Master i datavetenskap
HSE University
Nyckelinformation
Campus läge
Moscow, Ryssland
språk
Engelsk
Studieformat
På Campus
Varaktighet
2 år
Takt
Heltid
Studieavgifter
RUB 390 000 / per year *
Ansökningstiden
Begär info
Tidigaste startdatum
Begär info
* 195 000 - 390 000 RUB / år
Stipendier
Utforska stipendiemöjligheter för att hjälpa till att finansiera dina studier
Introduktion
För att analysera den växande datamängden som genereras i alla delar av dagens samhälle lyfter den moderna IT-industrin frågan om Big Data. På samma sätt etablerar det akademiska samfundet det framväxande området datavetenskap. Detta program inkluderar utbildning inom beräkningsmodeller, matematisk modellering och prognoser, datorarkitektur, avancerad programmeringsteknik samt datalagring och hämtning. På grund av dess tvärvetenskapliga design kan detta program fungera som en ryggrad som är av intresse för akademiker från många fakulteter, liksom för anställda vid forskningscentra. Kandidater från programmet kommer att kunna lösa problem rörande datasökning, insamling, lagring, förberedelse och analys samt tolkning av resultat inom specialiseringsområdet.
Programöversikt
Datavetenskap masterprogrammet innehåller ett heltidsutbildningsbana för engelsktalande studenter som består av en uppsättning grundläggande discipliner och en mängd valfria och valfria kurser på engelska.
Målet med programmet är att utbilda högkvalificerade experter inom tillämpad matematik, informationsvetenskap och dataanalys.
Programmet omfattar en fördjupad studie av matematiska metoder för artificiell intelligensmodeller och moderna metoder för dataanalys, matematisk och informationsmodellering av komplexa system samt en datorförverkligande av dessa metoder. Kunskaper och färdigheter för akademiker från denna kurs efterfrågas av ryska federationens ministerier och institutioner, regionala förvaltningar och stora företag.
Konceptet och läroplanen för specialiseringen inom Internet-dataanalys har utvecklats i samband med Yandex. Detta spår involverar undervisning i specialdiscipliner av företagets anställda, deltagande av studenter, doktorander och föreläsare i projekt som implementerar uppgifter som föreslås av Yandex och relaterade till dess affärsverksamhet, yrkesutbildning för studenter i Yandex och gemensam forskning som genomförs tillsammans med Yandex personal.
Antagningar
Läroplan
Programmet innehåller 3 inriktningar och ett heltidsspår i engelska (120 hp):
Engelska-lärda spår
Allmän läroplan innehåll
Bryggkurser:
- Diskret matematik för applikation och algoritmutveckling
- Sannolikhetsteori och matematisk statistik
- Komponenter inom studieområdet
Grundkurser:
- Moderna metoder för dataanalys
- Moderna metoder för beslutsfattande
- Nätverksvetenskap
- Machine Learning och Data Mining
Valbara kurser:
- Automatiserade metoder för programverifiering
- Medicinsk informatik
- Dataanalys i medicin
- Data- och serviceteknik för automatisering av affärsprocesser
Internetdataanalys
Grundkurser:
- Moderna metoder för dataanalys
- Moderna metoder för beslutsfattande
- Maskininlärning
- Algoritmer och datastrukturer
- Metoder och system för behandling av stora data
Valbara kurser:
- Sannolikhets- och statistiska tillvägagångssätt vid beslutsfattande
- Teori parallellt och distribuerade beräkningar
- Optimering i maskininlärning
- Bild- och videoanalys
- Automatisk bearbetning av texter
- Djup lärning
Intelligenta system och strukturanalys
Bryggkurser:
- Diskret matematik för applikation och algoritmutveckling
- Sannolikhetsteori och matematisk statistik
Grundkurser:
- Moderna metoder för dataanalys
- Moderna metoder för beslutsfattande
- Ordnade uppsättningar i dataanalys
- Nätverksvetenskap
- Introduktion till maskininlärning och datamining
- Machine Learning och Data Mining
Valbara kurser:
- Beräkningslingvistik och textanalys
- Informationsteori och kombinationsteori om sökning
- Grunderna för design och implementering av artificiell intelligens
- Systemspel och beslut inom dataanalys och modellering
- Dataanalys i medicin
- Stor dataanalys
- Djup lärning
- Automatiserade metoder för programverifiering
- Medicinsk informatik
- Robusta metoder i statistik
- Beslutsfattande och dataanalys under osäkerhet och oklarhet
- Automatisera affärsprocesser med maskininlärning
Teknik för modellering av komplexa system
Bryggkurser:
- Diskret matematik för applikation och algoritmutveckling
- Sannolikhetsteori och matematisk statistik
Grundkurser:
- Moderna metoder för dataanalys
- Moderna metoder för beslutsfattande
- Ordnade uppsättningar i dataanalys
- Matematiska grunder för modern telekommunikation
- Statistiska metoder för prediktiv modellering
- Geometriska metoder för prediktiv modellering
Valbara kurser:
- Beräkningslingvistik och textanalys
- Informationsteori och kombinationsteori om sökning
- Grunderna för design och implementering av artificiell intelligens
- Systemspel och beslut inom dataanalys och modellering
- Dataanalys i medicin
- Stor dataanalys
- Djup lärning
- Automatiserade metoder för programverifiering
- Medicinsk informatik
- Robusta metoder i statistik
- Beslutsfattande och dataanalys under osäkerhet och oklarhet
- Automatisera affärsprocesser med maskininlärning
Karriärmöjligheter
Kandidater från programmet kommer att förvärva färdigheter och kompetenser i efterfrågan på de ledande onlineplattformarna, inklusive metoder och verktyg för behandling av stora datamängder (Big Data), dataförbehandling (Extract-Transform-Load), data mining (Data Mining), kunskap extraktion (kunskapsupptäckt), skapande av sökmotorer (sökmotorer), analys av sociala nätverk (analys av sociala nätverk), skalning av algoritmer (Hadoop och Map-Reduce-teknik) och prognoser för finansiella tidsserier.