Магистерская программа "Data Science и машинное обучение"
Код: 02.04.02
Очная
Квалификация: Магистр
Срок: 2,0 г.
Трудоёмкость: 126 ЗЕТ
Магистерская программа направлена на углубленное изучение теоретических основ и практических методов Data Science и машинного обучения. Программа готовит высококвалифицированных специалистов, способных разрабатывать и внедрять интеллектуальные системы для анализа больших данных, прогнозирования и принятия решений в различных областях экономики и науки.
Учебный план
Б1 · Блок 1. Дисциплины (Б1)
| Дисциплина | Код | Семестр | ЗЕТ | Часов |
|---|---|---|---|---|
| Высшая математика для Data Science | Б1.О.01 | 1 | 6 | 216 |
| Программирование для анализа данных | Б1.О.02 | 1 | 6 | 216 |
| Основы машинного обучения | Б1.О.03 | 1 | 6 | 216 |
| Методы сбора и обработки больших данных | Б1.О.04 | 1 | 6 | 216 |
| Методология научных исследований | Б1.О.05 | 1 | 6 | 216 |
| Глубокое обучение | Б1.О.06 | 2 | 6 | 216 |
| Архитектуры больших данных | Б1.О.07 | 2 | 6 | 216 |
| Продвинутые методы машинного обучения (NLP/CV) | Б1.О.08 | 2 | 6 | 216 |
| MLOps и развертывание моделей | Б1.О.09 | 3 | 6 | 216 |
| Оптимизационные методы в машинном обучении | Б1.О.10 | 3 | 6 | 216 |
| Этика в искусственном интеллекте | Б1.В.01 | 3 | 3 | 108 |
| Анализ временных рядов | Б1.В.02 | 3 | 3 | 108 |
Б2 · Блок 2. Практики (Б2)
| Дисциплина | Код | Семестр | ЗЕТ | Часов |
|---|---|---|---|---|
| Научно-исследовательская работа (НИР) 1 | Б2.О.01 | 2 | 12 | 432 |
| Производственная практика | Б2.О.02 | 3 | 12 | 432 |
| Научно-исследовательская работа (НИР) 2 | Б2.О.03 | 4 | 6 | 216 |
Б3 · Блок 3. Государственная итоговая аттестация (Б3)
| Дисциплина | Код | Семестр | ЗЕТ | Часов |
|---|---|---|---|---|
| Подготовка к защите и защита выпускной квалификационной работы | Б3.О.01 | 4 | 30 | 1080 |
Формируемые компетенции
- ОПК-1 · Общепрофессиональная (ОПК)
Способен применять углубленные теоретические и практические знания фундаментальных разделов математики и информатики для решения профессиональных задач. - ОПК-2 · Общепрофессиональная (ОПК)
Способен проводить научные исследования, включая постановку задач, выбор методов исследования, сбор и анализ данных, представление результатов. - ОПК-3 · Общепрофессиональная (ОПК)
Способен разрабатывать, внедрять и сопровождать программное обеспечение для решения сложных прикладных задач. - ПК-1 · Профессиональная (ПК)
Способен разрабатывать, адаптировать и применять модели машинного обучения для решения задач прогнозирования, классификации и кластеризации. - ПК-2 · Профессиональная (ПК)
Способен осуществлять сбор, предобработку, анализ и визуализацию больших объемов структурированных и неструктурированных данных. - ПК-3 · Профессиональная (ПК)
Способен проектировать и реализовывать архитектуры данных и конвейеры обработки данных для систем машинного обучения. - ПК-4 · Профессиональная (ПК)
Способен оценивать качество и эффективность разработанных моделей и систем машинного обучения, выбирать метрики и проводить валидацию. - ПК-5 · Профессиональная (ПК)
Способен интегрировать и развертывать модели машинного обучения в производственные системы, обеспечивать их мониторинг и поддержку. - УК-1 · Универсальная (УК)
Способен осуществлять критический анализ проблемных ситуаций на основе системного подхода, вырабатывать стратегию действий. - УК-2 · Универсальная (УК)
Способен управлять своим временем, выстраивать и реализовывать траекторию саморазвития на основе принципов образования в течение всей жизни. - УК-3 · Универсальная (УК)
Способен осуществлять деловую коммуникацию в устной и письменной формах на государственном языке Российской Федерации и иностранном(ых) языке(ах). - УК-4 · Универсальная (УК)
Способен руководить коллективом, толерантно воспринимая социальные, культурные, конфессиональные и иные различия. - УК-5 · Универсальная (УК)
Способен воспринимать межкультурное разнообразие общества в социально-историческом, этическом и философском контекстах. - УК-6 · Универсальная (УК)
Способен определять и реализовывать приоритеты собственной деятельности и способы ее совершенствования на основе самооценки.