Data Science в AlmaU

Описание образовательной программы 6B06104 Data Science в AlmaU

Целью данной образовательной программы является подготовка профессиональных специалистов в области работы с большими данными. Они освоят навыки создания предиктивных моделей и выявления скрытых закономерностей, что позволит им успешно применять знания о механизмах и инструментах искусственного интеллекта. В рамках программы студенты также овладеют навыками работы с большими языковыми моделями и настройки нейронных сетей для различных бизнес-задач. В результате обучения они смогут эффективно применять полученные знания и навыки в профессиональной деятельности.

Языки обучения: русский, казахский, английский.
Срок обучения: 3 года.

Вузовский компонент — обязательная общеобразовательная дисциплина.

• Анализ данных в Excel. Данная дисциплина позволит улучшить навыки решения задач по моделированию для различных предметных областей — экономики, финансов, логистики, маркетинга и др. Студенты будут уметь структурировать информацию, проводить анализ данных на основе классических методов, делать выводы и строить прогнозы на основе исторических данных.

Вузовские компоненты — перечень базовых учебных дисциплин для освоения образовательной программы.

1. Введение в предпринимательство. Целью данного курса является повышение уровня креативности, обучение студентов навыкам генерации предпринимательских идей и умению интегрировать идею с бизнес-моделью Канвас. По окончанию курса студенты смогут генерировать идеи с использованием различных инструментов и подходов креативного мышления, применять бизнес-модели Канвас для упаковки предпринимательской идеи.
2. Введение в программирование и алгоритмы. Дисциплина формирует базовые навыки по программированию, развивает алгоритмическое мышление, учит анализировать алгоритмы. Будут изучены концепции решения проблем с использованием объектно-ориентированного языка программирования, разработка алгоритмов, структурное программирование, фундаментальные алгоритмы и методы.
3. Введение в Back-End Development и Базы данных. Дисциплина позволяет ознакомиться с серверными технологиями, акцентирует внимание как взаимодействовать с базой данных, написать сценарии на сервере для автоматизации поставленных задач, фокусируется на серверной логике, которую будут реализовывать, обрабатывать данные так что бы понимать, что показать и что скрыть от клиента.
4. Введение в Web-разработку с помощью HTML, CSS, JavaScript. Дисциплина вводит в процесс планирования и создания сайтов. Развивает навыки информационной архитектуры, пользовательского интерфейса, структуры сайта, навигации, макет, цвета, шрифты и общие изображения.
5. Дизайн жизни. Дисциплина помогает каждому студенту применить инновационные принципы дизайнерского мышления к злободневной проблеме проектирования собственной жизни во время учебы и после окончания университета. А также развивает способность выражения своего Я через призму познания, принятия и трансформации окружающего мира и создания своего микромира, в том числе создание системы ценностей, отражающей нетерпимость общества к коррупции.
6. Дискретные математические структуры. Дисциплина формирует алгоритмического мышления, формирует представление по темам: логика, множества, функции, элементарная теория чисел и комбинаторика, рекурсивные алгоритмы и математические рассуждения, включая индукцию. Подчеркивает связь с информатикой.
7. Иностранный язык 3. Целью изучения дисциплины является совершенствование иноязычной коммуникативной компетенции изучающих и развитие 4 основных навыков: Говорение, Аудирование, Чтение и Письмо по уровням А1, A2, B1, B2, C1. Коммуникативная методика направлена на овладение языком в процессе общения во время ролевых игр и проектных работ. Курс развивает навыки критического мышления, анализировать и обобщать информацию, излагать свои мысли в устной и письменной форме.
8. Исследовательский дизайн. Дисциплина позволяет применить основные методы и приемы проведения исследовательской работы; выбирать способы сбора и обработки информации, выбора научных источников; обобщать результаты исследований для написания научных работ и проектов.
9. ИТ-стартап 1 (ideation/validation). В рамках курса студенты получат практические знания как строить процесс генерации идеи — поиск проблемы, создания гипотез по ее решению, разработка value proposition — ценностного предложения, выявление unfair advantage — уникального преимущества. Далее студенты на практике будут проходить процесс валидирования всех гипотез и проведение анализа полученных результатов.
10. ИТ-стартап Capstone Project 1 (DS/ML startup). В рамках этого практического курса студенты разрабатывают идею стартапа на основе анализа данных, проводят валидацию и запускают рабочий прототип с использованием технологий Data Science и Machine Learning, после чего делают пилотирование данных проектов.
11. ИТ-стартап Capstone Project 2 (DS/ML startup). Цель освоения дисциплины — студенты на практике будут разрабатывать предпринимательские идеи на основе анализа данных, проверять и запускать рабочие прототипы с использованием методов науки о данных и машинного обучения, а затем пилотировать эти проекты.
