7M06103 Прикладная аналитика данных в Astana IT University

Дисциплины

• Математика для науки о данных

  Дисциплина предназначена для того, чтобы вооружить студентов необходимыми знаниями и навыками для эффективной обработки и осмысления сложных наборов данных. Они изучают теоретические основы анализа данных, такие как основные статистические методы и способы манипулирования ими. Также курс охватывает более продвинутые математические темы, лежащие в основе методов машинного обучения, таких как методы градиентного спуска. К концу программы студенты будут иметь четкое представление о математических основах методов обработки данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Целью курса является формирование иноязычной профессионально - ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Программирование для анализа данных и базы 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.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Педагогика высшей школы

  Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Оптимизация 1

  Курс охватывает ключевые методы оптимизации, включая поиск экстремумов функций, линейное и нелинейное программирование, теорию численных методов и их применение в разных областях науки и техники. Студенты изучат алгоритмы решения задач оптимизации и научатся применять их на практике для сложных реальных проблем.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Машинное обучение и искусственный интеллект

  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.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы и инструменты анализа данных

  Данная дисциплина предполагает изучение методов и технологий обработки данных, которые включают структурированные и неструктурированные данные огромных объёмов и значительного многообразия. Во время изучения дисциплины также будут рассмотрены горизонтально масштабируемыми программные инструменты, которые являются альтернативами традиционным базами данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• История и философия науки

  Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Обработка и понимание данных

  Дисциплина предназначена для магистрантов, изучающих аналитику данных, предоставляя им необходимые знания и навыки для эффективной обработки и осмысления больших объемов данных. Студенты изучат такие методы, как очистка данных, преобразование, интеграция и разработка функциональных возможностей, наряду с исследовательским анализом данных, визуализацией и статистическим моделированием. Учебная программа также охватывает такие продвинутые темы, как обработка естественного языка, интеллектуальный анализ текста и распознавание изображений для работы с неструктурированными данными. К концу программы у студентов будет прочная основа в области обработки данных, преобразования, исследовательского анализа и способность применять эти навыки в практических сценариях анализа данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Оптимизация 2

  Курс углубленно изучает методы решения сложных задач оптимизации, включая динамическое программирование, методы оптимизации для многокритериальных задач, стохастические и эволюционные алгоритмы. Студенты осваивают подходы к решению задач в условиях неопределенности и научатся применять эти методы для решения реальных проблем в различных областях.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Высокопроизводительные вычисления для больших данных

  Этот курс изучает передовые вычислительные методы обработки масштабных данных с использованием систем высокопроизводительных вычислений. Студенты освоят параллельные вычисления, распределенную обработку, ускорение с помощью графического процессора (GPU) и стратегии оптимизации для работы с большими данными в науке, инженерии и искусственном интеллекте.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Методы и стратегии преподавания

  В рамках дисциплины магистрантам предлагаются разнообразные стратегии и инструменты для создания интерактивной и стимулирующей учебной среды. В ходе курса обучающиеся изучают различные активные методы, такие как групповые проекты, ролевые игры, обратная связь и дискуссии, использование технологий и инструментов для интерактивного обучения и пути адаптации их к специфике IT-дисциплин и интеграции практических заданий и проектов в учебный процесс.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Психология управления

  Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально - психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.

  Год обучения - 1
  Семестр - 3
  Кредитов - 4
  

• Введение в нейронные сети

  Данная дисциплина предполагает изучение разделов математики и информатики, необходимых для введения в теорию машинного обучения и ее раздел теорию глубокого обучения, основанного на алгоритме обратного распространения ошибки, которая позволяет системе ИИ самообучаться. Данный раздел содержит в себе задачи распознавания изображения, генерации изображений и 3D, распознавание текстов, звуков и т.д и является одним за самых распространенных направлений в современном машинном обучении.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Методы и инструменты Big Data

  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.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Марковские цепи и процессы принятия решений

