Экосистема больших данных для цифровой трансформации

Программы дисциплин формируются совместно с лидерами ИТ-отрасли, что позволяет студентам изучать и применять лучшие практики индустрии. Особое внимание в обучении уделяется практической работе — студенты реализуют собственные проекты на базе реальных ИТ-задач производственных компаний в качестве НИР, зачетных и дипломных работ.

Во время обучения студенты глубоко погружаются в изучение специальных глав математики, что необходимо для аналитики Big Data, тренируют аналитическое мышление и навыки построения и проверки гипотез для разных предметных областей. На примере задач в области экспериментального материаловедения и дизайна новых материалов студенты получают реальный опыт погружения в сложную предметную область и применения методов и алгоритмов машинного обучения в исследованиях.

Сотрудничество с компаниями-лидерами, такими как IBS, Yandex, Oracle, Сбер, Тинькофф и бизнес-сообществом позволяет включить в программу междисциплинарные кейсы в области ИТ, HR, маркетинга и финансов. Помимо глубокой системной и технической подготовки, студенты развивают навыки деловой коммуникации, ведения переговоров, конфликт-менеджмента в рамках мастер-классов и тренингов, что позволяет более эффективно работать в проектной команде или управлять ею.

Преподавательский состав программы «Экосистема больших данных для цифровой трансформации» — это команда из экспертов ИТ-отрасли, занимающих руководящие позиции в компаниях, которые выступают наставниками для студентов на их академическом и профессиональном пути.

За блок базовой подготовки и развития hard skills отвечают опытные преподаватели и ученые, а за профильные дисциплины и развитие инновационного мышления — молодые, но уже опытные и успешные специалисты ведущих компаний, таких как Яндекс, Сколтех, МТС, Тинькофф.

• Адаптивные модели предиктивного анализа профилей потребления электроэнергии для разных тренд-регионов
• Предиктивная модель прогнозирования температуры металла в зависимости от вида и длительности операций на установке «печь-ковш»
• Рекомендательный сервис для торговли акциями на фондовом рынке с применением машинного обучения
• Предиктивная модель условий возникновения продольных трещин слябов в крупной металлургической компании на основе методов машинного обучения
• Автоматизированная система классификации сверхнормативных технологических отклонений нефтеперерабатывающего предприятия с применением методов машинного обучения
• Модель прогнозирования отказов андеррайтера в страховании непромышленного имущества юридических лиц