных методов и технологий анализа данных, машинного обучения и искусственного интеллекта, которые используются в экономике и финансах.

ПАО «Сбербанк»
Правительство Российской Федерации
Центральный банк Российской Федерации
Федеральная налоговая служба России
АО «Альфа-Банк»
ООО «Портал-Юг»

Преимущества программы

Новая квалификация за 2 года

Освойте востребованную профессию без отрыва от работы

За 22 месяца, уделяя всего 3 часа в день, вы получите актуальные знания и практические навыки. Обучение проходит в вечернее время, что позволяет совмещать его с работой и личной жизнью.

Высокая востребованность

86% наших студентов трудоустраиваются в течение 3 месяцев.

По данным Центрального Банка 83% компаний рынка ценных бумаг испытывают нехватку квалифицированных кадров. 43% работодателей ценят навыки управления финансами , которые входят в программу.

Гибкий график

Вы можете совмещать учебу с работой.

Занятия проходят с 18:20 - 21:30, а нагрузка рассчитана на совмещение с профессиональной деятельностью.

Практическая подготовка

1728 часов практики — это в 3 раза больше, чем в других вузах

Практическая подготовка 1728 часов практики — это в 3 раза больше, чем в других вузах. Вы получите опыт, эквивалентный 4 месяцам работы в финансах и аналитике. Также программа включает подготовку к экзаменам ACCA/CFA, что экономит до 300 000 ₽ на дополнительных курсах.

Развитие управленческих компетенций

Программа готовит не просто специалистов, а будущих топ-менеджеров

Модули по стратегическому управлению, переговорам и корпоративным финансам помогают развить компетенции, необходимые для роли финансового директора.

Социальные прерогативы

Создаём комфортные условия для обучения

Иногородним предоставляется общежитие, стипендии от 2419 ₽/мес до 30 000 ₽/мес . Студенты очной формы обучения могут оформить социальную карту студента для льготного проезда.

Учебный план

Обязательные дисциплины

Общенаучный модуль

Введение в науки о данных
 Курс знакомит с базовыми принципами обработки и анализа данных, включая методы сбора, очистки и визуализации информации. Студенты получат представление о ключевых инструментах и технологиях, используемых в Data Science.

Профессиональный иностранный язык
 Дисциплина направлена на развитие навыков чтения технической документации, ведения профессиональной коммуникации и восприятия научных материалов на иностранном языке. Особый акцент делается на терминологию, связанную с IT и анализом данных.

Сквозные технологии цифровой экономики
 В рамках курса рассматриваются современные технологии, такие как блокчейн, интернет вещей (IoT) и искусственный интеллект, и их влияние на экономические процессы. Студенты изучат принципы их внедрения и применения в различных отраслях.

 

Модуль общепрофессиональных дисциплин направления

Построение и оценка моделей машинного обучения
 Курс посвящен разработке, обучению и тестированию алгоритмов машинного обучения, включая методы оценки их эффективности. Студенты научатся применять различные модели для решения практических задач.

Методология поиска источников данных и подготовки данных для анализа
 Дисциплина охватывает методы сбора данных из открытых и корпоративных источников, а также их предварительной обработки. Особое внимание уделяется очистке данных, работе с пропусками и преобразованию данных в пригодный для анализа вид.

Обучение с подкреплением
 В курсе изучаются алгоритмы, позволяющие системам обучаться на основе взаимодействия со средой, включая Q-обучение и глубокое обучение с подкреплением. Рассматриваются примеры применения в робототехнике, играх и автоматизации.

Предиктивная аналитика больших данных
 Дисциплина знакомит с методами прогнозирования на основе исторических данных, включая временные ряды и регрессионный анализ. Студенты освоят инструменты для построения и интерпретации прогнозных моделей.

 

Модуль дисциплин, инвариантных для направления подготовки, отражающих специфику вуза

Проектирование архитектуры информационных систем
 Курс посвящен принципам проектирования масштабируемых и отказоустойчивых IT-систем, включая микросервисную архитектуру и облачные решения. Рассматриваются лучшие практики разработки и развертывания сложных систем.

Методы визуализации данных
 Дисциплина охватывает инструменты и техники представления данных в графической форме, включая построение дашбордов и интерактивных отчетов. Уделяется внимание выбору оптимальных способов визуализации для разных типов данных.

Нереляционные базы данных
 В курсе изучаются NoSQL-системы, такие как MongoDB, Cassandra и Redis, их архитектура и применение для хранения неструктурированных данных. Студенты освоят принципы работы с документарными, ключ-значение и графовыми базами данных.

 

Модуль направленности программы магистратуры

Прикладные модели и методы теории сложных сетей
 Курс посвящен анализу сетевых структур в социальных, транспортных и биологических системах с использованием математических моделей. Рассматриваются методы выявления закономерностей и центральных узлов в сложных сетях.

Современные нейросетевые технологии
 Дисциплина охватывает глубокое обучение, включая сверточные (CNN) и рекуррентные (RNN) нейросети, а также трансформеры. Студенты изучат применение нейросетей в компьютерном зрении, NLP и других областях.

Анализ больших данных
 В курсе рассматриваются технологии обработки больших данных, такие как Hadoop и Spark, а также методы распределенных вычислений. Уделяется внимание оптимизации запросов и работе с потоковыми данными.

Машинное обучение
 Дисциплина знакомит с основными алгоритмами машинного обучения, включая классификацию, кластеризацию и ансамбли моделей. Студенты научатся применять их для решения реальных задач в различных предметных областях.

Дисциплины по выбору

Модуль дисциплин по выбору:

Прикладные модели и методы анализа нечисловой информации
 Курс посвящен обработке текстовых, аудио- и визуальных данных с использованием методов NLP и компьютерного зрения. Рассматриваются техники извлечения информации и классификации неструктурированных данных.

Прикладные модели и методы регрессионного анализа
 Дисциплина охватывает построение и интерпретацию регрессионных моделей, включая линейную, логистическую и нелинейную регрессию. Уделяется внимание диагностике моделей и выбору оптимальных параметров.

Прикладные модели и методы факторного, дискриминантного и кластерного анализа в экономике и финансах
 В курсе изучаются методы многомерного анализа данных, применяемые для сегментации, классификации и выявления скрытых закономерностей. Рассматриваются примеры из экономики, маркетинга и риск-менеджмента.

 

Практика

  • Учебная - 108 часов
  • Производственная - 540 часов
  • Научно-исследовательская работа - 1080 часов

Руководитель программы

Ведущие преподаватели

Документы

Диплом магистра.pdf
PDF
Учебный план
PDF

Карьера наших выпускников

Чопурян Елизавета Мкртичевна

Чопурян Елизавета Мкртичевна

До обучения:  Раньше я смутно представляла, как связать бизнес и IT. Понимала, что технологии важны, но боялась даже слова «программирование».

Байкина Светлана Олеговна

Байкина Светлана Олеговна

До обучения:  Выбирая направление «Анализ больших данных и машинное обучение в экономике и финансах», я изначально видела его перспективным и...

Часто задаваемые вопросы

Предполагается ли возможность проживания магистранта в общежитии?

Да, такая возможность есть у магистрантов очной формы обучения. Подробнее с правила проживания можно ознакомиться в данном документе.

Дают ли отсрочку от армии?

Да, для очной формы магистранты получают отсрочку на период обучения.

Можно ли совмещать с работой?

Да, пары в Финансовом университете проходят в вечернее время с 18:20-21:30.

Контакты

Сб: 10:00-16:00
Социальные сети
Социальные сети

Выбрать дату

Выбрать дату

Выбрать год