Поступление 2022
0
личный кабинет

ПАСПОРТ ПРОГРАММЫ

Тип: программа корпоративной магистратуры

Программа магистратуры нацелена на подготовку специалистов под действующую отрасль в реальном секторе экономики с поддержкой одним или несколькими предприятиями.

Военная кафедра Государственная аккредитация
Государственная аккредитация — выпускники получают диплом государственного образца; студенты имеют отсрочку от службы в армии, возможность использования маткапитала при оплате за обучение.

02.04.03 Математическое обеспечение и администрирование информационных систем


01.04.02 Прикладная математика и информатика

Специализации:
Язык обучения:

Методы анализа данных

Русский

Технологии анализа данных

Русский

Языки обучения: RUS Русский
Форма обучения: Очная, 2 года
Стоимость контрактного обучения в 2021 году: 251 000 руб. в год
  • 251 тыс. руб в год для граждан Российской федерации
  • 271 тыс. руб в год для иностранных граждан
Контактное лицо Егорова Ольга Борисовна
Руководитель программы:
Михайлова Елена Георгиевна
Учебные корпуса: Биржевая линия, д.14Кронверкский пр., д. 49

ПАРТНЕРЫ ПРОГРАММЫ

ОПИСАНИЕ ПРОГРАММЫ

Совместная корпоративная магистратура компании Яндекс и Университета ИТМО готовит специалистов в области разработки Data Science. Программа нацелена на формирование специалистов, способных создавать, адаптировать и применять методы анализа данных к самым разным предметным областям, используя методы машинного обучения, анализ временных рядов, интеллектуальный анализ текстов на естественном языке, изображений, звуков, компьютерное зрение. Выпускники будут применять технологии обработки больших объемов данных используя методы статистического анализа, машинного обучения, нейронных сетей. Профильные дисциплины по выбору могут быть изучены в Computer Science Center

АКТУАЛЬНОСТЬ И ЗНАЧИМОСТЬ ПРОГРАММЫ

В настоящее время аналитика данных требуется практически во всех предметных областях – в различных сферах производства, в рекламе, коммерции, в образовании – трудно найти сферу человеческой деятельности, где это не будет востребовано. Проектирование данных и организация их хранения, обработка Big Data, выводы и решения на данных, а также прогнозирование, построение отчетности и многофакторная визуализация – все это востребовано современным рынком труда.


Обучение ведется по двум специализациям:

· Методы анализа данных

· Технологии анализа данных

Специализация «Методы анализа данных» – это специалисты, готовые создавать/ развивать новые методы/инструменты/пакеты программ для анализа данных.

Специализация «Технологии анализа данных» – специалисты, глубоко изучившие существующие методы и технологии интеллектуального анализа данных и готовые применять/ адаптировать их к различным предметной области.

ДИСЦИПЛИНЫ

Вероятность и статистика (продвинутый уровень)

Дисциплина нацелена на изучение методов теории вероятностей и математической статистики применительно к задачам машинного обучения и аналитике данных

Семантические технологии (Технологии анализа данных)

Дисциплина рассматривает семантические технологии в применении к Web: онтологическое моделирование, дескриптивную логику, сервисы и приложения семантического веб

Анализ изображений и видео (Технологии анализа данных)

Дисциплина направлена на решение задач в области анализа изображений и видео: рассматриваются алгоритмы обработки изображений, методы выделения объектов на изображении и в видео, поиска изображений по содержанию

Алгоритмы и оценка сложности (Методы анализа данных)

Дисциплина знакомит студентов с фундаментальными алгоритмами обработки данных, а также с современными методами исследования алгоритмов и оценки их алгоритмической сложности

Высокопроизводительные вычисления

Рассматриваются вопросы применения интеллектуальных технологий в целях создания высокопроизводительного программного обеспечения для компьютерного моделирования, эффективно использующего ресурсы распределенных вычислительных систем различной архитектуры

Обработка естественного языка (Технологии анализа данных)

Дисциплина рассматривает задачи NLP - Natural Language Processing. Построение языковых моделей, морфологический и синтаксический анализ текстов, классификация текстов, анализа тональности, системы генерации текста

Обработка речи (Методы анализа данных)

Дисциплина направлена на изучение характеристик речевого сигнала и использование методов цифровой обработки звука и речи

Разработка приложений СУБД (Технологии анализа данных)

Дисциплина рассматривает вопросы создания приложений баз данных, а также настройку и сопровождение приложений баз данных. Курс поддерживается большим количеством практических заданий

Информационный поиск (Технологии анализа данных)

