کارشناسی ارشد در علوم داده

به منظور تجزیه و تحلیل حجم فزاینده داده تولید شده در تمام زمینه های جامعه امروز ، صنعت فناوری اطلاعات مدرن موضوع Big Data را مطرح می کند. به همین ترتیب ، جامعه دانشگاهی در حال ایجاد زمینه نوظهور علوم داده است. این برنامه شامل آموزش در زمینه های مدل های محاسباتی ، مدل سازی و پیش بینی ریاضی ، معماری رایانه ، تکنیک های پیشرفته برنامه نویسی و همچنین ذخیره و بازیابی اطلاعات است. با توجه به قدرت طراحی چند رشته ای ، این برنامه می تواند به عنوان ستون فقرات باشد که مورد توجه فارغ التحصیلان دانشکده های متعدد و همچنین اعضای کارکنان مراکز تحقیقاتی باشد. فارغ التحصیلان این برنامه قادر به حل مشکلات مربوط به جستجوی داده ها ، جمع آوری ، ذخیره سازی ، آماده سازی و تجزیه و تحلیل و همچنین تفسیر نتایج در زمینه تخصص خواهند بود.

بررسی اجمالی برنامه

برنامه کارشناسی ارشد Science Science شامل مسیر آموزشی تمام وقت برای دانشجویان انگلیسی زبان است که شامل مجموعه ای از رشته های اساسی و انواع دوره های انتخابی و اختیاری به زبان انگلیسی است.

هدف این برنامه آموزش کارشناسان بسیار واجد شرایط در ریاضیات کاربردی ، علوم اطلاعات و تجزیه و تحلیل داده ها است.

این برنامه شامل مطالعه عمیق روشهای ریاضی مدلهای هوش مصنوعی و روشهای مدرن تجزیه و تحلیل داده ها ، مدل سازی ریاضی و اطلاعاتی سیستم های پیچیده و همچنین تحقق رایانه ای این روش ها است. دانش و مهارت فارغ التحصیلان این دوره مورد تقاضای وزارتخانه ها و م institutionsسسات فدراسیون روسیه ، ادارات منطقه و شرکت های بزرگ است.

مفهوم و برنامه درسی تخصص در تجزیه و تحلیل داده های اینترنت همراه با Yandex تهیه شده است. این مسیر شامل آموزش رشته های خاص توسط کارکنان شرکت ، مشارکت دانشجویان ، دانشجویان تحصیلات تکمیلی و مدرسین در پروژه های اجرای پروژه های پیشنهادی توسط Yandex و مربوط به عملیات تجاری آن ، آموزش حرفه ای برای دانشجویان در Yandex و تحقیقات مشترک است که با هم انجام می شود با کارکنان Yandex.

این برنامه شامل 3 تخصص و یک دوره تمام وقت آموزش زبان انگلیسی (120 واحد) است:

آهنگ آموزش انگلیسی

مطالب برنامه درسی عمومی

دوره های پل زدن:

• ریاضیات گسسته برای کاربرد و توسعه الگوریتم
• نظریه احتمال و آمار ریاضی
• اجزای زمینه مطالعه

دوره های پایه:

• روشهای نوین تجزیه و تحلیل داده ها
• روشهای نوین تصمیم گیری
• علم شبکه
• یادگیری ماشین و داده کاوی

دوره های انتخابی:

• روشهای خودکار برای تأیید برنامه
• انفورماتیک پزشکی
• تجزیه و تحلیل داده ها در پزشکی
• مهندسی داده و خدمات برای خودکارسازی فرایندهای تجاری

تجزیه و تحلیل داده های اینترنتی

دوره های پایه:

• روشهای نوین تجزیه و تحلیل داده ها
• روشهای نوین تصمیم گیری
• فراگیری ماشین
• الگوریتم ها و سازه های داده
• روش ها و سیستم های پردازش داده های بزرگ

دوره های انتخابی:

• رویکردهای احتمالی و آماری در تصمیم گیری
• نظریه محاسبات موازی و توزیع شده
• بهینه سازی در یادگیری ماشین
• تجزیه و تحلیل تصویر و فیلم
• پردازش خودکار متون
• یادگیری عمیق

سیستم های هوشمند و تحلیل ساختاری

دوره های پل زدن:

• ریاضیات گسسته برای کاربرد و توسعه الگوریتم
• نظریه احتمال و آمار ریاضی

دوره های پایه:

• روشهای نوین تجزیه و تحلیل داده ها
• روشهای نوین تصمیم گیری
• مجموعه های سفارش داده شده در تجزیه و تحلیل داده ها
• علم شبکه
• مقدمه ای بر یادگیری ماشین و داده کاوی
• یادگیری ماشین و داده کاوی

دوره های انتخابی:

• زبان شناسی محاسباتی و تحلیل متن
• نظریه اطلاعات و نظریه ترکیبی جستجو
• مبانی طراحی و پیاده سازی هوش مصنوعی
• بازی های سیستم ها و تصمیم گیری در تجزیه و تحلیل و مدل سازی داده ها
• تجزیه و تحلیل داده ها در پزشکی
• تجزیه و تحلیل داده های بزرگ
• یادگیری عمیق
• روشهای خودکار برای تأیید برنامه
• انفورماتیک پزشکی
• روشهای قوی در آمار
• تصمیم گیری و تجزیه و تحلیل داده ها در شرایط عدم قطعیت و ابهام
• خودکارسازی فرایندهای تجاری با استفاده از یادگیری ماشین

فن آوری های مدل سازی سیستم های پیچیده

دوره های پل زدن:

• ریاضیات گسسته برای کاربرد و توسعه الگوریتم
• نظریه احتمال و آمار ریاضی

دوره های پایه:

• روشهای نوین تجزیه و تحلیل داده ها
• روشهای نوین تصمیم گیری
• مجموعه های سفارش داده شده در تجزیه و تحلیل داده ها
• مبانی ریاضی مخابرات مدرن
• روش های آماری برای مدل سازی پیش بینی
• روشهای هندسی برای مدل سازی پیش بینی

دوره های انتخابی:

• زبان شناسی محاسباتی و تحلیل متن
• نظریه اطلاعات و نظریه ترکیبی جستجو
• مبانی طراحی و پیاده سازی هوش مصنوعی
• بازی های سیستم ها و تصمیم گیری در تجزیه و تحلیل و مدل سازی داده ها
• تجزیه و تحلیل داده ها در پزشکی
• تجزیه و تحلیل داده های بزرگ
• یادگیری عمیق
• روشهای خودکار برای تأیید برنامه
• انفورماتیک پزشکی
• روشهای قوی در آمار
• تصمیم گیری و تجزیه و تحلیل داده ها در شرایط عدم قطعیت و ابهام
• خودکارسازی فرایندهای تجاری با استفاده از یادگیری ماشین

فارغ التحصیلان این برنامه مهارت ها و شایستگی های مورد نیاز را در سیستم عامل های پیشرو آنلاین شامل روش ها و ابزارهایی برای پردازش حجم زیادی از داده ها (داده های بزرگ) ، پیش پردازش داده ها (استخراج-تبدیل-بار) ، داده کاوی (داده کاوی) ، دانش کسب می کنند. استخراج (کشف دانش) ، ایجاد موتورهای جستجو (موتورهای جستجو) ، تجزیه و تحلیل شبکه های اجتماعی (تجزیه و تحلیل شبکه های اجتماعی) ، مقیاس بندی الگوریتم ها (فناوری های Hadoop و Map-Reduce) و پیش بینی سری های زمانی مالی.