Прикладной анализ данных и искусственный интеллект: программа бакалавриата в вузах Санкт-Петербурга

Программа предлагает студентам углубленное изучение современных методов и технологий, связанных с обработкой и анализом данных, а также разработкой и применением искусственного интеллекта. Студенты получат знания и навыки в области математического моделирования, статистического анализа, машинного обучения, глубокого обучения, алгоритмов искусственного интеллекта, обработки естественного языка и компьютерного зрения. Они также будут изучать принципы работы и применение различных инструментов и платформ, используемых для анализа данных и разработки искусственного интеллекта. Программа формирует у студентов понимание основных проблем и вызовов в области анализа данных и искусственного интеллекта, а также способность применять полученные знания для решения реальных задач в различных сферах, включая бизнес, медицину, финансы, науку и другие.

Программа нацелена на подготовку специалистов в области анализа данных и машинного обучения. На первых курсах студенты получают фундаментальное образование в области математики и программирования, а с третьего курса выбирают специализацию.

Профессиональные дисциплины:

• Математический анализ
• Основы дискретной математики
• Линейная алгебра
• Программирование 
• Алгоритмы и структуры данных
• С++
• Проект по программированию
• Алгебра       
• Язык программирования Python
• Экономика
• Английский язык
• Математический анализ - II
• Теория функций комплексного переменного
• Теория вероятности
• Функциональное программирование        
• Теория графов
• Комбинаторика
• Работа в Linux
• Базы данных
• Java
• Численные методы
• Архитектура компьютера и операционные системы
• Математическая статистика         
• Методы оптимизации
• Разработка ПО        
• Глубокое обучение
• Машинное обучение
• Параллельное программирование
• НИР.

Дисциплины по выбору:

• Машинное обучение на больших данных                         
• Альтернативные языки для JVM              
• Инженерные практики в машинном обучении                             
• Генеративные методы в машинном обучении                
• Анализ изображений
• Обработка естественного языка
• Микроэкономика      
• Эконометрика и элементы социально-экономической статистики
• Теория финансов
• Машинное обучение на больших данных             
• Альтернативные языки для JVM 
• Инженерные практики в машинном обучении     
• Глубокое обучение с подкреплением      
• Информационный поиск (преподается на английском языке) 
• Беспилотные автомобили  
• Теория игр и аукционы                  
• Инженерия машинного обучения
• Обучение без учителя                              
• Рекомендательные системы
• Генеративные методы в машинном обучении                 
• Байесовские и нейробайесовские методы          
• Случайные процессы                      
• Деривативы (преподается на английском языке)          
• Финансовый учет (преподается на английском языке) 
• Анализ рисков и актуарные расчеты                    
• Оценки реальных опционов                       
• Разработка торговых стратегий                 
• Корпоративные финансы              
• Портфельное управление               
• Количественные методы в финансовом планировании и оценке.