Master in Data Science

Om de groeiende hoeveelheid gegevens die op alle gebieden van de huidige samenleving wordt gegenereerd, te analyseren, tilt de moderne IT-industrie de kwestie van Big Data op. Evenzo vestigt de academische gemeenschap het opkomende gebied van Data Science. Dit programma omvat training op het gebied van computermodellen, wiskundige modellering en prognoses, computerarchitectuur, geavanceerde programmeertechnieken, evenals gegevensopslag en -herstel. Door zijn multidisciplinaire opzet kan dit programma dienen als ruggengraat die interessant is voor afgestudeerden van tal van faculteiten, maar ook voor medewerkers van onderzoekscentra. Afgestudeerden van het programma kunnen problemen oplossen met betrekking tot het zoeken, verzamelen, opslaan, voorbereiden en analyseren van gegevens, evenals interpretatie van resultaten op het gebied van specialisatie.

Programma overzicht

De masteropleiding Data Science omvat de voltijdse educatieve track voor Engelssprekende studenten die bestaat uit een reeks basisdisciplines en een verscheidenheid aan keuzevakken en optionele cursussen in het Engels.

Het doel van het programma is om hooggekwalificeerde experts op te leiden in toegepaste wiskunde, informatica en data-analyse.

Het programma omvat een diepgaande studie van wiskundige methoden van kunstmatige-intelligentiemodellen en moderne methoden voor gegevensanalyse, wiskundige en informatieve modellering van complexe systemen, evenals een computerrealisatie van deze methoden. De kennis en vaardigheden van afgestudeerden van deze cursus zijn in trek bij ministeries en instellingen van de Russische Federatie, regionale overheden en grote bedrijven.

Het concept en het curriculum van de specialisatie Internet Data Analysis zijn ontwikkeld in samenwerking met Yandex. Deze track omvat het onderwijzen van speciale disciplines door de personeelsleden van het bedrijf, de deelname van studenten, postdoctorale studenten en docenten aan projecten die taken uitvoeren die door Yandex zijn voorgesteld en die verband houden met de bedrijfsactiviteiten, beroepsopleiding voor studenten in Yandex en gezamenlijk onderzoek dat samen wordt uitgevoerd. met Yandex-personeel.

Het programma omvat 3 specialisaties en een voltijds Engelstalig traject (120 studiepunten):

Engelstalige track

Algemene inhoud van het leerplan

Overbruggingscursussen:

• Discrete wiskunde voor applicatie- en algoritmeontwikkeling
• Kansberekening Theorie en wiskundige statistiek
• Onderdelen van het vakgebied

Basiscursussen:

• Moderne methoden voor gegevensanalyse
• Moderne besluitvormingsmethoden
• Netwerkwetenschap
• Machine learning en datamining

Keuzevakken:

• Geautomatiseerde methoden voor programmaverificatie
• Medische informatica
• Gegevensanalyse in de geneeskunde
• Data- en service-engineering voor het automatiseren van bedrijfsprocessen

Analyse van internetgegevens

Basiscursussen:

• Moderne methoden voor gegevensanalyse
• Moderne besluitvormingsmethoden
• Machine Learning
• Algoritmen en datastructuren
• Methoden en systemen voor het verwerken van big data

Keuzevakken:

• Probabilistische en statistische benaderingen bij besluitvorming
• Theorie Parallelle en gedistribueerde berekeningen
• Optimalisatie in machine learning
• Beeld- en videoanalyse
• Automatische verwerking van teksten
• Diepgaand leren

Intelligente systemen en structurele analyse

Overbruggingscursussen:

• Discrete wiskunde voor applicatie- en algoritmeontwikkeling
• Kansberekening Theorie en wiskundige statistiek

Basiscursussen:

• Moderne methoden voor gegevensanalyse
• Moderne besluitvormingsmethoden
• Bestelde sets in gegevensanalyse
• Netwerkwetenschap
• Inleiding tot machine learning en datamining
• Machine learning en datamining

Keuzevakken:

• Computerlinguïstiek en tekstanalyse
• Informatietheorie en combinatorische zoektheorie
• Grondbeginselen van ontwerp en implementatie van kunstmatige intelligentie
• Systeemspellen en beslissingen in gegevensanalyse en -modellering
• Gegevensanalyse in de geneeskunde
• Big Data-analyse
• Diepgaand leren
• Geautomatiseerde methoden voor programmaverificatie
• Medische informatica
• Robuuste methoden in de statistiek
• Besluitvorming en gegevensanalyse onder onzekerheid en ambiguïteit
• Bedrijfsprocessen automatiseren met Machine Learning

Technologieën voor het modelleren van complexe systemen

Overbruggingscursussen:

• Discrete wiskunde voor applicatie- en algoritmeontwikkeling
• Kansberekening Theorie en wiskundige statistiek

Basiscursussen:

• Moderne methoden voor gegevensanalyse
• Moderne besluitvormingsmethoden
• Bestelde sets in gegevensanalyse
• Wiskundige grondslagen van moderne telecommunicatie
• Statistische methoden voor voorspellende modellering
• Geometrische methoden voor voorspellende modellering

Keuzevakken:

• Computerlinguïstiek en tekstanalyse
• Informatietheorie en combinatorische zoektheorie
• Grondbeginselen van ontwerp en implementatie van kunstmatige intelligentie
• Systeemspellen en beslissingen in gegevensanalyse en -modellering
• Gegevensanalyse in de geneeskunde
• Big Data-analyse
• Diepgaand leren
• Geautomatiseerde methoden voor programmaverificatie
• Medische Informatica
• Robuuste methoden in de statistiek
• Besluitvorming en gegevensanalyse onder onzekerheid en ambiguïteit
• Bedrijfsprocessen automatiseren met Machine Learning

Afgestudeerden van het programma verwerven vaardigheden en competenties die gevraagd worden op de toonaangevende online platforms, inclusief methoden en hulpmiddelen voor het verwerken van grote hoeveelheden gegevens (Big Data), gegevensvoorverwerking (Extract-Transform-Load), datamining (Data Mining), kennis extractie (Knowledge Discovery), het creëren van zoekmachines (Zoekmachines), sociale netwerkanalyse (Social Network Analysis), algoritmeschaling (Hadoop- en Map-Reduce-technologieën) en financiële tijdreeksprognoses.