Спеціальність 113 – “Прикладна математика” відноситься до галузі математики, що розглядає застосування математичних моделей, методів та алгоритмів для розв’язання різноманітних наукових та прикладних задач.
Саме сучасні методи Прикладної математики є науковою основою штучного інтелекту, машинного навчання, інтелектуального аналізу даних та інформаційних технологій.
Сучасна прикладна математика неможлива без програмування та використання інформаційних технологій, тому суттєву частину цієї освітьої програми складають дисципліни програмістського спрямування.
Саме гармонічне поєднання фундаментальної математики та програмування є особливістю програми.
Освітня програма Інтелектуальний аналіз даних
Випускаюча кафедра
Комп’ютерної математики і аналізу даних
Коротка характеристика
Інтелектуальний аналіз даних – це освітня програма спеціальності 113 «Прикладна математика», яка спрямована на підготовку фахівців-дослідників, що володіють математичними методами та інформаційними технологіями машинного навчання і штучного інтелекту для пошуку, аналізу, обробки і візуалізації даних, зокрема даних вимірювань і спостережень, текстів, сигналів та зображень з метою видобування знань, прогнозування і прийняття рішень.
Загальна частина забезпечує:
-
- поглиблену математичну підготовку;
- базову програмістську та алгоритмічну підготовку;
- основи методів штучного інтелекту та машинного навчання;
розвиток soft-skills (до них належать: критичне мислення, навички публічних виступів, професійне письмо, командна робота, лідерство, професійне етика, управління кар’єрою та ін.).
Можливості працевлаштування
Працевлаштування на підприємствах і компаніях ІT-індустрії, в інформаційно-аналітичних відділах підприємств виробничого і банківсько-фінансового секторів, наукових установах, сфері послуг тощо.
Вибіркові освітні компоненти (Профільні блоки). Стисла характеристика
1. Штучний інтелект та аналіз даних
Блок спрямований на вивчення математичних методів, алгоритмів та програмних засобів аналізу великих обсягів даних різної природи, таких як результати спостережень та вимірювань, текстова інформація, сигнали та зображення, часові ряди та потоки на основі методів штучного інтелекту та машинного навчання. Блок включає поглиблене вивчення сучасних мов програмування, теорії та методів проектування баз та сховищ даних, сучасних методів та засобів проектування та розробки програмного забезпечення для аналізу та обробки великих даних. Вивчаються додаткові розділи методів машинного навчання та штучних нейронних мереж, методи глибокого навчання стосовно завдань аналізу та прогнозування в умовах невизначеності.
2. Аналіз даних в кібербезпеці
Блок спрямований на вивчення математичних методів, алгоритмів та програмних засобів аналізу та оптимізації бізнес-процесів, прийняття рішень на основі даних. Передбачає вивчення методів аналізу вимог, моделювання та управління бізнес-процесами, методів процесної та прогнозної аналітики, методів управління проектами. Вивчаються методи та програмні засоби обробки, статистичного аналізу та візуалізації даних для прийняття бізнес-рішень, методи експертного аналізу та аналізу ризиків. Передбачено вивчення сучасних мов та засобів для аналізу даних, таких як R та SPSS, методів розробки та аналізу якості програмного забезпечення, методів життєвого циклу програмного забезпечення.
3. Аналіз даних в бізнес процесах
Блок спрямований на навчання студентів та фахівців в області кібербезпеки методам та інструментам аналізу даних з метою виявлення, вивчення та реагування на потенційні загрози кібербезпеці. Дисципліни з аналізу даних у кібербезпеці спрямовані на розвиток навичок у сфері обробки та аналізу великих обсягів даних для виявлення, аналізу та відстеження потенційних загроз кібербезпеці. Напрям охоплює такі теми: методи аналізу загроз в мережах та системах; обробка та візуалізація даних у кібербезпеці; використання методів машинного навчання для виявлення надзвичайної поведінки в мережах та системах; вивчення методів аналізу кібератак та інцидентів для визначення їхніх причин, методів та наслідків; розробка та впровадження заходів захисту на основі результатів аналізу даних.