О программе
Кто владеет информацией, тот владеет миром. Недаром специализация «учёного по данным» считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий. В рамках данного направления Вы научитесь правильно анализировать и использовать любую информацию
Язык обучения Русский
Форма обучения Очная
Срок обучения 4 года
Экзамены ЕГЭ МатематикаФизикаИнформатика и ИКТРусский язык
Вступительные испытания Алгебра, геометрия и начала математического анализаОсновы программированияРусский язык (СПО)
Бюджетных мест 60
Платных мест 10
Стоимость обучения,
рублей в год
150 000
Проходной балл 2023
На бюджет 243
На контракт 233
Профили
-
Наука о данных – это термин объединяющий множество различных классических дисциплин, связанных воедино общим объектом изучения, данными. Основной смысл этой науки в том, чтобы извлекать предполагаемую или совсем неявную на первый взгляд информацию чаще всего из многомерных массивов с числами разнообразного происхождения. Наука о данных отличается от информатики тем, что первая сконцентрирована на получении и интерпретации информации, пригодной для восприятия человеком, в то время как вторая концентрируется на работе самих вычислительных комплексов и передаче информации от машины к машине и сборе информации машинным способом. Практически все методы современной науки о данных, включая машинное обучение, базируются на основных разделах фундаментальной математики. Фундамент науки о данных образуют основы линейной алгебры. Именно она необходима для понимания работы алгоритмов машинного обучения в плане обработки потоков данных для создания их представлений. Подавляющее число алгоритмов, на которых базируются рекомендательные системы и распознавание изображений, используют матрицы и матричную алгебру. Также современная наука о данных опирается на структуры, методы и алгоритмы дискретной математики, которые необходимы в работе над масштабными научно-техническими проектами по анализу и структурированию необозримых объемов (до 2.5 эксабайта) информации.
Цель программы
Подготовка высококвалифицированных специалистов на стыке математики и IT.
Примерные темы выпускных квалификационных работ:
- Прикладные работы:
- Модель оценки депрессивно-(ауто)агрессивного состояния человека на основе анализа графического контента
- Распознавание рукописных Latex символов
- Использование импульсных нейронных сетей в системах биометрической идентификации
- Применение архитектуры TRANSFORMER в задаче обучении с подкреплением для построения торговых агентов
- Методы построения вероятностной модели медицинских данных при анализе доли ошибочных решений
- Оценка экспоненциального тренда для результатов ядерного магнитного резонанса
- Применение графовых нейронных сетей для предсказания качества воспламенения топлива
- Фундаментальные исследования:
- Полнота индексных и полуиндексных множеств в иерархии Ершова
- Реализация методов гомоморфного шифрования в системе компьютерной алгебры Sage
- О равномерной сходимости приближенных решений сильно сингулярных интегральных уравнений
- Арифметические операции на регулярных подмножествах натуральных чисел
- Точность и надёжность двусторонних байесовских доверительных интервалов в d-апостериорном подходе
Вы получите
Турилова Екатерина Александровна проректор по образовательной деятельности, заведующий кафедрой математической статистики , д.н. (доцент)
Опокина Надежда Анатольевна доцент кафедры КМИ
Арсланов Марат Мирзаевич заведующий кафедрой АиМЛ , д.н. (профессор)
Агафонов Александр Алексеевич заведующий кафедрой Компьютерной математики и информатики , д.н. (профессор)
Саченков Оскар Александрович заведующий кафедрой Компьютерной математики и информатики, к.н. (доцент)
Насыров Семен Рафаилович заведующий кафедрой Математического анализа, д.н. (профессор)
Авхадиев Фарит Габидинович заведующий кафедрой ТФиП, д.н. (профессор)
