7M06104 Наука о данных в Университет имени Сулеймана Демиреля

Дисциплины

• Архитектура высокопроизводительных компьютерных систем

  Целью освоения дисциплины Архитектура высокопроизводительных компьютерных систем» является развитие способности анализировать технологические решения в области программного обеспечения и компьютерной обработки информации на основе сформированной системы знаний, навыков в области компьютерной архитектуры и воспитания информационной культуры, необходимых будущему IT-специалисту. Будет использоваться личностно-ориентированный подход к обучению: предоставление возможности магистрантов самостоятельно выбирать форму носителя, отражающую цель используемого источника информации; моделирование «как думать» для магистрантов; начало занятия с рассказа; построение обучения с точки зрения процесса и роста и цели; тщательный выбор оцениваемых работ и рассмотрение другой работы в качестве практики. Курс актуален как для компьютерных инженеров, так и для разработчиков программного обеспечения и программистов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Основы программного инжиниринга

  Курс обеспечивает всеобъемлющее введение в принципы и практики разработки программного обеспечения. Магистранты узнают о жизненном цикле разработки программного обеспечения, разработке требований, проектировании, кодировании, тестировании, управлении проектами и обеспечении качества. Благодаря практическим заданиям они применяют эти концепции к сценариям реального мира, получая навыки, необходимые для эффективной разработки программного обеспечения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Основы науки о данных

  Этот курс содержит введение в науку о данных и подчеркивает ее важность для принятия решений в сфере бизнеса. В нем представлен обзор часто используемых средств науки о данных, включая Excel, PowerBI, Access 2013, R и SQL Server, а также электронные таблицы, реляционные базы данных, статистические данные и назначения программ для создания основы для приложений науки о данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Менеджмент

  В рамках этого курса будут изучены основные управленческие функции планирования, организации, укомплектования кадрами, направления и контроля ресурсов для достижения организационных целей. Подчеркивается системная концепция управления и роль руководителя на каждом уровне организации.

  Год обучения - 1
  Семестр - 1
  Кредитов - 2
  

• Иностранный язык (профессиональный)

  В ходе изучения данной дисциплины у магистранта сформируется иноязычный профессионально ориентированный коммуникативный навык, позволяющей им интегрироваться в международную профессиональную среду и использоватьпрофессиональный английский язык как средство межкультурного и профессионального общения.Программа отражает современные тенденции и требования к обучению иностранному языку в профессиональной сфере. Она включает цели и задачи изучения дисциплины, перечень умений для осуществления иноязычной речевой деятельности в профессиональном общении, характеристику ситуаций, в которых эти умения реализуются, основной языковой материал, характерный для профессиональной речи.

  Год обучения - 1
  Семестр - 1
  Кредитов - 2
  

• Психология управления

  Курс способствует формированию психологической управленческой культуры лидера, позволяя эффективно выполнять организационную и управленческую деятельность в профессиональной сфере. Проблемы текущей экономической ситуации и тенденций развития показывают необходимость развития компетенций магистрантов, которые способствуют их карьерному росту, в агрессивной и быстро меняющейся среде

  Год обучения - 1
  Семестр - 1
  Кредитов - 2
  

• Программирование для науки о данных

  Этот курс посвящен основным навыкам программирования в области науки о данных, охватывая языки и инструменты, такие как Python, R и SQL, а также методы манипулирования данными, анализа и визуализации, позволяющие магистрантам извлекать значимую информацию из сложных наборов данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Безопасность информации

  «Информационная безопасность» — курс, посвященный принципам и практикам практического пентестинга, а также мониторингу и аналитике кибербезопасности. Цель этого курса — вооружить магистрантов необходимыми навыками и знаниями для эффективного ориентирования в современном ландшафте кибербезопасности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Математика для науки о данных

  Этот курс предназначен для обучения учащихся математике, необходимой для успешного обучения практически любому курсу науки о данных, таким как машинное обучение и анализ данных. Мы рассмотрим наиболее важные понятия многомерного исчисления, линейной алгебры и статистики.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Сбор, обработка, анализ и визуализация данных

