6B06107 Data Science в AIU

Дисциплины

• Высшая математика

  Дисциплина направлена на формирование у студентов математических знаний, необходимых для решения инженерных и информационно-технологических задач. Курс включает в себя изучение математического анализа, линейной алгебры, дифференциальных уравнений, численных методов и основ теории вероятностей. Особое внимание уделяется практическому применению этих разделов в программировании, построении алгоритмов, анализе данных и моделировании процессов. Полученные знания служат базой для последующих технических дисциплин.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Базы данных

  Дисциплина направлена на изучение основ баз данных, включая архитектуру, принципы проектирования и язык запросов SQL. Студенты осваивают реляционную модель, построение связей между таблицами, обеспечение целостности и безопасность данных. Изучается организация хранения и обработки информации, а также способы эффективного управления данными в различных прикладных задачах. Теоретические знания дополняются практическими навыками работы с базами данных. На следующих этапах будут рассмотрены конкретные системы управления базами данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Алгоритмы и структуры данных

  Дисциплина «Алгоритмы и структуры данных» направлена на подготовку студентов для изучения и разработки эффективных алгоритмов, способных решать различные задачи, такие как поиск, сортировка, хранение и управление данными, а также оценке их временной и пространственной сложности. А также студенты будут работать с различными структурами данных, такими как массивы, списки, деревья, хеш-таблицы, графы, и т.п.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Анализ алгоритмов и оптимизация

  Цель дисциплины Анализ алгоритмов и оптимизация состоит в изучении методов и техник для анализа и улучшения производительности алгоритмов и программного кода. В рамках этой дисциплины исследуются различные подходы к оптимизации времени выполнения, использования памяти и других ресурсов компьютерной системы с помощью оптимизации кода, выбора эффективных алгоритмических подходов и использования специфических особенностей языка программирования, включая С++.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Дискретная математика и математическая логика

  Курс направлен к изучению основных понятий дискретной математики и математической логики, определения и свойства математических объектов, используемых в этой области, формулировки утверждений, методов их доказательств, возможные сферы их приложений и научит решать задачи теоретического и прикладного характера из различных разделов дискретной математики и математической логики.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Основы WEB (HTML, CSS, JavaScript, API)

  "Основы WEB (HTML, CSS, JavaScript, API)" - это курс, который знакомит студентов с основами разработки веб-приложений. В ходе обучения студенты изучат HTML для создания структуры веб-страниц, CSS для стилизации и макета страниц, JavaScript для добавления интерактивности и взаимодействия, а также API для интеграции с внешними сервисами. Курс поможет студентам приобрести необходимые навыки для создания и разработки простых веб-приложений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Система управления базами данных (PostgreSQL)

  Дисциплина "Система управления базами данных (PostgreSQL)" предназначена для изучения основ современных информационных технологий создания, проектирования и использования баз данных и систем управления базами данных. Основными задачами дисциплины является изучение теоретических, методологических и практических проблем построения систем реляционных баз данных, принципов проектирования структур БД на основе реляционный алгебры и метода ER-диаграмм, методов приведения структур БД к нормальным формам, изучение основ языка PostgreSQL и выполнение основных операций по работе с данными.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Теория вероятности и математическая статистика

  Дисциплина «Теория вероятности и математическая статистика» ориентирована дать студентам теоретические знания и практические навыки для применения математических методов и инструментов, используемых для анализа данных, принятия решений и выводов на основе вероятностных моделей. В процессе изучения данной дисциплины студенты научатся проводить анализ данных, определять вероятность наступления событий и делать выводы на основе имеющихся данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Программирование на Python

  Этот курс нацелен на получение теоретических знаний и практических навыков программирования на языке Python. Python применяется для разных областей, включая веб-разработку, анализ данных, научные вычисления и разработку игр, и программы, написанные на нем, обычно переносимы на разных платформах без каких-либо изменений. При изучении данной дисциплины будут рассматриваться такие важные понятия, как объектно-ориентированное программирование, функциональное программирование, событийно-ориентированное программирование (GUI-приложения).

