Анализ данных и машинное обучение: программа бакалавриата НГИЭУ

Программа предлагает студентам углубленное изучение основных принципов и методов анализа данных, машинного обучения и искусственного интеллекта. Студенты получат теоретические знания и практические навыки в области обработки и анализа больших объемов данных, статистики, алгоритмов машинного обучения, глубокого обучения и нейронных сетей. Они изучат методы предварительной обработки данных, визуализации и интерпретации результатов, а также научатся эффективно применять инструменты и технологии, связанные с анализом данных и разработкой искусственного интеллекта. В ходе обучения студенты также могут знакомиться с прикладными областями, где применяются методы анализа данных и искусственного интеллекта, такими как биомедицина, финансы, робототехника и другие.

Два столпа профиля — это компьютерные науки и математика. Студенты изучат основы программирования, компьютерную архитектуру, проектирование, логику, дискретную математику, математический анализ, линейную алгебру.

Три специализации в рамках профиля:

• Анализ данных и машинное обучение: для тех, кто хочет научиться разрабатывать и улучшать искусственный интеллект с помощью данных. Студенты будут изучать машинное обучение, обучать модели компьютерного зрения и нейронные сети.
• Прикладной искусственный интеллект: позволяет погрузиться в применение технологий ИИ для создания программных решений, которые будут менять жизнь людей к лучшему.
• Робототехника: предполагает изучение аспектов мехатроники, теории контроля, применение ИИ в робототехнике. 

Профессиональные дисциплины:

Анализ данных и машинное обучение:

• Introduction to Machine Learning / Введение в машинное обучение
• Networks / Компьютерные сети
• Databases / Проектирование баз данных
• Distributed and Network Programming / Распределенное и сетевое программирование
• Statistical Techniques / Статистические методы
• Information Retrieval / Информационный поиск
• Introduction to Computer Vision / Введение в компьютерное зрение
• Natural Language Processing / Обработка естественных языков
• Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
• Data Mining / Интеллектуальный анализ данных
• Data and Knowledge Representation / Представление данных и знаний
• Big Data / Супермассивы данных Game
• Theory / Теория игр.

Прикладной искусственный интеллект:

• Introduction to Machine Learning / Введение в машинное обучение
• Networks / Компьютерные сети
• Databases / Проектирование баз данных
• Reinforcement Learning / Обучение с подкреплением
• Nature Inspired Computing / Бионические вычисления
• Information Retrieval / Информационный поиск
• Introduction to Computer Vision / Введение в компьютерное зрение
• Natural Language Processing / Обработка естественных языков
• Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
• Human-AI Interaction Design / Проектирование систем человеко-машинного взаимодействия для искусственного интеллекта
• Explainable and Fair AI / Объяснимый и справедливый искусственный интеллект
• Big Data / Супермассивы данных
• Game Theory / Теория игр.

Робототехника:

• Introduction to Machine Learning / Введение в машинное обучение
• Physics II (Electrical Engineering) / Физика II (Электротехника)
• Control Theory / Теория автоматического управления
• Theoretical Mechanics / Теоретическая механика
• Fundamentals of Robotics / Основы робототехники
• Introduction to Computer Vision / Введение в компьютерное зрение
• Practical Machine Learning and Deep Learning / Прикладные технологии машинного и глубокого обучения
• Mechanics & Machines / Механика и механизмы
• Mechatronics / Мехатроника
• Autonomous Robotics / Автономная робототехника
• Robotic Systems / Робототехника
• Sensors & Sensing / Датчики и считывание
• Signals and Systems / Сигналы и системы.