Master i datalogi
HSE University
Nøgleinformation
Campus placering
Moscow, Rusland
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
På campus
Varighed
2 år
Hastighed
Fuldtid
Studieafgifter
RUB 390.000 / per year *
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Kontakt skolen
* 195 000 - 390 000 RUB / år
Stipendier
Udforsk stipendiemuligheder for at hjælpe med at finansiere dine studier
Introduktion
For at analysere den voksende mængde data genereret i alle områder af nutidens samfund løfter den moderne it-industri spørgsmålet om Big Data. Ligeledes etablerer det akademiske samfund det nye felt for datavidenskab. Dette program inkluderer træning inden for beregningsmodeller, matematisk modellering og prognoser, computerarkitektur, avancerede programmeringsteknikker samt datalagring og hentning. På styrken af dets tværfaglige design kan dette program tjene som en rygrad, der er af interesse for kandidater fra mange fakulteter såvel som for ansatte på forskningscentre. Kandidater fra programmet vil være i stand til at løse problemer vedrørende datasøgning, indsamling, opbevaring, forberedelse og analyse samt fortolkning af resultater inden for specialiseringsområdet.
Programoversigt
Datalogi kandidatuddannelse inkluderer det fuldtidsuddannelsesspor for engelsktalende studerende, der består af et sæt grundlæggende discipliner og en række valgfri og valgfri kurser på engelsk.
Målet med programmet er at uddanne højt kvalificerede eksperter i anvendt matematik, informationsvidenskab og dataanalyse.
Programmet involverer en grundig undersøgelse af matematiske metoder til kunstig intelligensmodeller og moderne metoder til dataanalyse, matematisk og informativ modellering af komplekse systemer samt en computerrealisering af disse metoder. Viden og færdigheder hos kandidater fra dette kursus er efterspurgt af Russiske Føderations ministerier og institutioner, regionale administrationer og store virksomheder.
Konceptet og læseplanen for specialiseringen i Internet-dataanalyse er udviklet i samarbejde med Yandex. Dette spor involverer undervisning i specielle discipliner fra virksomhedens medarbejdere, deltagelse af studerende, kandidater og undervisere i projekter, der implementerer opgaver foreslået af Yandex og relateret til dets forretningsdrift, erhvervsuddannelse for studerende i Yandex og fælles forskning udført sammen med Yandex-personale.
Indlæggelser
Læreplan
Programmet omfatter 3 specialiseringer og et fuldtids engelsklært spor (120 point):
Engelsklært nummer
Generelt pensumindhold
Brokurser:
- Diskret matematik til applikation og algoritmeudvikling
- Sandsynlighedsteori og matematisk statistik
- Komponenter i studieretningen
Grundkurser:
- Moderne metoder til dataanalyse
- Moderne metoder til beslutningstagning
- Netværksvidenskab
- Machine Learning og Data Mining
Valgfrie kurser:
- Automatiserede metoder til programverifikation
- Medicinsk informatik
- Dataanalyse i medicin
- Data- og serviceteknik til automatisering af forretningsprocesser
Internet dataanalyse
Grundkurser:
- Moderne metoder til dataanalyse
- Moderne metoder til beslutningstagning
- Maskinelæring
- Algoritmer og datastrukturer
- Metoder og systemer til behandling af big data
Valgfrie kurser:
- Probabilistiske og statistiske tilgange til beslutningstagning
- Teori parallelt og distribuerede beregninger
- Optimering i maskinlæring
- Billed- og videoanalyse
- Automatisk behandling af tekster
- Deep Learning
Intelligente systemer og strukturanalyse
Brokurser:
- Diskret matematik til applikation og algoritmeudvikling
- Sandsynlighedsteori og matematisk statistik
Grundkurser:
- Moderne metoder til dataanalyse
- Moderne metoder til beslutningstagning
- Bestilte sæt i dataanalyse
- Netværksvidenskab
- Introduktion til Machine Learning og Data Mining
- Machine Learning og Data Mining
Valgfrie kurser:
- Computational lingvistik og tekstanalyse
- Informationsteori og kombinatorisk teori om søgning
- Grundlaget for design og implementering af kunstig intelligens
- Systemspil og beslutninger inden for dataanalyse og modellering
- Dataanalyse i medicin
- Stor data analyse
- Deep Learning
- Automatiserede metoder til programverifikation
- Medicinsk informatik
- Robuste metoder i statistik
- Beslutningstagning og dataanalyse under usikkerhed og tvetydighed
- Automatisering af forretningsprocesser ved hjælp af maskinlæring
Modelleringsteknologier for komplekse systemer
Brokurser:
- Diskret matematik til applikation og algoritmeudvikling
- Sandsynlighedsteori og matematisk statistik
Grundkurser:
- Moderne metoder til dataanalyse
- Moderne metoder til beslutningstagning
- Bestilte sæt i dataanalyse
- Matematiske grundlag for moderne telekommunikation
- Statistiske metoder til forudsigelig modellering
- Geometriske metoder til forudsigelig modellering
Valgfrie kurser:
- Computational lingvistik og tekstanalyse
- Informationsteori og kombinatorisk teori om søgning
- Grundlaget for design og implementering af kunstig intelligens
- Systemspil og beslutninger inden for dataanalyse og modellering
- Dataanalyse i medicin
- Stor data analyse
- Deep Learning
- Automatiserede metoder til programverifikation
- Medicinsk informatik
- Robuste metoder i statistik
- Beslutningstagning og dataanalyse under usikkerhed og tvetydighed
- Automatisering af forretningsprocesser ved hjælp af maskinlæring
Karrieremuligheder
Kandidater fra programmet vil tilegne sig efterspurgte færdigheder og kompetencer på de førende online platforme, herunder metoder og værktøjer til behandling af store datamængder (Big Data), dataforarbejdning (Extract-Transform-Load), data mining (Data Mining), viden ekstraktion (Knowledge Discovery), oprettelse af søgemaskiner (søgemaskiner), analyse af sociale netværk (analyse af sociale netværk), skalering af algoritmer (Hadoop og Map-Reduce-teknologier) og prognoser for økonomiske tidsserier.