Дисциплина рассматривает архитектуру систем сбора, индексирования и поиска документов. Рассматриваются вопросы морфологического анализа и языковых моделей в информационном поиске, применения методов машинного обучения для анализа текстов

Обработка изображений (Методы анализа данных)

Дисциплина направлена на изучение задач кодирования и обработки изображений. Рассматриваются современные методы анализа изображений: классификация, сегментация, детектирование объектов и др

Языки программирования и основы дискретной математики (продвинутый уровень)

Дисциплина направлена на изучение алгоритмов и структур данных, а также их реализации на языке программирования Python

Выпуклый анализ и оптимизация (Методы анализа данных)

Дисциплина направлена на изучение методов оптимизации в машинном обучении. В курсе рассматриваются методы безусловной и условной оптимизации, методы негладкой оптимизации, а также оценивается скорость сходимости методов на различных классах функций

Анализ неструктурированных данных (Технологии анализа данных)

Дисциплина рассматривает особенности хранения, обработки и анализа неструктурированных и слабоструктурированных данных в контексте современных систем управления данными. Курс поддерживается большим количеством практических заданий

Обработка текстовых данных (Методы анализа данных)

Дисциплина направлена на изучение общих принципов построения систем автоматической обработки текстовой информации и семантического анализа текстов

Анализ изображений и видео (Технологии анализа данных)

Дисциплина направлена на решение задач в области анализа изображений и видео: рассматриваются алгоритмы обработки изображений, методы выделения объектов на изображении и в видео, поиска изображений по содержанию

Теоретическая информатика (Методы анализа данных)

Дисциплина рассматривает теорию алгоритмов, алгоритмическую сложность и теорию вычислимости

Дополнительные разделы машинного обучения

Дисциплина нацелена на детальное изучение продвинутых методов машинного обучения, в том числе нейронных сетей. Среди рассматриваемых методов можно отметить следующие: ЛДА, бэггинг и бустинг, а также сверточные, рекуррентные и другие виды нейронных сетей

Глубокое обучение

Дисциплина нацелена на изучение методов глубокого обучения. Подробно рассматриваются сверточные и рекуррентные нейронные сети и методы их обучения

Обработка и хранение данных

Дисциплина нацелена на детальное изучение методов обработки и хранения структурированных данных. Курс поддерживается большим количеством практических заданий

Обработка естественного языка (Технологии анализа данных)

Дисциплина рассматривает задачи NLP - Natural Language Processing. Построение языковых моделей, морфологический и синтаксический анализ текстов, классификация текстов, анализа тональности, системы генерации текста

ПРЕПОДАВАТЕЛИ

Антон Александрович Бойцев
Дмитрий Геннадьевич Волчек
Наталья Генриховна Графеева кандидат физико-математических наук
Ольга Борисовна Егорова кандидат филологических наук
Елена Георгиевна Михайлова доцент, кандидат физико-математических наук
Алексей Андреевич Романов

ТЕМЫ ВЫПУСКНЫХ РАБОТ

  • Разработка методов атрибутции, основанных на частотном профиле автора
  • Разрешение кореференций методами кластеризации
  • Обнаружение текста в коллекциях изображений, содержащих текст на разных языках
  • Применение методов кластеризации для обработки археологических артефактов

НАБОР КОМПЕТЕНЦИЙ

 Выпускник свободно владеет современными методами и технологиями сбора, подготовки и хранения данных, применяет инструменты анализа данных и адаптирует их к бизнес-процессам. Знает методы современного статистического анализа, машинного обучения, успешно применяет программные средства и технологии для обработки и хранения больших данных

ТРУДОУСТРОЙСТВО И ВОСТРЕБОВАННОСТЬ ПРОФЕССИИ

В настоящее время данные окружают нас повсюду. Умение организовывать их хранение, анализировать их, искать скрытые закономерности и строить прогнозы -- те требования, которые предъявляет работодатель к сотрудникам, занимающимся анализом и аналитикой данных. Так как практически любая сфера деятельности оперирует большими объемами данных, то и соответствующие специалисты востребованы практически в любой предметной области, на любом предприятии. Все потому, что качественная аналитика данных способна увеличить объемы прибыли и уменьшить издержки, найти тренды в областях интересов потребителей и даже выявить зависимости, о которых ранее никто не догадывался. Аналитика данных и методы, в ней использующиеся, уже давно переросли из обычного хайпа в активно развивающуюся ветвь науки, востребованную в современном мире. Специалист по Data Science – одна из самых востребованных в настоящее время профессий на рынке труда, и потребность в них будет только возрастать в ближайшие десятилетия.  

Обратная связь

* Имя
* E-mail
Ваше сообщение