Прикладная аналитика данных

Данная дисциплина предполагает изучение наиболее актуальных в настоящее время технологий программирования, такие как язык программирования Python и язык статистической обработки данных R. Также в рамках дисциплины будут рассмотрены и изучены основы управления реляционными и нереляционными базами данных.

Этот курс исследует инновационные педагогические подходы и эффективные методы для привлечения и облегчения процесса обучения в различных образовательных средах.

Данные дисциплины предполагают изучение основ статистики, линейной алгебры, математического анализа и дискретной математики, требуемой для формирования математической основы аналитики данных.

Данная дисциплина предполагает изучение основ машинного обучения и искусственного интеллекта, и применение данных знаний для решения реальных прикладных задач. Дисциплина покрывает многие темы обучения с учителем и без учителя. Частично покрывается третий вид задач машинного обучения, так называемое обучение с прикреплением.

Исследовательская практика

Тематическое исследование — это в основном аналитическая и описательная задача, включающая выбор и анализ подходящего бизнес-процесса или производственного процесса на рабочем месте. Этот процесс описан, смоделирован и определены цели улучшения. Учащиеся решают, где и какие данные собирать в цепочке процессов. Они также генерируют соответствующий набор данных.

Цель дисциплины «Методы и инструменты Big Data» состоит в том, чтобы предоставить магистрантам глубокое понимание концепций, технологий и методологий больших данных, позволяющих им обрабатывать, анализировать и получать информацию из крупномасштабных наборов в различных домены

Данная дисциплина предполагают изучение основ понимания работы с данными, и извлечения требуемой нужно информации из данных. Дисциплина «Принятие решении основанных на данных» предполагает изучение бизнес составляющей, т.е. каким образом можно применить анализ данных для принятия правильных управленческих решений

Этот курс знакомит учащихся с различными методами генеративного моделирования и алгоритмами, такими как вариационные автоподошеры (VAE), генеративные состязательные сети (GANS) и авторегрессивные модели. Обучающиеся узнают, как разрабатывать, тренировать и оценивать генеративные модели, а также изучать свои приложения в таких областях, как компьютерное зрение, обработка естественного языка и синтез данных

Курс охватывает область сервисного подхода при организации деятельности компании; инструментов услуг и сервиса, оказываемых внутренними подразделениями и и/или внешними подрядчиками

Данная дисциплина предполагает изучение основ анализа и проектирования бизнес-процессов с помощью наиболее популярных методологии проектирования, таких как BPMN 2.0, EPC и других.

Курс рассчитан изучение управления заинтересованными сторонами (стейкхолдерами) проекта. Магистранты рассмотрят базовые принципы и анализ внешней и внутренней среды проекта, направленные на идентификацию и систематизацию основных стейкхолдеров, оценку их целей, сбор информации о них и использование этих данных в процессе управления проектом. Также будет рассмотрено ведение переговоров и привлечение стейкхолдеров к сотрудничеству с управлением ожиданиями основных стейкхолдеров.

Дисциплина, которая фокусируется на эффективном планировании, организации и контроле проектов в области информационных технологий. Он включает принципы и методологии, используемые для успешной реализации ИТ-проектов с учетом определенных ограничений, таких как время, бюджет и качество

Этот курс представляет собой концепции, языки, методы и паттерны для программирования гетерогенных, массово параллельных процессоров. Он охватывает гетерогенные вычислительные архитектуры, модели программного программирования, методы управления полосой пропускания памяти и шаблоны параллельных алгоритмов на примере CUDA и OpenCL.

Этот курс познакомит студентов с основами обучения с подкреплением. По окончании этого курса студент будет способен: Формализовать проблемы как марковские процессы принятия решений; Понимать основные методы разведки и компромисс между разведкой и эксплуатацией; Понять функции ценности как универсальный инструмент для принятия оптимальных решений; Знать, как реализовать динамическое программирование как эффективный подход к решению проблемы промышленного управления.

Научно-исследовательская работа магистранта, включая прохождение стажировки и выполнение магистерской диссертации