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Основы права и антикоррупционного законодательства

  Дисциплина направлена на изучение основ правовой системы Республики Казахстан, включая конституционное, административное, гражданское и уголовное право, а также антикоррупционного законодательства. Особое внимание уделяется формированию правосознания, правовой культуры и гражданской ответственности студентов. Рассматриваются правовые механизмы предупреждения и пресечения коррупции, нормативно-правовые акты в сфере противодействия коррупции, этические стандарты поведения государственных служащих, а также роль международного сотрудничества в борьбе с коррупцией. Дисциплина формирует у студентов целостное понимание принципов законности, справедливости и недопустимости коррупционных проявлений в обществе.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Инженерия данных: теория и практика

  Дисциплина направлена на изучение теоретических и прикладных аспектов инженерии данных. Основное внимание уделяется процессам сбора, хранения, трансформации и передачи данных. Студенты знакомятся с архитектурой ETL, потоковой обработкой, обеспечением качества данных и управлением метаданными. Также рассматриваются современные подходы к построению надёжных, масштабируемых и эффективных систем обработки данных. Курс включает практические задания, способствующие формированию ключевых навыков в области data engineering.

  Год обучения - 2
  Семестр - 2
  Кредитов - 3
  

• Основы экономики, предпринимательства и финансовой грамотности

  Дисциплина направлена на формирование у студентов фундаментальных знаний о функционировании экономики, принципах предпринимательской деятельности и основах управления финансами. Курс призван развить у обучающихся экономическое мышление, понимание рыночных процессов, а также умения принимать обоснованные финансовые решения в различных жизненных и профессиональных ситуациях. Дисциплина ориентирована как на развитие общих экономических и предпринимательских компетенций, так и на практическое применение полученных знаний в реальной жизни. Изучение курса способствует формированию у студентов активной жизненной позиции, финансовой грамотности, готовности к участию в экономической и предпринимательской деятельности, а также устойчивому личностному и профессиональному развитию.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Основы статистического анализа данных

  Дисциплина Основы статистического анализа данных (на R прикладная статистика) ориентирована на изучение методов и инструментов для анализа данных, применяемые в прикладных задачах. Студенты осваивают базовые статистические понятия, методы визуализации данных и изучают применение языка программирования R для выполнения статистических анализов и задач, моделирования и принятия решений на основе данных.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Основы интеллектуального анализа данных и машинного обучения

  Цель дисциплины "Основы интеллектуального анализа данных и машинного обучения"" состоит в том, чтобы предоставить студентам базовые знания и навыки в области анализа и обработки данных, машинного обучения и оценки качества моделей. Студенты будут изучать методы визуализации данных и моделей, учиться интерпретировать результаты машинного обучения и представлять их с помощью визуализаций.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Безопасность жизнедеятельности в условиях современных экологических проблем

  Дисциплина направлена на ознакомление с механизмами взаимодействия организмов с окружающей средой и закономерностями действия экологических факторов, формирование знаний, способствующих определению и обеспечению необходимых условий для поддержания благоприятного функционирования организма человека в условиях техносферного развития человечества, изучение методов оценки и предотвращения рисков в условиях современных экологических проблем. Дисциплина будет способствовать формированию у студентов навыков экологического мышления, прогнозирования и принятия правильных решений в условиях чрезвычайных ситуаций природного и техногенного характера.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Хранение и поиск данных

  Цель дисциплины "Хранение и поиск данных" ознакомить студентов с различными инструментами и технологиями для хранения и поиска данных. Студенты изучат такие сервисы, как Amazon S3, Amazon RDS, Amazon DynamoDB, Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, Azure Blob Storage, Azure SQL Database и Azure Cosmos DB. Кроме того, они будут изучать Python-библиотеки SQLite, MySQL и PyMongo для работы с локальными базами данных. В результате прохождения курса студенты приобретут практические навыки хранения, управления и поиска данных в различных хранилищах и базах данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Безопасность и конфиденциальность данных

  Цель дисциплины "Безопасность и конфиденциальность данных" обучать студентов основам защиты данных и обеспечивать их конфиденциальность. В ходе обучения студенты изучат методы и технологии шифрования, аутентификации, контроля доступа, обнаружения и предотвращения инцидентов безопасности, а также политики и соглашения о конфиденциальности данных. Курс также включает изучение законодательства и нормативных требований в области безопасности данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Deep Learning

  Дисциплина направлена на изучение теоретических основ и практических навыков глубокого обучения. В курсе рассматриваются архитектуры нейронных сетей, алгоритмы обучения, функции активации, обратное распространение ошибки, а также методы предотвращения переобучения. Особое внимание уделяется сверточным (CNN) и рекуррентным (RNN) нейросетям и их применению в задачах классификации, распознавания изображений, текста и временных рядов. Студенты выполняют практические задания с использованием современных фреймворков, таких как TensorFlow или PyTorch.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Визуализация данных в Google Data Studio