12. Критическое мышление. Дисциплина позволяет формировать способность к самостоятельному мышлению, развивать способность проведения анализа и оценки информации любой сложности; формировать коммуникативные навыки, принять методики критического анализа информации для повышения эффективности процесса принятия решений.
13. Маркетинг. Дисциплина Маркетинг формирует у студентов понимание необходимости создания потребительской ценности и удовлетворения потребителя с использованием современных инструментов маркетинга и представление о маркетинге, как ведущей функции управления, и возможностях его применения в практической деятельности компании.
14. Математический анализ и математическая статистика. Цель дисциплины ознакомить обучающихся с основными понятиями, фактами и методами математической статистики, а также с их возможными приложениями для статистической обработки численных и категорных данных. Знать основные понятия теории вероятностей и математической статистики, их основные результаты и математические методы анализа.
15. Менеджмент. Дисциплина позволяет выделять основные концепции и теории менеджмента; сформировать современное управленческое мышление; получить навыки решения прикладных задач с использованием основных методов и технологий менеджмента; критически оценивать предлагаемые варианты управленческих решений.
16. Объектно-ориентированное программирование и структуры данных. Дисциплина формирует знания в методологии программирования, основанная на представлении программы в виде совокупности объектов, каждый из которых является экземпляром определенного класса, далее образуют иерархию наследования. Курс формирует практические навыки по решению задач путем программирования на объектно-ориентированном языке программирования. Знакомит со структурами данных.
17. Предпринимательство в действии 1. Целью данного курса является разработка плана выхода масштабируемого проекта на более крупные рынки ЕС, ЦА и США. Также развитие навыков построение деловых отношений с венчурными капиталистами и бизнес-ангелами. По окончанию курса студенты будут знать особенности оценки стоимости масштабируемых проектов, стратегии выхода на новые рынк, знать финансовое обоснование, применять навыки построения деловых отношений со всеми стейкходерами.
18. Предпринимательство в действии 2. Целью данного курса является реализация плана масштабирования и поиска инновационного компонента предпринимательской деятельности и симуляция реализации стратегии выхода на новые рынки. По окончанию курса студенты будут знать особенности построения High — Growth Firms, знать финансовое обоснование масштабируемого проекта, применять методологию трекинга и unit economics.
19. Прикладная линейная алгебра. Дисциплина формирует фундаментальные знания для инженерных расчетов и вычислений, студенты смогут решать задачи линейных систем, матрицы, определители, векторные пространства, базисы, линейные преобразования, собственные векторы, нормы, скалярные произведения, разложения, приложения.
20. Продвинутый курс Back-End разработки 2 и DevOps. Студент научится улучшить свои навыки по созданию продукты серверной части для разработки приложений на Python с помощью Django Framework, разрабатывать АPI, веб-приложения с помощью ReactJS и развертывать их на серверах. Обрабатывать и обеспечивать доступность и соответствие требованиям безопасности, таким как проверка подлинности пользователя и контроль доступа для приложения, работающего на серверной части.
21. Служение обществу. Дисциплина позволяет формировать опыт социального служения обществу и воспитания гуманности, морально-нравственных ценностей и гражданской позиции посредством теоретического обучения, и социально-полезной деятельности на благо социально уязвимых слоев населения; формулировать и понимать основные проблемы общества, включая вопросы экологии и безопасности жизнедеятельности, проводить критический анализ социальных проектов и умение работать в команде.
22. Экономика. Дисциплина направлена на формирование представлений о принципах и методах экономики, на понимание методов измерения результатов экономической деятельности; понимание поведения потребителей на рынках и их мотивов в потреблении и сбережении; формирование навыков анализа различных ситуаций на рынках товаров и услуг, на денежном рынке; факторов макроэкономического роста и экономической политики государства.
23. Front-end и мобильная разработка (JS). Дисциплина позволит научиться верстать, тестировать веб-страницы выполнять контроль качества, управлять браузерами и элементами страниц, использовать базовую анимацию и управлять эффектами, использовать объект XmlHttpRequest для выполнения синхронных и асинхронных запросов к серверу, использовать систему управления базами данных MongoDB, передавать и обрабатывать данные на сервер всеми доступными методами
24. Python для анализа и визуализации данных. Дисциплина позволяет изучить Python как инструмент обработки, анализа и визуализации данных и работать с большими массивами информации.