  Данная дисциплина предполагает изучение Марковских цепей, в которых каждый элемент полностью определен предыдущим. Данные цепи широко используются в постановке задач привязки искусственного интеллекта к поведению агента в определенной среде, например, робота в реальном окружении, на чем, например, основывается обучение с подкреплением. В результате изучения дисциплины студент должен знать: методы построения вероятностных моделей описывающих стохастическую динамику процессов; системы массового обслуживания; уметь устанавливать свойства решений стохастических систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Генеративные алгоритмы

  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

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Тематическое исследование (Case study) по аналитике данных

  Дисциплина дает студентам всестороннее представление о практическом применении аналитики данных с помощью тематических исследований из реального мира. Студенты будут изучать различные отрасли и домены, анализируя сложные наборы данных и извлекая полезную информацию для решения бизнес-задач. Благодаря практическому подходу они изучат различные методы анализа данных, включая предварительную обработку данных, исследовательский анализ данных, статистическое моделирование, машинное обучение и прогнозную аналитику.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Анализ бизнес-процессов

  Дисциплина направлена на то, чтобы снабдить студентов необходимыми знаниями и навыками для критического анализа и оптимизации бизнес-процессов. Студенты изучат методологии и приемы выявления неэффективности, узких мест и возможностей для улучшения в различных организационных процессах. Учебная программа охватывает такие темы, как моделирование процессов, анализ на основе данных, измерение производительности и редизайн процессов. Благодаря практическим примерам и практическим проектам студенты приобретут навыки составления карт процессов, анализа данных и использования инструментов управления бизнес-процессами.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Обучение с подкреплением

  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.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Управление заинтересованными сторонами проекта

  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.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Сервисная модель в управлении проектами

  Курс посвящен ключевым компонентам модели обслуживания в управлении проектами, включая проектирование услуг, предоставление услуг, качество услуг и удовлетворенность клиентов. Обучающиеся получат представление о том, как идентифицировать и определять цели проекта, объем и результаты в контексте обслуживания, а также как управлять и снижать риски, характерные для проектов обслуживания. Основное внимание в курсе уделяется решению проблем, возникающих при управлении проектами в отраслях, основанных на услугах.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Гетерогенная параллелизация

  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.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Принятие решении основанных на данных

  Дисциплина предназначена для того, чтобы вооружить студентов навыками и знаниями, необходимыми для принятия обоснованных решений на основе анализа данных. Студенты узнают, как собирать, очищать, анализировать и интерпретировать данные для получения полезной информации и принятия стратегических решений. Учебная программа охватывает такие темы, как методы сбора данных, предварительная обработка данных, исследовательский анализ данных, статистическое моделирование, прогнозная аналитика и визуализация данных. С помощью практических приложений и тематических исследований студенты разовьют способность эффективно передавать информацию, основанную на данных, заинтересованным сторонам. Эта дисциплина развивает у студентов критическое мышление и способности к решению проблем, позволяя им принимать решения, основанные на данных, которые положительно влияют на организации.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Управление IT проектами

  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.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

Профессии

Результаты обучения

• Применять методы анализа данных для решения различных прикладных задач по анализу данных и аналитической обработки
• Управлять командой и руководить процессом разработки программного обеспечения и анализа данных
• Применять методы проектирования и разработки программных систем для решения широкого класса прикладных задач в области анализа в различных областях.
• Понимать фундаметальные принципа и обладать математическими знаниями, лежащими в основах методов аналитики данных и машинного обучения
• Обладать критическим мышлением и владеть академическим языком на профессиональном уровне, позволяющем проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах
• Формулировать задачи, возникающие в ходе научно-исследовательской деятельности, применять методологические, психологические подходы в исследованиях
• Обладать знаниями в смежных областях проектного менеджмента, вычислительных наук, информационной безопасности
• Формулировать, модифицировать и разрабатывать методы машинного обучения и искусственного интеллекта

Похожие ОП