  Цель дисциплины "Визуализация данных с помощью Google Data Studio" представляет студентам основы визуализации данных с использованием Google Data Studio, бесплатный сервис визуализации данных от Google. В ходе обучения студенты узнают, как создавать профессиональные отчеты и дашборды с помощью Google Data Studio, а также как распространять и публиковать эти отчеты. Дисциплина позволяет студентам овладеть инструментом визуализации данных и использовать его для представления информации в удобной и наглядной форме.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Промышленная разработка и сопровождение моделей машинного обучения

  Дисциплина направлена на изучение базовых принципов разработки и сопровождения моделей машинного обучения в прикладных задачах. Студенты знакомятся с основными этапами жизненного цикла модели: подготовкой данных, обучением, тестированием, развертыванием и мониторингом. Особое внимание уделяется практическому применению простых моделей и оценке их качества. Также рассматриваются методы контроля и обновления моделей в процессе эксплуатации. Курс предназначен для формирования базовых навыков в области машинного обучения на начальном уровне.

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Инклюзия, равные возможности и устойчивое развитие общества

  Дисциплина представляет собой междисциплинарный курс, направленный на формирование у обучающихся целостного понимания взаимосвязи между инклюзией, обеспечением равных возможностей и достижением устойчивого развития общества. Курс рассматривает теоретические основы, международные и национальные правовые рамки, а также практические аспекты реализации принципов инклюзии и равных возможностей в различных сферах жизни общества в контексте целей устойчивого развития ООН. Курс развивает навыки критического мышления, коммуникативные и проектные навыки, межкультурную компетентность и правовую грамотность, необходимые для эффективного взаимодействия в инклюзивном и устойчивом обществе.

  Год обучения - 3
  Семестр - 1
  Кредитов - 4
  

• Визуализация данных в Power BI

  Целью дисциплины «Визуализация данных в PowerBI» является формирование у студентов теоретических знаний о принципах, методах и инструментах различных типов визуализации данных и получения практических навыков эффективной подготовки отчетов, анализа и визуализации данных с использованием инструментов и функциональности Power BI. Дисциплина направлена на применение и разработку дашбордов в Power BI при решении профессиональных бизнес-задач.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Защита баз данных

  Дисциплина "Защита баз данных" знакомит студентов с основными принципами безопасности данных, специфическими угрозами безопасности, а также с методами защиты баз данных. Студенты изучат такие темы, как аутентификация и авторизация, шифрование данных, управление доступом, а также аудит и мониторинг баз данных. Они также будут практиковаться в применении технологий и инструментов для защиты баз данных, включая механизмы обеспечения целостности данных и системы обнаружения вторжений.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Генеративный искусственный интеллект

  Дисциплина направлена на изучение теоретических основ и практического применения генеративного искусственного интеллекта. В рамках курса рассматриваются архитектуры генеративных моделей (таких как GAN, VAE, трансформеры), методы их обучения и использование для создания текстов, изображений, аудио и других видов контента. Также поднимаются вопросы этики, достоверности и ответственности при использовании генеративных систем. Студенты выполняют практические проекты и получают навыки построения и внедрения таких моделей в различных сферах.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Принятие решений на основе данных

  Дисциплина направлена на формирование навыков принятия обоснованных решений с использованием анализа данных. В рамках курса студенты изучают методы сбора, очистки, визуализации и интерпретации данных, а также применение статистических моделей и аналитических инструментов. Курс включает практические задания с использованием программных средств, таких как Excel, Power BI и Python. Особое внимание уделяется реальным бизнес-кейсам, на которых отрабатываются принципы принятия решений на основе фактической информации.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Интеграция и преобразование данных

  Дисциплина "Интеграция и преобразование данных" представляет студентам основы интеграции и преобразования данных с использованием различных инструментов и технологий. В ходе обучения студенты изучат такие инструменты, как Python библиотека SciPy и R библиотека reshape2 для преобразования данных. Они также ознакомятся с платформами и технологиями, такими как Apache Spark, Informatica, Microsoft SQL Server Integration Services (SSIS) и Apache NiFi, для интеграции и обработки данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Аналитические системы Big Data

  Цель дисциплины "Аналитические системы Big Data" состоит в том, чтобы ознакомить студентов с основами и принципами работы с большими объемами данных (Big Data) и различными аналитическими системами, предназначенными для их обработки и анализа. В рамках курса будут рассматриваться основные инструменты и технологии для обработки, хранения и анализа больших данных, такие как Hadoop, Spark, Apache Kafka, Apache Storm, Apache Flink, и будут пользоваться инструментами и фреймворками для обработки и анализа данных, включая Python библиотеки NumPy и Pandas, R библиотеки dplyr, tidyr и readr, а также инструменты визуализации данных, такие как Tableau, Power BI и Excel.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Web mining