Вузовские компоненты

1. ИТ-стартап 2 (запуск проекта, MVP, Web проект). В ходе этого курса студенты после валидации своих идей приступают к запуску проектов на основе web-сервисов. Будут создаваться полноценные рабочие прототипы — MVP, которые затем проходят этап пилотирования.
2. ИТ-стартап 3 (бизнес-модели, CustDev, Iterations). В рамках этого курса студенты изучают основные подходы к определению релевантной бизнес-модели для своего проекта, а также как строить процесс customer development — CustDev — получение фидбэка от пользователей в рамках пилотирования и внедрение iterations — изменений в проект на основе этих фидбэков.
3. ИТ-стартап 4 (Mobile App Project). После прохождения практических курсов по бизнес-моделям и customer development студенты на практике создают собственные проекты в формате мобильного приложения и запускают его в форме MVP и проводят далее пилотирование данных проектов.
4. Практика 1 — Создание внутрикорпоративных проектов (Dual). В рамках этого практического курса студенты изучают современные подходы в крупных корпорациях по запуску внутри-корпоративных проектов/стартапов по задачам от бизнес-подразделений. Познают на практике нюансы запуска проектов внутри больших корпоративных структур.
5. Практика 2 — Создание внутрикорпоративных проектов (Dual). В рамках данного практического курса студенты будут создавать новые цифровые продукты в рамках цифровых экосистем корпоративного сектора. Они на практике определяют перспективные ниши в рамках экосистемы и научатся как создавать в этих нишах перспективные проекты.

Компоненты по выбору

1. Аналитика больших данных в бизнесе. В курсе изучаются приложения машинного обучения, интеллектуальный анализ данных и текста для больших данных, Hadoop, облачные решения, основы программирования больших данных, социальные сети и большие данные, NoSQL, ГИС, бизнес-кейсы
2. Глубокое обучение с помощью Tensorflow и Keras. В этом курсе студенты изучают основные концепции глубокого обучения для создания искусственных нейронных сетей и прохождения слоев абстракции данных, а также получают четкое представление о глубоком обучении с помощью Keras и TensorFlow.
3. Дисциплина Minor 1. Курс позволяет сформировать дополнительные профессиональные компетенции в различных предметных областях, направлениях подготовки. Первый из трех курсов, формирующих Minor.
4. Дисциплина Minor 2. Курс позволяет сформировать дополнительные профессиональные компетенции в различных предметных областях, направлениях подготовки. Второй из трех курсов, формирующих Minor.
5. Дисциплина Minor 3. Курс позволяет сформировать дополнительные профессиональные компетенции в различных предметных областях, направлениях подготовки. Третий из трех курсов, формирующих Minor.
6. Интеллектуальный анализ бизнес-данных. В курсе будут изучаться построение прогнозной аналитики (например, SEMMA, KDD); знакомство с методами логистической регрессии, машинного обучения и дерева решений; Понимание коэффициентов подъемной силы, кривых ROC; практическое использование программного обеспечения для майнинга; бизнес-кейсы.
7. Машинное обучение для науки о данных. Данный курс касается ключевых современных подходов к раскрытию многомерных сложных структур в данных. Темы включают регуляризованную регрессию, ансамблевые методы с деревьями, глубокие нейронные сети, кластеризацию и уменьшение размерности, а также моделирование в пространстве состояний.
8. Обработка естественного языка и распознавание речи. в этом курсе студенты изучают концепции NLP, генерацию естественного языка, функциональную инженерию, автоматическое распознавание речи, понимание текста из речи, текст из речи и устройств голосовой помощи и работу с ними.
9. Прикладная наука о данных и машинное обучение с использованием Python. В этом курсе студенты осваивают методы науки о данных и аналитики с использованием программирования на Python, основные методы машинного обучения, в том числе контролируемое обучение путем решения задач регрессии и классификации.
10. Продвинутый курс глубокого обучения и компьютерное зрение. Данная программа повысит навыки студентов по работе с реальными приложениями компьютерного зрения, генеративно-состязательными сетями (GAN), распределенными параллельными вычислениями с графическими процессорами и развертыванием моделей глубокого обучения в облаке.
11. Продвинутый курс машинного обучения. В данном курсе студенты осваивают передовые методы машинного обучения, включая контролируемое и неконтролируемое обучение и практическое моделирование, совершенствуя свои знания об искусственном интеллекте.
12. Разработка систем баз данных предприятий. В курсе будут изучаться построение прогнозной аналитики (например, SEMMA, KDD), знакомство с методами логистической регрессии, машинного обучения и дерева решений, Понимание коэффициентов подъемной силы, кривых ROC, практическое использование программного обеспечения для майнинга, бизнес-кейсы..
13. Хранилища бизнес-данных и многомерное моделирование. В данном курсе рассматриваются темы SQL, хранимые процедуры и архитектуры хранилищ данных, определение требований к хранилищу данных, проектирование и анализ, обзор этапов построения бизнес-моделей на основе информации, роль хранилищ данных в добыче данных и аналитике.