Δάσκαλος στην επιστήμη των δεδομένων
HSE University
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
Moscow, Ρωσία
Γλώσσες
Αγγλικά
Μορφή μελέτης
Στην Πανεπιστημιούπολη
Διάρκεια
2 χρόνια
Βήμα
Πλήρης απασχόληση
Δίδακτρα
RUB 390.000 / per year *
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Ζητήστε πληροφορίες
* 195 000 - 390 000 RUB / έτος
Υποτροφίες
Εξερευνήστε ευκαιρίες για υποτροφίες για να βοηθήσετε στη χρηματοδότηση των σπουδών σας
Εισαγωγή
Προκειμένου να αναλυθεί ο αυξανόμενος όγκος δεδομένων που παράγονται σε όλους τους τομείς της σημερινής κοινωνίας, η σύγχρονη βιομηχανία πληροφορικής αναδεικνύει το ζήτημα των Big Data. Ομοίως, η ακαδημαϊκή κοινότητα δημιουργεί το αναδυόμενο πεδίο της Επιστήμης Δεδομένων. Αυτό το πρόγραμμα περιλαμβάνει εκπαίδευση στους τομείς υπολογιστικών μοντέλων, μαθηματικών μοντέλων και προβλέψεων, αρχιτεκτονικής υπολογιστών, προηγμένων τεχνικών προγραμματισμού, καθώς και αποθήκευσης και ανάκτησης δεδομένων. Με βάση τον πολυτομεακό σχεδιασμό του, αυτό το πρόγραμμα μπορεί να χρησιμεύσει ως ραχοκοκαλιά που ενδιαφέρει τους αποφοίτους πολλών σχολών, καθώς και τα μέλη του προσωπικού στα ερευνητικά κέντρα. Οι απόφοιτοι του προγράμματος θα είναι σε θέση να λύσουν προβλήματα σχετικά με την αναζήτηση δεδομένων, τη συλλογή, την αποθήκευση, την προετοιμασία και την ανάλυση, καθώς και την ερμηνεία των αποτελεσμάτων στον τομέα της εξειδίκευσης.
σύνοψη προγράμματος
Το πρόγραμμα Master Data Science περιλαμβάνει το πλήρες εκπαιδευτικό κομμάτι για μαθητές που μιλούν Αγγλικά και αποτελείται από ένα σύνολο βασικών κλάδων και μια ποικιλία επιλογών και προαιρετικών μαθημάτων στα Αγγλικά.
Ο στόχος του προγράμματος είναι να εκπαιδεύσει ειδικευμένους ειδικούς στα εφαρμοσμένα μαθηματικά, την επιστήμη της πληροφορίας και την ανάλυση δεδομένων.
Το πρόγραμμα περιλαμβάνει μια εις βάθος μελέτη μαθηματικών μεθόδων μοντέλων τεχνητής νοημοσύνης και σύγχρονων μεθόδων ανάλυσης δεδομένων, μαθηματικής και ενημερωτικής μοντελοποίησης σύνθετων συστημάτων καθώς και πραγματοποίηση υπολογιστών αυτών των μεθόδων. Οι γνώσεις και οι δεξιότητες των αποφοίτων αυτού του μαθήματος απαιτούνται από τα υπουργεία και τα ιδρύματα της Ρωσικής Ομοσπονδίας, τις περιφερειακές διοικήσεις και τις μεγάλες εταιρείες.
Η ιδέα και το πρόγραμμα σπουδών της εξειδίκευσης στην Ανάλυση Δεδομένων Διαδικτύου έχουν αναπτυχθεί σε συνδυασμό με το Yandex. Αυτό το κομμάτι περιλαμβάνει τη διδασκαλία ειδικών επιστημονικών κλάδων από τα μέλη του προσωπικού της Εταιρείας, τη συμμετοχή φοιτητών, μεταπτυχιακών και ομιλητών σε έργα υλοποίησης εργασιών που προτείνει η Yandex και σχετίζονται με τις επιχειρηματικές της δραστηριότητες, την επαγγελματική κατάρτιση για φοιτητές στο Yandex και κοινή έρευνα που διεξάγεται από κοινού με το προσωπικό της Yandex.