  Цель дисциплины Web Mining состоит в изучении методов и техник для сбора, извлечения и анализа информации из веб-ресурсов. Студенты изучат различные алгоритмы и инструменты для обнаружения паттернов, анализа текстов, классификации данных, извлечения структурированной информации и анализа социальных сетей. Они также изучат проблемы конфиденциальности, этики и безопасности веб-данных. Применение Web Mining может помочь в принятии бизнес-решений, предоставлении персонализированной информации и понимании поведения пользователей.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Проектирование систем ML

  Дисциплина направлена на изучение принципов проектирования систем, основанных на машинном обучении. Студенты осваивают полный цикл разработки: от постановки задачи и сбора данных до выбора модели, её обучения, оценки и внедрения. Особое внимание уделяется архитектуре масштабируемых и надёжных ML-решений. В рамках курса выполняются проектные задания, приближённые к реальным условиям разработки. Курс формирует навыки практического применения машинного обучения в производственных системах.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Рекомендательные системы

  Дисциплина направлена на изучение принципов построения рекомендательных систем, применяемых для персонализации контента, товаров и сервисов. Рассматриваются методы коллаборативной фильтрации, контентной фильтрации и гибридные подходы. Студенты изучают метрики оценки качества рекомендаций, способы обработки пользовательских данных и построения масштабируемых решений. В рамках практики реализуются базовые рекомендательные модели на Python. Особое внимание уделяется применению технологий в электронной коммерции, онлайн-медиа и цифровых платформах.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Основы блокчейн технологии

  Цель дисциплины Основы блокчейн технологии состоит в изучении основных концепций и принципов блокчейна. Студенты узнают, как работает распределенная база данных, основанная на блоках, цепи и смарт-контрактах. Они изучат применение блокчейна в различных областях, включая финансы, контракты, цифровые активы и снабжение. Курс также охватывает проблемы безопасности, приватности и масштабируемости блокчейн технологии.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Методология научных исследований в информационных технологиях

  Дисциплина направлена на формирование методологических знаний и практических навыков, необходимых для проведения научных исследований в области информационных технологий. Рассматриваются этапы научного исследования, методы сбора и анализа данных, формулирование гипотез, постановка целей и задач, оформление научных работ и подготовка публикаций. Особое внимание уделяется критическому анализу источников, академической честности и разработке собственных научных подходов. Курс помогает студентам качественно готовить дипломные и исследовательские проекты.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Этика и право в науке о данных

  Дисциплина направлена на изучение этических принципов и правовых норм, регулирующих использование данных. В рамках курса рассматриваются вопросы конфиденциальности, защиты персональных данных, справедливости алгоритмов, предотвращения дискриминации и обеспечение прозрачности решений на основе ИИ. Также изучаются международные и национальные нормативные акты, включая GDPR и законы о защите данных. Студенты анализируют реальные кейсы, учатся распознавать этические риски и применять правовые подходы в профессиональной деятельности. Курс способствует формированию осознанного и ответственого отношения к работе с данными.

  Год обучения - 4
  Семестр - 1
  Кредитов - 3
  

• Интеллектуальный анализ текста и анализ настроений

  Цель дисциплины "Интеллектуальный анализ текста и анализ настроений" состоит в том, чтобы ознакомить студентов с методами и техниками анализа текстовых данных, включая обнаружение и классификацию настроений в тексте. Курс охватывает такие темы, как категоризация и классификация информации, извлечение информации из текстовых данных, построение поисковых роботов для сбора данных и анализ тональности. Студент изучит все основные этапы работы с текстом: эффективное извлечение текста, обработку текста на естественном языке в форме, подходящей для методов статистического машинного обучения.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Технологии распределенного реестра

  Дисциплина направлена на изучение основ распределённых реестров и их применения в различных отраслях. В курсе рассматриваются принципы работы блокчейна, методы регистрации транзакций, алгоритмы консенсуса (например, Proof of Work и Proof of Stake), а также концепция смарт-контрактов. Обсуждаются вопросы безопасности, масштабируемости, энергоэффективности и правового регулирования. Студенты выполняют практические задания по моделированию и анализу распределённых систем, что позволяет им получить базовые навыки в сфере DLT и подготовиться к их применению на практике.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Обработка данных в реальном времени

  Дисциплина "Обработка данных в реальном времени" представляет основы обработки данных в режиме реального времени. В ходе курса студенты ознакомятся с различными инструментами и технологиями, такими как Apache Kafka, Apache Storm, Apache Flink, Spark Streaming, Python Dask, AWS Kinesis и Google Cloud Dataflow. Они изучат принципы обработки данных в режиме реального времени, анализ потоковых данных, управление задержками и обеспечение надежности.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Обработка естественного языка

