Интеллектуальный анализ данных

магистратура

О программе

Программа 09.04.03 Прикладная информатика "Интеллектуальный анализ данных” (онлайн) очной формы обучения формирует комплексные компетенции в области интеллектуальных методов обработки и анализа данных, извлечения знаний из данных, современных программных систем и языков программирования для анализа данных, методов машинного обучения.

Обучение проходит полностью в онлайн формате, вечером в некоторые рабочие дни и днём по субботам. Все материалы для обучения доступны магистрантам в электронной образовательной среде университета. Работа с руководителем магистерской диссертации тоже проходит в режиме онлайн.

Варианты обучения

Форма обучения	Проходной балл бюджет / платное	Мест, бюджет / платное	Стоимость, за год	Начало занятий	Срок обучения
дистанционно	— / —	— / 15	250 000 р.	1 сент. 2025	2 года

Условия поступления

портфолио
Онлайн
собеседование
Онлайн

Преимущества обучения

Актуальность образования.

Выпускники магистратуры будут обладать навыками сбора, обработки и анализа данных различной природы (табличные, текстовые, изображения, сигналы и видео), разработки дизайна исследования, построения pipelines, выполнения исследования от сбора данных до представления и интерпретации результатов анализа. Они работают специалистами в области интеллектуального анализа данных: Data Scientist, Data analytics, Machine Learning Engineer, Data Engineer, AI Researcher.

Такие специалисты требуются в компаниях всех отраслей экономики: банки, медицина, ритейл, телеком, промышленность, образование, медиа, ИТ, безопасность и др. Интеллектуальные методы позволяют выявлять скрытые закономерности в огромных объемах информации, прогнозировать риски, диагностировать неисправности, что помогает принимать обоснованные решения в любой области.

Дополнительная информация

Практические навыки магистров:
1. Программирование: владение языками программирования Python, R, SQL.
2. Работа с данными: работа с большими объемами данных, включая сбор, очистку, обработку и визуализацию, применение инструментов Hadoop, Spark, Kafka, SQL и NoSQL СУБД.
3. Применение алгоритмов машинного обучения (классификация, регрессия, кластеризация и др.).
4. Применение статистических методов для анализа данных, выявление закономерностей и проверка гипотез.
5. Моделирование данных: построение моделей данных, которые отражают структуру и взаимосвязи между различными элементами данных.
6. Визуализация данных: умение представлять результаты анализа данных в виде графиков, диаграмм и интерактивных дашбордов с использованием инструментов типа Tableau, Power BI, Matplotlib, Seaborn и других.
7. Обработка естественного языка (NLP): навыки работы с текстовыми данными, включая извлечение информации, классификацию текстов, анализ тональности и другие задачи NLP.
8. Обработка изображений и сигналов.
9. Разработка дизайна исследований, подготовка аналитических отчетов.
10. Развертывание и эксплуатация моделей: опыт настройки и развертывания моделей машинного обучения в производственных средах, мониторинг их производительности и регулярное дообучение/оптимизация.

Оставьте отзыв

Учились здесь? Оставьте отзыв, и, может быть, это поможет другим в выборе. Кроме этого, из ваших оценок формируется наш рейтинг.

Представитель вуза

Виктория Осипенко