• Высокий спрос на специалистов в области анализа данных и принятия решений в экономике и финансах на рынке труда
• Возможность получения высокооплачиваемой работы в крупных компаниях и организациях
• Значительный вклад в развитие экономики и финансовой сферы, что позволяет оказывать влияние на мировую экономику и финансовые рынки
• Возможность применять современные методы и технологии анализа данных для принятия важных бизнес-решений
• Широкий спектр возможностей для профессионального роста и развития карьеры.

Вы научитесь анализировать большие объемы данных и применять методы машинного обучения для решения задач в экономике и финансах.

Вы узнаете, как использовать инструменты и технологии для сбора, хранения, обработки и анализа данных, а также как создавать модели машинного обучения для прогнозирования и оптимизации бизнес-процессов.

Вам будут представлены примеры реальных проектов и задач, которые помогут вам лучше понять применение анализа больших данных и машинного обучения в экономике и финансах.

Вы также получите практические навыки работы с различными инструментами и технологиями, такими как Python, R, SQL, Hadoop, Spark и другие.

• Сквозные технологии цифровой экономики

Вы узнаете о технологиях, которые используются в цифровой экономике, таких как облачные вычисления, интернет вещей, блокчейн и искусственный интеллект. Вы узнаете, как эти технологии меняют бизнес-модели и создают новые возможности для компаний. Вы также получите практические навыки работы с различными технологиями, такими как AWS, Azure, Google Cloud, IoT-устройства и другие. Вам будут представлены примеры реальных проектов и задач, которые помогут вам лучше понять применение сквозных технологий в цифровой экономике.

• Современные технологии программирования

Вы научитесь проектировать архитектуру информационных систем, используя современные подходы и методологии, такие как SOA, микросервисная архитектура, контейнеризация и DevOps. Вы узнаете, как организовать компоненты системы в логические блоки и определить их взаимодействие. Вы научитесь выбирать подходящие технологии и инструменты для реализации архитектуры и оценивать ее производительность и масштабируемость. Вы также получите практические навыки в использовании инструментов для проектирования архитектуры, таких как UML, BPMN, ER-диаграммы и другие. Вам будут представлены примеры реальных проектов и задач, которые помогут вам лучше понять проектирование архитектуры информационных систем.

• Бухгалтерские информационные системы

Вы научитесь применять алгоритмы машинного обучения для решения различных задач, таких как классификация, регрессия, кластеризация и обработка естественного языка. Вы узнаете о различных типах моделей машинного обучения, таких как линейные модели, деревья решений, нейронные сети и ансамбли моделей. Вы также научитесь выбирать подходящие методы предобработки данных, такие как масштабирование, кодирование категориальных признаков и обработка выбросов. Вы получите практические навыки в использовании библиотек и инструментов для машинного обучения, таких как scikit-learn, TensorFlow и Keras. Вам будут представлены примеры реальных проектов и задач, которые помогут вам лучше понять применение машинного обучения в различных сферах.

• Разработка бизнес-приложений на платформе 1С:Предприятие

Эти методы включают в себя анализ графов, теорию игр, машинное обучение и другие подходы. Вы узнаете, как применять эти методы для анализа производительности системы, выявления узких мест и определения наилучших стратегий оптимизации. Курс по проектированию архитектуры информационных систем и прикладным моделям и методам теории сложных сетей поможет вам стать экспертом в области разработки и оптимизации информационных систем. Вы получите практические навыки и знания, которые помогут вам стать более эффективным разработчиком и решать сложные задачи в этой области.

На первом курсе вы будете осваивать базовые дисциплины профессиональной подготовки: Введение в науки о данных, Профессиональный иностранный язык, Сквозные технологии цифровой экономики, Проектирование архитектуры информационных систем, Методы визуализации данных, Нереляционные базы данных, Построение и оценка моделей машинного обучения, Методология поиска источников данных и подготовки данных для анализа, Обучение с подкреплением, Предиктивная аналитика больших данных, Современные нейросетевые технологии. 

На втором курсе вы будете осваивать дисциплины модуля направленности магистратуры: прикладные модели и методы теории сложных сетей, Анализ больших данных, Машинное обучение, а также дисциплины модуля дисциплин по выбору, углубляющих освоение программы магистратуры: Прикладные модели и методы анализа нечисловой информации, Прикладные модели и методы регрессионного анализа, Прикладные модели и методы факторного, дискриминантного и кластерного анализа в экономике и финансах, Анализ данных и машинное обучение в управлении рисками, Анализ данных и машинное обучение в кредитном скоринге, Анализ данных и машинное обучение на финансовых рынках. В конце курса вы пройдете государственную итоговую аттестацию, состоящую из защиты дипломной работы и государственного экзамена.

1. Аналитик данных (Data Analyst)
2. Актуарный аналитик (Actuarial Analyst)
3. Инженер по машинному обучению (Machine Learning Engineer)
4. Финансовый аналитик (Financial Analyst)
5. Специалист по оптимизации бизнес-процессов (Business Process Optimizer)

После окончания программы обучающие могут работать в сфере:

• визуализации аналитических данных,
• прогнозной аналитики,
• машинного обучения и искусственных нейронных сетей,
• разработки методов интеллектуального анализа