  Цель дисциплины заключается в изучении методов, алгоритмов, используемых для обработки, анализа текстов, распознавания речи, задач, связанных с естественным языком, которая направлена на автоматизацию, оптимизацию процесса работы с определенной информацией. Данная дисциплина ориентирована на изучение различных подходов к анализу, обработке текстов, включая синтаксический анализ, морфологический анализ, лексический анализ, анализ семантики, дискурса.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Технологии больших данных: Hadoop и Spark

  Дисциплина "Технологии больших данных: Hadoop и Spark" ориентирована на изучение основ обработки больших объемов данных и получение практических навыков работы с двумя из наиболее популярных технологий для обработки больших данных - Hadoop и Spark. В ходе курса будут изучены концепции обработки больших данных, основные компоненты Hadoop, такие как HDFS, MapReduce и YARN, и высокоуровневые API для Spark, такие как Spark SQL, MLlib и GraphX.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

• Исследовательский проект

  Цель дисциплины заключается в привитии у студентов навыков самостоятельной работы над проектами в выбранной области и ведении научного исследования. Изучив данную дисциплину студенты получат опыт работы с актуальными проблемами, вопросами в своей области, научатся формулировать научные гипотезы, осуществлять исследование литературы, разрабатывать методики исследования, собирать, анализировать данные, оформлять, представлять результаты исследования.

  Год обучения - 4
  Семестр - 2
  Кредитов - 6
  

• Облачные вычисления в науке о данных

  Дисциплина направлена на изучение принципов использования облачных технологий в задачах науки о данных. Студенты знакомятся с возможностями облачных платформ (таких как AWS, Azure, Google Cloud) для хранения, обработки данных и развертывания моделей. Рассматриваются контейнеризация (Docker), масштабируемость, serverless-архитектура и управление ресурсами. Практическая часть включает работу с реальными задачами в облачной среде, что позволяет студентам приобрести навыки, востребованные в современной аналитике и машинном обучении.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Студент демонстрирует сформированную систему междисциплинарных знаний и компетенций, охватывающих основы экономики, права, инклюзии, устойчивого развития, финансовой грамотности и безопасности жизнедеятельности, проявляет способность к критическому осмыслению социальных и этико-правовых процессов, принимает обоснованные и ответственные решения в условиях современных общественных и экологических вызовов, руководствуясь принципами социальной справедливости, правосознания и устойчивого развития.
• Студент демонстрирует фундаментальные знания в области высшей и дискретной математики, математической логики, теории вероятностей и математической статистики, а также овладевает базовыми принципами программной инженерии, алгоритмизации и программирования. Формирует аналитическое и алгоритмическое мышление, способен разрабатывать и обосновывать решения типовых инженерно-технических задач с применением математических методов и информационных технологий.
• Разрабатывать компоненты программных комплексов и баз данных, выбирать и настраивать СУБД, использовать современные инструментальные средства и технологии программирования.
• Студент осваивает базовые методы сбора, обработки и анализа данных; получает представление о статистических подходах и основах машинного обучения; приобретает начальные навыки работы с языками программирования и инструментами Data Science для решения прикладных задач.
• Студент получил комплексные знания в области промышленной разработки и сопровождения моделей машинного обучения и глубокого обучения, проектирования систем ML. Освоены технологии генеративного искусственного интеллекта, принятия решений на основе данных, разработки рекомендательных систем. Также студент владеет этическими и правовыми аспектами науки о данных и технологиями распределённых реестров.
• Студент продемонстрировал комплексное освоение современных подходов в области анализа данных и искусственного интеллекта. Получены устойчивые навыки визуализации, интеграции, обработки и интерпретации данных, включая текстовые и естественно-языковые источники. Освоены методы анализа в реальном времени, принципы этики и права в работе с данными, а также применение интеллектуальных систем в прикладных задачах.
• Студент овладел методологией научных исследований в области информационных технологий, а также получил углубленные знания в архитектурах и технологиях обработки больших данных. Продемонстрированы навыки построения аналитических систем, хранения, поиска и защиты данных. Освоены современные подходы к обеспечению безопасности и конфиденциальности информации, включая применение распределённых технологий хранения.
• Использовать различные методы, техники и инструменты для обработки, анализа и визуализации данных из различных источников в режиме реального времени; применять полученные знания и навыки в реальных проектах и исследованиях, связанных с областью больших данных.

Похожие ОП