Вы научитесь
Работать с хранилищами данных разных типов и с инструментами анализа больших данных
Использовать методы математического анализа, статистики и теории вероятности для обработки данных
Создавать модели с помощью классического машинного обучения и нейронных сетей для решения задач
Для кого
бюджетных мест
(20 + 24)
платных мест
проходной балл в 2020 г.
тыс. руб./год
стоимость обучения
года обучения
Компетенции выпускника
- сбор, хранение, структурирование и анализ больших объемов данных с применением наиболее передовых инструментов BigData (экосистема Hadoop, Spark и других)
- применение машинного обучения для предсказания событий и обнаружения неочевидных закономерностей (Python с набором библиотек для машинного обучения; аналитические платформы Loginom и Deductor и другие)
- системное мышление
Зарплаты выпускников
Data Scientist
GFAIVE
Разработка методологии исследования и построения моделей для решения бизнес-задач Fashion-индустрии с регулярной оптимизацией. Дизайн и реализация полного цикла разработки предиктивных моделей для прогнозирования продаж/спроса в Fashion-индустрии с последующем подключением внешних данных (социальные сети, отчеты и т.д.); сбор данных из внутренних и внешних источников, построение data pipeline, витрин; компиляция, чистка, верификация и оценка данных; анализ эффективности источников данных, выявление инсайтов и паттернов из данных; выявление признаков, которые влияют на точность прогноза продаж/спроса в Fashion-индустрии; доведение моделей до статуса MVP с дальнейшей передачей в продакшн.
от 150 000 до 250 000 руб. до вычета налогов
Senior / Lead DevOps Engineer
IBIT
24/7 поддержка highload бекенд с десятками серверов и со следующим стеком: CentOS, Nginx, Node.js, MySQL & PostgreSQL, Redis; поддержка сервисов: jenkins, jira, openvpn, nextcloud и других.
Профессии будущего*
* Из атласа новых профессий
СБОРЩИК ДАТАСЕТОВ
Специалист, который готовит данные для обучения искусственного интеллекта (например, картинки, по которым программа учится распознавать лица). Для машинного обучения необходимо много данных хорошего качества, которые сегодня зачастую подготавливают люди. Проблема в том, что даже для сравнительно несложных задач машине необходимо учиться на десятках тысяч примеров. И если при сборе примеров были допущены какие-то ошибки, то ИИ, обученный на них, будет решать задачу с искажениями.
Надпрофессиональные навыки и умения: системное мышление, программирование, робототехника, искусственный интеллект.
СПЕЦИАЛИСТ ПО ВЕРИФИКАЦИИ КАЧЕСТВА ДАННЫХ
Профессионал, проверяющий качество данных, на основе которых будут строиться модели Big Data и машинное обучение. Сейчас ошибки накапливаются из-за того, что исходные данные невысокого качества, и это сбивает искусственный интеллект с толку. Повысить качество выборки можно, если автоматизировать проверку данных. Программа должна как минимум указывать человеку на подозрительные данные в датасете, а возможно, сама их вычищать. Скорее всего, в ближайшие 15 лет алгоритмы научатся сортировать сырые данные на категории вроде «точно плохие», «под вопросом», «хорошие» и будут давать подсказки. Например: «30% вероятность, что на картинке изображен котик, — верно ли это?» Но окончательные решения останутся за людьми.
Надпрофессиональные навыки и умения: системное мышление, управление проектами, программирование, робототехника, искусственный интеллект, мультиязычность и мультикультурность.
Примечания
- Вступительные испытания: ЕГЭ по информатике, математике и русскому языку.
- Занятия проводятся 6 дней в неделю по адресу: Москва, ул. Автозаводская, д. 16.
Партнёры программы
