DATA SCIENCE

Результаты обучения и компетенции

• уметь пользоваться основными инструментами и фреймворками для решения задач в области Data Science, разбираться в современных архитектурах нейронных сетей и применять их на практике для решения задач, решать задачи Computer Vision / Natural Language Processing;
• применять методологии совместного анализа, проектирования и принятия решений для создания и развития собственного бизнеса; разрабатывать управленческие решения и осуществлять организационную работу по их реализации на практике; уметь эффективно общаться с другими, доносить свою мысль, как в письменном виде, так и устном.
• обладать базовыми и прикладными знаниями в области естественных наук, социально-гуманитарных, экономических и правовых дисциплин, способствующими формированию и развитию всесторонне образованной личности с высоким уровнем эрудиции и культуры мышления, соответствующей профессиональной квалификации
• использовать методы научного исследования, навыки академического письма и принципы инклюзии в профессиональной деятельности, а также применять средства физической культуры и спорта для поддержания здоровья и повышения трудоспособности
• уметь использовать основные законы естественнонаучных дисциплин в профессиональной деятельности, применяя методы математического анализа и моделирования, теоретического и экспериментального исследования; быть способным выявлять естественнонаучную сущность проблем, возникающих в ходе профессиональной деятельности, привлекая для их решения соответствующий физико-математический аппарат;
• применять технологии межличностного общения и работы в группе, управления работой в групповой разработке; использовать на практике государственные постановления, распоряжения, приказы, стандарты, нормативы, математические модели, методы, способы и технологию проектирования, разработки, изготовления, внедрения и сопровождения информационных систем и сетей;
• уметь разрабатывать техническое задание, подбирать оптимальное решение задач, планировать этапы выполнения проекта, моделировать структуры предметной области; определять функциональные и эксплуатационные требования к компонентам системы;
• программировать и тестировать различные решения (модели, методы), принимать участие в создании и управлении систем на всех этапах их жизненного цикла разработки;
• уметь решать задачи машинного обучения согласно современным стандартам, применять основные алгоритмы машинного обучения и математического программирования, применять концепции и инструменты при работе с большими объемами данных;
• ладеть иностранным (прежде всего английским) языком в области профессиональной деятельности и межличностного общения; уметь оформлять и презентовать аналитическую документацию на государственном, русском и английском языках;
• анализировать и проектировать программные инструменты анализа данных, а также алгоритмы, модели и методы, требуемые для разработки программных систем, эффективного анализа данных и извлечения знаний из данных;
• применять на практике знания архитектуры и видов вычислительных машин, операционных систем, языков программирования, технологий программирования, моделей баз данных, протоколов взаимодействия вычислительных систем, моделей и видов анализа данных, принципов и моделей искусственного интеллекта, техники моделирования, композиции и декомпозиции систем, информационной безопасности, принципов системности и целостности, методов системного/структурного анализа, жизненного цикла программного обеспечения;