Науки о данных и машинное обучение: магистратура в вузах Томска

Data Scientist (специалист в области данных) занимается комплексным анализом массивов информации с применением современных математических методов и интеллектуальных алгоритмов. Его работа заключается в обнаружении скрытых взаимосвязей, выявлении значимых тенденций и распознавании характерных структур в данных. На основе проведенного анализа он создает предиктивные модели и интеллектуальные системы рекомендаций, способные автоматизировать и оптимизировать процессы принятия решений.

Профессионалы в этой области востребованы практически во всех секторах экономики и научной деятельности. Их знания и навыки находят применение в следующих сферах:

• Торговые сети и электронная коммерция (персонализация предложений, прогнозирование спроса);
• Финансовый сектор и банковские услуги (оценка рисков, обнаружение мошенничества);
• Здравоохранение и медицинские исследования (анализ диагностических данных, разработка терапевтических рекомендаций);
• Производственные предприятия (оптимизация технологических процессов, предиктивная аналитика оборудования);
• Транспорт и логистические системы (маршрутизация, управление цепями поставок);
• Информационные технологии (разработка интеллектуальных сервисов и приложений);
• Научно-исследовательская деятельность (обработка экспериментальных данных, моделирование сложных систем).

Дисциплины программы:

1 семестр, Ключевые инструменты

• Адаптивный курс базовой математики
• Менеджмент для наук о данных
• Разведывательный анализ данных
• Проектный семинар
• Программирование на Python
• Основы SQL
• Высшая математика для машинного обучения
• Учебная практика (проектно-технологическая).

2 семестр, Machine и Deep learning

• Статистический анализ данных
• Глубокое обучение в науках о данных
• Алгоритмы и структуры данных
• Учебная практика (проектно-технологическая)
• Основы Linux (факультатив)
• Классическое машинное обучение
• Дискретная математика на практических задачах
• Проектный семинар.

3 семестр, Продвинутые инструменты Data Science/Data Engineering

• ML в продуктивной среде
• Рекомендательные системы
• Учебная практика (проектно-технологическая)
• Бизнес-анализ и бизнес-процессы
• Английский язык для профессиональной коммуникации
• Проектный семинар
• Производственная практика (НИР).

Дисциплины по выбору:

• Системы виртуализации и контейнеризации
• Инфраструктура Big Data
• Временные ряды
• Продвинутая визуализация данных.

4 семестр, Дипломная работа

• Reinforcement Learning (обучение с подкреплением)
• Производственная практика (НИР)
• Выполнение и защита выпускной квалификационной работы.