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.