Mestrado em Ciência de Dados
HSE University
Informação chave
Localização do campus
Moscow, Rússia
Idiomas
Inglês
Formato de estudo
No campus
Duração
2 anos
Ritmo
Período integral
Propinas
RUB 390.000 / per year *
Prazo para inscrição
Solicitar Informações
Data de início mais cedo
Solicitar Informações
* 195.000 - 390.000 RUB / ano
bolsas de estudo
Explore oportunidades de bolsas de estudos para ajudar a financiar seus estudos
Introdução
Para analisar o crescente volume de dados gerados em todas as áreas da sociedade atual, a moderna indústria de TI está elevando a questão do Big Data. Da mesma forma, a comunidade acadêmica está estabelecendo o campo emergente da Ciência de Dados. Este programa inclui treinamento nas áreas de modelos computacionais, modelagem matemática e previsão, arquitetura de computador, técnicas de programação avançada, bem como armazenamento e recuperação de dados. Com a força de seu design multidisciplinar, este programa pode servir como uma espinha dorsal que é de interesse para graduados de várias faculdades, bem como para membros da equipe em centros de pesquisa. Os graduados do programa serão capazes de resolver problemas relativos à busca, coleta, armazenamento, preparação e análise de dados, bem como interpretação de resultados na área de especialização.
visão geral do programa
O programa de mestrado em Ciência de Dados inclui o curso educacional em tempo integral para alunos falantes de inglês, que consiste em um conjunto de disciplinas básicas e uma variedade de cursos opcionais e opcionais em inglês.
O objetivo do programa é treinar especialistas altamente qualificados em matemática aplicada, ciência da informação e análise de dados.
O programa envolve um estudo aprofundado de métodos matemáticos de modelos de inteligência artificial e métodos modernos de análise de dados, modelagem matemática e informativa de sistemas complexos, bem como uma realização computadorizada desses métodos. O conhecimento e as habilidades dos graduados deste curso são solicitados pelos ministérios e instituições da Federação Russa, administrações regionais e grandes empresas.
O conceito e o currículo da especialização em Análise de Dados da Internet foram desenvolvidos em conjunto com a Yandex. Esta trilha envolve o ensino de disciplinas especiais pelos membros da equipe da Empresa, a participação de alunos, pós-graduados e professores em projetos de implementação de tarefas sugeridas por Yandex e relacionadas às suas operações de negócios, treinamento vocacional para alunos em Yandex e pesquisas conjuntas realizadas com a equipe Yandex.
Admissões
Currículo
O programa inclui 3 especializações e uma faixa lecionada em inglês em tempo integral (120 créditos):
Trilha lecionada em inglês
Conteúdo do currículo geral
Cursos de transição:
- Matemática Discreta para Desenvolvimento de Aplicativos e Algoritmos
- Teoria da Probabilidade e Estatística Matemática
- Componentes do campo de estudo
Cursos básicos:
- Métodos modernos de análise de dados
- Métodos modernos de tomada de decisão
- Ciência da rede
- Aprendizado de máquina e mineração de dados
Disciplinas eletivas:
- Métodos automatizados para verificação do programa
- Informática Médica
- Análise de dados em medicina
- Engenharia de Dados e Serviços para Automatização de Processos de Negócios
Análise de dados da Internet
Cursos básicos:
- Métodos modernos de análise de dados
- Métodos modernos de tomada de decisão
- Aprendizado de máquinas
- Algoritmos e Estruturas de Dados
- Métodos e sistemas para processamento de Big Data
Disciplinas eletivas:
- Abordagens probabilísticas e estatísticas na tomada de decisão
- Teoria Computações Paralelas e Distribuídas
- Otimização em Aprendizado de Máquina
- Análise de imagem e vídeo
- Processamento Automático de Textos
- Aprendizagem profunda
Sistemas Inteligentes e Análise Estrutural
Cursos de transição:
- Matemática Discreta para Desenvolvimento de Aplicativos e Algoritmos
- Teoria da Probabilidade e Estatística Matemática
Cursos básicos:
- Métodos modernos de análise de dados
- Métodos modernos de tomada de decisão
- Conjuntos ordenados na análise de dados
- Ciência da rede
- Introdução ao aprendizado de máquina e mineração de dados
- Aprendizado de máquina e mineração de dados
Disciplinas eletivas:
- Linguística Computacional e Análise de Texto
- Teoria da Informação e Teoria Combinatória de Pesquisa
- Fundamentos de Design e Implementação de Inteligência Artificial
- Jogos e decisões de sistemas em modelagem e análise de dados
- Análise de dados em medicina
- Análise de Big Data
- Aprendizagem profunda
- Métodos automatizados para verificação do programa
- Informática Médica
- Métodos robustos em estatística
- Tomada de decisão e análise de dados sob incerteza e ambigüidade
- Automatizando Processos de Negócios usando Aprendizado de Máquina
Tecnologias de Modelagem de Sistemas Complexos
Cursos de transição:
- Matemática Discreta para Desenvolvimento de Aplicativos e Algoritmos
- Teoria da Probabilidade e Estatística Matemática
Cursos básicos:
- Métodos modernos de análise de dados
- Métodos modernos de tomada de decisão
- Conjuntos ordenados na análise de dados
- Fundamentos matemáticos das telecomunicações modernas
- Métodos estatísticos para modelagem preditiva
- Métodos geométricos para modelagem preditiva
Disciplinas eletivas:
- Linguística Computacional e Análise de Texto
- Teoria da Informação e Teoria Combinatória de Pesquisa
- Fundamentos de Design e Implementação de Inteligência Artificial
- Jogos e decisões de sistemas em modelagem e análise de dados
- Análise de dados em medicina
- Análise de Big Data
- Aprendizagem profunda
- Métodos automatizados para verificação do programa
- Informática Médica
- Métodos robustos em estatística
- Tomada de decisão e análise de dados sob incerteza e ambigüidade
- Automatizando Processos de Negócios usando Aprendizado de Máquina
Oportunidades de Carreira
Os graduados do programa irão adquirir habilidades e competências exigidas nas principais plataformas online, incluindo métodos e ferramentas para processamento de grandes volumes de dados (Big Data), pré-processamento de dados (Extract-Transform-Load), mineração de dados (Data Mining), conhecimento extração (Knowledge Discovery), criação de mecanismos de busca (Search Engines), análise de rede social (Social Network Analysis), escalonamento de algoritmo (tecnologias Hadoop e Map-Reduce) e previsão de séries temporais financeiras.