Master in Datenwissenschaft

Um das wachsende Datenvolumen zu analysieren, das in allen Bereichen der heutigen Gesellschaft generiert wird, wirft die moderne IT-Branche das Thema Big Data auf. Ebenso etabliert die akademische Gemeinschaft das aufstrebende Gebiet der Datenwissenschaft. Dieses Programm umfasst Schulungen in den Bereichen Rechenmodelle, mathematische Modellierung und Vorhersage, Computerarchitektur, fortgeschrittene Programmiertechniken sowie Speichern und Abrufen von Daten. Aufgrund seines multidisziplinären Designs kann dieses Programm als Rückgrat dienen, das sowohl für Absolventen zahlreicher Fakultäten als auch für Mitarbeiter von Forschungszentren von Interesse ist. Die Absolventen des Programms werden in der Lage sein, Probleme bei der Suche, Erfassung, Speicherung, Aufbereitung und Analyse von Daten sowie bei der Interpretation der Ergebnisse im Bereich der Spezialisierung zu lösen.

Programmübersicht

Das Data Science-Masterstudium umfasst den Vollzeitlehrgang für englischsprachige Studierende, der aus einer Reihe von Grunddisziplinen und einer Vielzahl von Wahl- und Wahlkursen in Englisch besteht.

Ziel des Programms ist es, hochqualifizierte Experten für angewandte Mathematik, Informationswissenschaft und Datenanalyse auszubilden.

Das Programm beinhaltet eine eingehende Untersuchung der mathematischen Methoden von Modellen der künstlichen Intelligenz und moderner Methoden der Datenanalyse, der mathematischen und informativen Modellierung komplexer Systeme sowie eine Computerrealisierung dieser Methoden. Die Kenntnisse und Fähigkeiten der Absolventen dieses Kurses werden von Ministerien und Institutionen der Russischen Föderation, regionalen Verwaltungen und großen Unternehmen nachgefragt.

Das Konzept und der Lehrplan der Spezialisierung auf Internetdatenanalyse wurden in Zusammenarbeit mit Yandex entwickelt. Dieser Track beinhaltet das Unterrichten spezieller Disziplinen durch die Mitarbeiter des Unternehmens, die Teilnahme von Studenten, Doktoranden und Dozenten an Projekten zur Umsetzung der von Yandex vorgeschlagenen und mit dem Geschäftsbetrieb verbundenen Aufgaben, die Berufsausbildung für Studenten in Yandex und gemeinsame Forschungsarbeiten mit Yandex-Mitarbeitern.

Das Programm umfasst 3 Spezialisierungen und einen englischsprachigen Vollzeit-Track (120 Credits):

Englisch unterrichteter Track

Allgemeine Lehrplaninhalte

Brückenkurse:

• Diskrete Mathematik für die Anwendungs- und Algorithmenentwicklung
• Wahrscheinlichkeitstheorie und mathematische Statistik
• Bestandteile der Studienrichtung

Grundkurse:

• Moderne Methoden der Datenanalyse
• Moderne Methoden der Entscheidungsfindung
• Netzwerkwissenschaft
• Maschinelles Lernen und Data Mining

Wahlfächer:

• Automatisierte Methoden zur Programmüberprüfung
• Medizinische Informatik
• Datenanalyse in der Medizin
• Daten- und Service-Engineering zur Automatisierung von Geschäftsprozessen

Internet-Datenanalyse

Grundkurse:

• Moderne Methoden der Datenanalyse
• Moderne Methoden der Entscheidungsfindung
• Maschinelles lernen
• Algorithmen und Datenstrukturen
• Methoden und Systeme zur Verarbeitung von Big Data

Wahlfächer:

• Probabilistische und statistische Ansätze in der Entscheidungsfindung
• Theorie parallele und verteilte Berechnungen
• Optimierung im maschinellen Lernen
• Bild- und Videoanalyse
• Automatische Verarbeitung von Texten
• Tiefes Lernen

Intelligente Systeme und Strukturanalyse

Brückenkurse:

• Diskrete Mathematik für die Anwendungs- und Algorithmenentwicklung
• Wahrscheinlichkeitstheorie und mathematische Statistik

Grundkurse:

• Moderne Methoden der Datenanalyse
• Moderne Methoden der Entscheidungsfindung
• Geordnete Sets in der Datenanalyse
• Netzwerkwissenschaft
• Einführung in Machine Learning und Data Mining
• Maschinelles Lernen und Data Mining

Wahlfächer:

• Computerlinguistik und Textanalyse
• Informationstheorie und kombinatorische Theorie der Suche
• Grundlagen des Designs und der Implementierung von Künstlicher Intelligenz
• Systemspiele und Entscheidungen in der Datenanalyse und Modellierung
• Datenanalyse in der Medizin
• Big Data Analyse
• Tiefes Lernen
• Automatisierte Methoden zur Programmüberprüfung
• Medizinische Informatik
• Robuste Methoden in der Statistik
• Entscheidungsfindung und Datenanalyse unter Unsicherheit und Mehrdeutigkeit
• Geschäftsprozesse mit maschinellem Lernen automatisieren

Technologien zur Modellierung komplexer Systeme

Brückenkurse:

• Diskrete Mathematik für die Anwendungs- und Algorithmenentwicklung
• Wahrscheinlichkeitstheorie und mathematische Statistik

Grundkurse:

• Moderne Methoden der Datenanalyse
• Moderne Methoden der Entscheidungsfindung
• Geordnete Sets in der Datenanalyse
• Mathematische Grundlagen der modernen Telekommunikation
• Statistische Methoden zur prädiktiven Modellierung
• Geometrische Methoden für die prädiktive Modellierung

Wahlfächer:

• Computerlinguistik und Textanalyse
• Informationstheorie und kombinatorische Theorie der Suche
• Grundlagen des Designs und der Implementierung von Künstlicher Intelligenz
• Systemspiele und Entscheidungen in der Datenanalyse und Modellierung
• Datenanalyse in der Medizin
• Big Data Analyse
• Tiefes Lernen
• Automatisierte Methoden zur Programmüberprüfung
• Medizinische Informatik
• Robuste Methoden in der Statistik
• Entscheidungsfindung und Datenanalyse unter Unsicherheit und Mehrdeutigkeit
• Geschäftsprozesse mit maschinellem Lernen automatisieren

Absolventen des Studiengangs erwerben gefragte Fähigkeiten und Kompetenzen auf den führenden Online-Plattformen, darunter Methoden und Werkzeuge zur Verarbeitung großer Datenmengen (Big Data), Datenvorverarbeitung (Extract-Transform-Load), Data Mining (Data Mining), Kenntnisse Extraktion (Knowledge Discovery), Erstellung von Suchmaschinen (Search Engines), Analyse sozialer Netzwerke (Social Network Analysis), Algorithmusskalierung (Hadoop- und Map-Reduce-Technologien) und Finanzzeitreihenprognosen.