Образовательная программа

Mehr Details
Code – Spezialität

7M06106 - Системы больших данных (Big data)
Zweck des Bildungsprogramms

Подготовка специалистов, способных применить системные принципы проектирования, разработки и поддержки сложных информационных системы на основе методологических и технологических решений, провести инновационные научные исследования для обнаружения знаний в системах с большими данными.
Absolventenmodell
Hochschulabschluss Область профессиональной деятельности:

- проведение исследований в области аналитики больших данных, стохастическая оптимизация, - предсказательное моделирование, прогнозирование, управление данными предприятия, бизнес-анализ, применение математических и технологических знаний и навыков для выбора, оценки, анализа и использования инструментария и технологии больших данных;
- планирование работ по системному анализу и контроль за их выполнением;
- управленческая деятельность в области внедрения систем больших данных и сервисов на основе технологии больших данных
Объект профессиональной деятельности:

- организации различных форм собственности, индустрии и бизнеса, осуществляющие разработку и - использование информационных систем, интеллектуальных продуктов и сервисов, основанных на технологиях искусственного интеллекта и научных достижениях в области интеллектуальных методов анализа больших данных и машинного обучения;
- организации высшего образования, профессиональные образовательные организации;
- научные, научно-исследовательские, научно-производственные организации, связанные с решением задач интеллектуального анализа данных;
- органы государственной власти
Виды профессиональной деятельности:

- научно-исследовательская;
- организационно-управленческая;
- проектно-технологическая;
- проектно-конструкторская;
- производственно-технологическая;
- экспериментально-исследовательская;
- сервисно-эксплуатационная и т.д.
Функции профессиональной деятельности:

- разработка новых моделей информационной инфраструктуры предприятия с учетом возможностей технологий больших данных;
- внедрение и оценка эффективности технологий и инструментария больших данных на предприятии;
- внедрение и применение основанного на технологиях больших данных инструментария аналитики и поддержки принятия решений, осуществление управления решениями
Karte der Absolventenkompetenzen
Schlüsselkompetenzen ausgebildet Lernerfolge
1. Способность применять технологии распределенной обработки и хранения данных. Знание основных принципов Kubernetes. Умение разворачивать приложения Kubernetes используя CLI Применять технологии распределенной обработки и хранения данных. Знать основные принципы Kubernetes. Разворачивать приложения Kubernetes используя CLI.
2. Способность определять основные проблемы в области философии и методологии науки; описывать современные актуальные методические, методологические и философские проблемы в области ИТ Определить основные проблемы в области философии и методологии науки; описать современные актуальные методические, методологические и философские проблемы в области ИТ
3. Знание технологии облачных вычислений: программные архитектуры, виртуализация и контейнер. Способность настраивать VPS и VPN сервер, запускать приложения на базе Docker Знать технологии облачных вычислений: программные архитектуры, виртуализация и контейнер. Настраивать VPS и VPN сервер, запускать приложения на базе Docker
4. Способность использовать типовые технологии и средства аналитики данных, такие как MapReduce, Hadoop, NoSQL, языки R, Python Использовать типовые технологии и средства аналитики данных, такие как MapReduce, Hadoop, NoSQL, языки R, Python
5. Способность анализировать существующие методы визуализации данных, создавать приложение визуализации данных с использованием имеющихся технологий и инструментов Анализировать существующие методы визуализации данных, создать приложение визуализации данных с использованием имеющихся технологий и инструментов
6. Способность формально представлять семантическое содержание предложений и дискурсов в NL Формально представлять семантическое содержание предложений и дискурсов в NL, описывать различные классов объектов с помощью языков проекта Semantic Web RDF и RDFS
7. Способность разрабатывать архитектуру системы больших данных и программно-аппаратную инфраструктуру Разрабатывать архитектуру системы больших данных и программно-аппаратную инфраструктуру, анализировать большие массивы данных используя Scala и Spark
8. Способность решать психологические проблемы в процессе управленческой деятельности, принимать управленческие решения, оценивать их возможные последствия Решать психологические проблемы в процессе управленческой деятельности, принимать управленческие решения, оценивать их возможные последствия
9. Способность организовать сбор, анализ и систематизацию научно-технической информации по теме исследования, применять научные методы в исследовательской деятельности Организовать сбор, анализ и систематизацию научно-технической информации по теме исследования, применять научные методы в исследовательской деятельности
10. Владение иностранным языком на уровне международных стандартов С1-С2 и грамматическими характеристиками научного стиля; способность к работе в интернациональной среде Владеть иностранным языком на уровне международных стандартов С1-С2 и грамматическими характеристиками научного стиля; быть способным к работе в интернациональной среде
11. Обладание базовыми знаниями по педагогике и психологии в высшей школе, знание современной парадигмы высшего образования Обладать базовыми знаниями по педагогике и психологии в высшей школе, знать современную парадигму высшего образования
12. Знание основных методов и технологий интеллектуального анализа данных. Способность применять подходы и алгоритмы решения задач анализа данных к решению реальных задач. Знать основные методы и технологии интеллектуального анализа данных. Применять подходы и алгоритмы решения задач анализа данных к решению реальных задач.
13. Способность разрабатывать и использовать программные решения с использованием современных сред и языков программирования (R, Python) для выполнения анализа больших массивов данных Разрабатывать и использовать программные решения с использованием современных сред и языков программирования (R, Python) для выполнения анализа больших массивов данных
14. Знание основных элементов процесса анализа больших данных, способность интегрировать данные из разных источников, интерпретировать в контексте задачи, анализировать результаты Знать основные элементы процесса анализа больших данных, интегрировать данные из разных источников, интерпретировать в контексте задачи, анализировать результаты
15. Способность применять алгоритмы обучения с учителем для прогнозирования и оценки результатов; применять алгоритмы обучения без учителя к задачам анализа данных и оценивать результаты Применять алгоритмы обучения с учителем для прогнозирования и оценки результатов; применять алгоритмы обучения без учителя к задачам анализа данных и оценивать результаты
Modularer Lehrplan
Базовые дисциплины Профилирующие дисциплины Дополнительные виды обучения