Εισαγωγές
Διδακτέα ύλη
Το πρόγραμμα περιλαμβάνει 3 εξειδικεύσεις και ένα κομμάτι πλήρους απασχόλησης που διδάσκεται στα αγγλικά (120 μονάδες):
Κομμάτι που διδάσκεται αγγλικά
Περιεχόμενα Γενικού Προγράμματος Σπουδών
Μαθήματα γεφύρωσης:
- Διακριτά Μαθηματικά για την εφαρμογή και την ανάπτυξη αλγορίθμων
- Θεωρία Πιθανοτήτων και Μαθηματικές Στατιστικές
- Συστατικά του πεδίου μελέτης
Βασικά μαθήματα:
- Σύγχρονες μέθοδοι ανάλυσης δεδομένων
- Σύγχρονες μέθοδοι λήψης αποφάσεων
- Επιστήμη δικτύων
- Μηχανική εκμάθηση και εξόρυξη δεδομένων
Μαθήματα επιλογής:
- Αυτοματοποιημένες μέθοδοι επαλήθευσης προγράμματος
- Ιατρική Πληροφορική
- Ανάλυση δεδομένων στην Ιατρική
- Μηχανική Δεδομένων και Υπηρεσιών για Αυτοματοποίηση Επιχειρηματικών Διαδικασιών
Ανάλυση Δεδομένων Διαδικτύου
Βασικά μαθήματα:
- Σύγχρονες μέθοδοι ανάλυσης δεδομένων
- Σύγχρονες μέθοδοι λήψης αποφάσεων
- Εκμάθηση μηχανών
- Αλγόριθμοι και Δομές Δεδομένων
- Μέθοδοι και συστήματα για την επεξεργασία μεγάλων δεδομένων
Μαθήματα επιλογής:
- Πιθανολογικές και στατιστικές προσεγγίσεις στη λήψη αποφάσεων
- Θεωρία Παράλληλοι και Κατανεμημένοι Υπολογισμοί
- Βελτιστοποίηση στη μηχανική μάθηση
- Ανάλυση εικόνας και βίντεο
- Αυτόματη επεξεργασία κειμένων
- Βαθιά μάθηση
Ευφυή συστήματα και δομική ανάλυση
Μαθήματα γεφύρωσης:
- Διακριτά Μαθηματικά για την εφαρμογή και την ανάπτυξη αλγορίθμων
- Θεωρία Πιθανοτήτων και Μαθηματικές Στατιστικές
Βασικά μαθήματα:
- Σύγχρονες μέθοδοι ανάλυσης δεδομένων
- Σύγχρονες μέθοδοι λήψης αποφάσεων
- Σετ παραγγελίας στην ανάλυση δεδομένων
- Επιστήμη δικτύων
- Εισαγωγή στη μηχανική εκμάθηση και την εξόρυξη δεδομένων
- Μηχανική εκμάθηση και εξόρυξη δεδομένων
Μαθήματα επιλογής:
- Υπολογιστική Γλωσσολογία και Ανάλυση Κειμένου
- Θεωρία Πληροφοριών και Συνδυαστική Θεωρία Αναζήτησης
- Βασικές αρχές του σχεδιασμού και της εφαρμογής της τεχνητής νοημοσύνης
- Παιχνίδια συστημάτων και αποφάσεις στην ανάλυση και μοντελοποίηση δεδομένων
- Ανάλυση δεδομένων στην Ιατρική
- Μεγάλη Ανάλυση Δεδομένων
- Βαθιά μάθηση
- Αυτοματοποιημένες μέθοδοι επαλήθευσης προγράμματος
- Ιατρική Πληροφορική
- Ισχυρές μέθοδοι στατιστικών
- Λήψη αποφάσεων και ανάλυση δεδομένων υπό αβεβαιότητα και ασάφεια
- Αυτοματοποίηση επιχειρηματικών διαδικασιών με χρήση μηχανικής μάθησης
Τεχνολογίες Μοντελοποίησης Σύνθετων Συστημάτων
Μαθήματα γεφύρωσης:
- Διακριτά Μαθηματικά για την εφαρμογή και την ανάπτυξη αλγορίθμων
- Θεωρία Πιθανοτήτων και Μαθηματικές Στατιστικές
Βασικά μαθήματα:
- Σύγχρονες μέθοδοι ανάλυσης δεδομένων
- Σύγχρονες μέθοδοι λήψης αποφάσεων
- Σετ παραγγελίας στην ανάλυση δεδομένων
- Μαθηματικά θεμέλια των σύγχρονων τηλεπικοινωνιών
- Στατιστικές Μέθοδοι Προγνωστικής Μοντελοποίησης
- Γεωμετρικές μέθοδοι για πρόβλεψη μοντελοποίησης
Μαθήματα επιλογής:
- Υπολογιστική Γλωσσολογία και Ανάλυση Κειμένου
- Θεωρία Πληροφοριών και Συνδυαστική Θεωρία Αναζήτησης
- Βασικές αρχές του σχεδιασμού και της εφαρμογής της τεχνητής νοημοσύνης
- Παιχνίδια συστημάτων και αποφάσεις στην ανάλυση και μοντελοποίηση δεδομένων
- Ανάλυση δεδομένων στην Ιατρική
- Μεγάλη Ανάλυση Δεδομένων
- Βαθιά μάθηση
- Αυτοματοποιημένες μέθοδοι επαλήθευσης προγράμματος
- Ιατρική Πληροφορική
- Ισχυρές μέθοδοι στατιστικών
- Λήψη αποφάσεων και ανάλυση δεδομένων υπό αβεβαιότητα και ασάφεια
- Αυτοματοποίηση επιχειρηματικών διαδικασιών με χρήση μηχανικής μάθησης
Ευκαιρίες καριέρας
Οι απόφοιτοι του προγράμματος θα αποκτήσουν δεξιότητες και ικανότητες σε ζήτηση στις κορυφαίες διαδικτυακές πλατφόρμες, συμπεριλαμβανομένων μεθόδων και εργαλείων για την επεξεργασία μεγάλου όγκου δεδομένων (Big Data), προεπεξεργασία δεδομένων (Extract-Transform-Load), εξόρυξη δεδομένων (Data Mining), γνώση εξαγωγή (Ανακάλυψη γνώσης), δημιουργία μηχανών αναζήτησης (Μηχανές αναζήτησης), ανάλυση κοινωνικών δικτύων (Ανάλυση κοινωνικού δικτύου), κλιμάκωση αλγορίθμων (τεχνολογίες Hadoop και Map-Reduce) και πρόβλεψη οικονομικών χρονοσειρών.
Σχετικά με το Σχολείο
Ερωτήσεις
Παρόμοια Μαθήματα
MSc Βιοπληροφορική και Υπολογιστική Γονιδιωματική
- Belfast, Ηνωμένο Βασίλειο
MSc στην Επιστήμη των Δεδομένων και στην Ανάλυση Μεγάλων Δεδομένων
- Wrexham, Ηνωμένο Βασίλειο
Ιδιωτικό μεταπτυχιακό στην ανάλυση μεγάλων δεδομένων
- Alcobendas, Ισπανία
- Villaviciosa de Odón, Ισπανία