  Курс предоставляет магистрантам необходимые навыки по получению, очистке, анализу и визуализации данных из различных источников. Через практические упражнения и проекты магистранты учатся техникам предобработки данных, проведению исследовательского анализа и эффективному коммуницированию результатов. По окончании курса магистранты обладают навыками управления и анализа данных для получения практических решений в различных областях.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Обработка естественного языка и большие языковые модели

  Этот курс представляет собой введение в область обработки естественного языка. Он включает соответствующие справочные материалы по лингвистике, математике, вероятностям и информатике. Некоторые из тем, затронутых в классе, - это схожесть текста, часть разметки речи, синтаксический анализ, семантика, ответы на вопросы, анализ настроений и суммирование текста.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Анализ больших данных

  Этот курс предназначен для понимания основных методов хранения и анализа больших данных. Большая часть практической части курса будет связана с реализацией Apache Hadoop парадигмы MapReduce. Реализуя различные задачи и учебные пособия по системе Hadoop MapReduce, магистранты будут видеть различия между реализациями одноядерных алгоритмов и алгоритмами, выполняющимися в распределенных системах.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Машинное обучение

  Этот курс представляет собой введение в фундаментальные методы, лежащие в основе современного машинного обучения. Он охватывает теоретические основы, а также основные алгоритмы для контролируемого и неконтролируемого обучения. Занятия по теоретическим и алгоритмическим аспектам дополняются практическими занятиями в лаборатории.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Глубокое обучение

  Этот курс предназначен для представления математических и реализационных задач построения стабильных представлений для высокомерных данных, таких как изображения, текст и данные. Мы рассмотрим отдельные темы программы Deep Learning, обсудив последние модели. Особое внимание будет уделяться сверточным архитектурам, последовательным моделям, передовой практике в области нейронных сетей

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Управление проектами в индустрии

  Курс посвящен развитию навыков, приобретенных благодаря изучению управления проектами. Сильные навыки планирования, хорошая коммуникация, возможность реализации проекта по предоставлению продукта или услуги, а также мониторинг рисков и управление ресурсами обеспечат преимущество для успеха.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Red Hat - Системное администрирование (III + OpenStack)

  Этот курс предназначен для управления сетевой службой OpenStack (Neutron) с виртуализацией сетевых функций для повышения производительности сети. Слушатели научатся настраивать распределенные виртуальные маршрутизаторы, Open vSwitch с каналом данных Data Plane Development Kit и сети IPv6 в OpenStack, а также развертывать программно-определяемые сети с OpenDaylight.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Применять знания и способности в практической деятельности в отношении соответствующих научных профессиональных и социальных суждений, и точек зрения
• Получить глубокое понимание одной из специализаций в науке о данных, в зависимости от исследования и выбора основного проекта
• Собирать и управлять данными; Выбирать, применять и оценивать модели для разработки решений реальных задач науки о данных
• Получать передовые знания, касающихся основополагающих принципов построения алгоритмов, а также математических и статистических моделей для надлежащей разработки и использования анализа данных
• Демонстрировать опыт в области методов и стратегий машинного обучения для разработки передовых данных, опыт в системах баз данных и опыт в области вычислительной статистики
• Демонстрировать навыки оценки и обобщения информации из целого ряда источников и способности применять эти навыки для понимания международной рецензируемой научной литературы и первичных исследований в области науки о данных и дисциплин, имеющих отношение к науке о данных
• Преобразовывать результаты анализа ресурсов данных в практические бизнес-стратегии
• Применять принципы информационной безопасности в рабочих процессах науки о данных через реализацию практик безопасной обработки данных, проектирование аналитики с сохранением конфиденциальности, оценку угроз в каналах обработки данных и интеграцию криптографических и управляющих доступом методов для защиты наборов данных и моделей машинного обучения.

Похожие ОП