7M06105 Наука о данных (профильное направление) в КБТУ (KBTU)

Дисциплины

1 Год обучения Иностранный язык (профессиональный) Психология управления Менеджмент Методы исследований Продвинутая статистика Оптимизация и алгоритмы Педагогика высшей школы Сбор и анализ данных (Hadoop) Хранение и анализ данных II (Apache Kafka) Построение выводов по данным Обработка естественных языков и методы распознования образов Машинное обучение Поиск структуры в данных Основы компьютерной безопасности Визуализация данных Продвинутые Системы баз данных

2 Год обучения Принципы функционального программирования в Scala Анализ данных (кейсы из Индустрии) Облачные вычисления Искусственный интеллект Глубокое обучение Алгоритмы компьютерного зрения Интернет вещей и большие данные Нейронные сети и глубокое обучение Технологическое предпринимательство и стартапы

Результаты обучения

• Применять методические знания в проведении научных исследований, педагогической и воспитательной работы, знать психологические методы и средства для повышения эффективности и качества работы, а также уметь выстраивать коммуникации, и владеть в совершенстве иностранным языком.
• Понимать теоретические основы машинного обучения на продвинутом уровне, чтобы проводить исследования в этой области, а также определять основные различия в анализах, которые могут быть вызваны проблемами регрессии, классификации, кластеризации и уменьшения размерности.
• Разрабатывать информационные системы с использованием облачных технологии для работы с инфраструктурами данных, инструментами обработки больших датасетов, а также проводить оценку моделей, сгенерированных из данных, используя инфраструктуры больших данных и высокопроизводительных сетей.
• Проводить анализ и оценку разведочных данных, случайных переменных, общих дискретных и непрерывных распределений, распределений выборки, с использованием теста гипотез и статистического моделирования.
• Разрабатывать новые и применять существующие алгоритмы для решения практических проблем, оптимизации обучающих моделей, и предоставления информации об ожидаемой эффективности от применения этих моделей.
• Интерпретировать результаты работ алгоритмов машинного обучения, измерять их надежность и производить обмен полученных данных с экспертами других сфер деятельности.
• Оценивать результаты работ модели машинного обучения, разрабатывать и применять новые алгоритмы обучения.
• Строить панели данных и аналитические отчеты, используя эффективные методы визуализации и интерпретации.
• Быть компетентным в вопросах профессиональной деятельности, формулировать на языке статистики проблемы продвинутого уровня сложности, а также уметь выполнять математические расчеты на компьютере.
• Анализировать актуальные источники данных и, на их основании делать выводы, а также аргументировать и принимать решения.

Похожие ОП