Программа на углублённое изучение методов анализа больших данных с исследовательским и прикладным уклоном. В рамках программы магистранты осваивают современные подходы к машинному и глубокому обучению, нейронным сетям и базам данных, а также приобретают навыки самостоятельного научного анализа, разработки и оценки интеллектуальных моделей для решения сложных задач Data Science.

— Машинное обучение 1;
— Машинное обучение 2;
— Методы математического моделирования;
— Проблема переобучения нейронных сетей, аугментация данных;
— Python/R для анализа данных;
— Математическое моделирование перечислительной комбинаторики;
— Продвинутый анализ данных;
— Методы оптимизации для приложений DS;
— Конечно-разностные методы для уравнений в частных производных;
— Прикладное глубокое обучение;
— Исследовательский анализ и визуализация данных;
— Методы машинного обучения в решениях обратных задач;
— Параллельные вычисления.

— Умение создавать математические модели методами современных информационных технологий.
— Способность моделировать проблемы загрязнения экологических систем и прогнозировать причинно-следственные связи в экологической системе.
— Способность моделировать энергетические проблемы.
— Умение строить алгоритм решения задачи.
— Возможность применения программного обеспечения для решения проблемы.

— Исследовательская направленность обучения: акцент на самостоятельных научных исследованиях, анализе данных и разработке собственных моделей и алгоритмов;
— Глубокая математическая и алгоритмическая подготовка: изучение методов математического моделирования, машинного и глубокого обучения для решения сложных прикладных задач;
— Практико-ориентированный подход: применение современных программных средств, аналитических инструментов и технологий 3D-визуализации в реальных проектах;
— Междисциплинарность программы: использование методов Data Science для решения задач в энергетике, экологии, экономике и информационных системах;
— Формирование востребованных профессиональных компетенций: подготовка специалистов, способных работать с большими данными, разрабатывать интеллектуальные системы и принимать обоснованные управленческие и технические решения.

— Преподаватель;
— Ассистент в области образования;
— Старший преподаватель/сеньор-лектор в области образования;
— Специалист по нейронным сетям;
— Специалист по машинному обучению;
— Программист компьютерного зрения.