7M06105 Наука о данных в КБТУ (KBTU)

Дисциплины

1 Год обучения Машинное обучение Оптимизация и алгоритмы Управление базой данных для бизнес-анализа Продвинутая статистика Педагогика высшей школы Биоинформатика и геномика растений Основы нейронауки Иностранный язык (профессиональный) Конфиденциальность и защита данных Психология управления Когнитивная нейронаука Обработка естественных языков и методы распознования образов Сбор и анализ данных (Hadoop) Генетика и геномика вирусных патогенов Методы исследований История и философия науки

2 Год обучения Визуализация данных Техники реконструкции генома для патогенных организмов Анализ данных (кейсы из Индустрии) Обработка сигналов в нейронауке Искусственный интеллект Высокопроизводительная функциональная геномика в микробиологии Клиническая нейронаука Глубокое обучение Технологическое предпринимательство и стартапы Алгоритмы компьютерного зрения Интернет вещей и большие данные Вычислительная нейронаука

Профессии

Результаты обучения

• Применять методические знания при проведении научных исследований, использовать психологические методы и средства для повышения эффективности и качества работы, выстраивать коммуникации, а также демонстрировать высокий уровень владения иностранным языком в профессиональной деятельности.
• Интерпретировать теоретические основы машинного обучения для проведения исследований, а также анализировать различия в анализах, вызванные проблемами регрессии, классификации, кластеризации и уменьшения размерности.
• Разрабатывать информационные системы с использованием облачных технологий для работы с инфраструктурами данных, применять инструменты для обработки больших датасетов и оценивать модели, сгенерированные из данных, используя инфраструктуры больших данных и высокопроизводительные сети.
• Анализировать и оценивать разведочные данные, случайные переменные, дискретные и непрерывные распределения, а также распределения выборки с использованием тестов гипотез и статистического моделирования.
• Разрабатывать, оптимизировать и внедрять алгоритмы машинного обучения и искусственного интеллекта, адаптируя их под конкретные задачи и оценивая их производительность.
• Интерпретировать результаты работы алгоритмов машинного обучения, оценивать их достоверность и объяснять их влияние на процессы анализа данных, обеспечивая корректную передачу информации техническим и нетехническим специалистам.
• Анализировать и улучшать работу моделей машинного обучения, адаптировать их к различным прикладным областям, а также разрабатывать методы повышения точности и надежности прогнозов.
• Создавать панели данных и генерировать аналитические отчеты с использованием эффективных методов визуализации и интерпретации.
• Формулировать задачи профессиональной деятельности на языке статистики, выполнять математические расчеты с применением компьютерных инструментов и применять статистические методы для решения задач продвинутого уровня сложности.
• Анализировать данные в контексте бизнес-процессов, формулировать аналитические выводы и использовать их для принятия стратегических и управленческих решений.
• Демонстрировать комплексные профессиональные компетенции в области преподавания, научных исследований, методической работы и социализации обучающейся молодежи, эффективно сочетая их для обеспечения высокого качества образования и всестороннего развития обучающегося.

Похожие ОП