Магистратура
Язык обучения:
rus
Направление: Прикладная математика и информатика
Факультет прикладной математики и информационных технологий
Анализ больших данных и машинное обучение в экономике и финансах
  • Очно
  • 2 года
Вступительные испытания
Математика и информатика
Иностранный язык (английский, китайский, немецкий, французский, испанский)
Портфолио
Аккредитация и партнеры
logo
Корпорация Microsoft
О программе
Вступительное слово руководителя
logo
Соловьев Владимир Игоревич
Подробнее
Программа направлена на подготовку специалистов по анализу больших данных и машинному обучению в приложениях к экономике и финансам.

Выпускники программы владеют теоретическими основами статистического анализа, включая методы параметрической и непараметрической статистики, корреляционного, регрессионного и кластерного анализа, теории сложных сетей и рекомендательных систем, анализа текстовой информации и обработки изображений, современными технологиями и инструментами поиска источников данных, сбора, визуализации и обработки структурированных и неструктурированных данных, построения и анализа моделей машинного обучения, выявления закономерностей в данных и применения полученных результатов к решению практических задач из области экономики и финансов. Выпускники готовы к использованию интеллектуальных технологий в управлении рисками, например, к прогнозированию динамики цен финансовых инструментов, выявлению случаев мошенничества с кредитными картами и страховыми продуктами, отмывания денег, уклонения от уплаты налогов и т. п.

Также выпускники подготовлены к разработке персонализированных, основанных на анализе поведения клиентов, продуктов и сервисов, например, полисов автострахования, учитывающих особенности стиля вождения, систем кредитного скоринга или рекомендательных сервисов по приобретению финансовых инструментов, основанных на анализе не только количественных данных о ценовой динамике активов, но и неструктурированной информации, включая новости в интернете, историю взаимоотношений с клиентом, его настроение, поведение в интернете и социальных сетях.

После окончания программы выпускники смогут
Проводить поиск источников данных, подготавливать данные для анализа, визуализировать данные.
Применять методы регрессионного, факторного, кластерного и дискриминантного анализа, анализа нечисловой информации и теории сложных сетей к решению прикладных задач в экономике и финансах.
Строить и оценивать модели машинного обучения в прикладных задачах.
Обосновывать и принимать решения с помощью технологий интеллектуального анализа данных и машинного обучения.
Строить рекомендательные системы и применять их к решению практических задач.
Создавать ИТ-сервисы, основанные на анализе данных и машинном обучении.
Основные дисциплины
Методология поиска источников данных и подготовки данных для анализа
Студенты научатся использовать методы поиска источников данных и подготовки данных для дальнейшего анализа.
Методы визуализации данных
Студенты приобретут навыки практического использования современных пакетов компьютерных программ для визуализации цифровой финансово-экономической информации и интерпретации полученных результатов.
Построение и оценка моделей машинного обучения
Студенты освоят методологию построения и оценки моделей машинного обучения и приобретут навыки построения моделей в рамках решения прикладных задач финансово-экономической сферы.
Предиктивная аналитика больших данных
Студенты приобретут навыки использования анализа больших данных для решения прикладных финансово-экономических задач.
Рекомендательные системы
Студенты изучат методологию построения рекомендательных систем и их оценки, а также приобретут навыки построения рекомендательных систем, применяемых в социальной и финансовой сферах.
Современные нейросетевые технологии
Студенты узнают основные аспекты функционирования искусственных нейронных сетей; изучат различные модели нейронных сетей и методов их обучения; приобретут навыки применения нейронных сетей для решения прикладных задач.
5 уникальных преимуществ программы
  1. Обучение на программе обеспечивает фундаментальные знания и практические навыки, необходимые для специалистов по анализу больших данных и машинному обучению.
  2. Программа обучения составлена и актуализируется с учетом требований работодателей.
  3. Стратегическим партнером программы является корпорация Microsoft.
  4. Студенты приобретают практические навыки эффективного решения финансово-экономических задач с применением современных методов и инструментария на основе реальных данных.
  5. Студенты проходят практику в ведущих банках, инвестиционных, страховых, консалтинговых и производственных компаниях (Сбербанк, Газпромбанк, ВТБ, Альфа-капитал, Финам, Ингосстрах, KPMG, Deloitte и др.)
Получить консультацию о программе
Отправьте заявку и с вами свяжется специалист для консультирования
Имя
Телефон
Карьера и работа

Выпускники образовательной программы знают современную математическую теорию анализа больших данных и машинного обучения, владеют современными информационными технологиями анализа данных, способны извлекать ценную информацию из структурированных и неструктурированных данных и имеют опыт решения реальных практических задач по анализу открытых данных и информации из социальных сетей, разработке систем сегментации клиентов и кредитного скоринга, созданию рекомендательных и поведенческих сервисов.

Специалисты, получившие подготовку по данной магистерской программе, находят работу в банках, инвестиционных, страховых, телекоммуникационных, торговых, производственных компаниях, организациях различных форм собственности, индустрии и бизнеса, осуществляющих 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, в которых можно пройти практику с последующим трудоустройством
Ведущие преподаватели
Как поступить
1
Выбрать программу магистратуры

2
Собрать документы/Заполнить электронную анкету

3
Написать заявление

logo
4
Пройти вступительные испытания

5
Начать обучение

Почему абитуриенты выбирают наш ВУЗ?
Часто задаваемые вопросы
Можно ли обучаться на магистерской программе "Анализ больших данных и машинное обучение", закончив бакалавриат не по математическим и информационным направлениям подготовки?
Это возможно. При этом для успешного освоения программы требуется хорошая математическая подготовка и свободное владение компьютером. Также желательны базовые навыки программирования.
В какое время проходят занятия и можно ли совмещать учебу в магистратуре с работой?
Занятия, как правило, начинаются с 18.50 и заканчиваются в 22.00. Поэтому многие магистранты совмещают учебу и работу.
Предоставляется ли отсрочка от армии поступившим в магистратуру?
Да, если абитуриент получает непрерывное первое образование, не отчислялся из бакалавриата и поступает в магистратуру сразу же по его окончании.
Остались вопросы? Задайте свой вопрос приемной комиссии
Имя
Телефон
E-mail
Контакты
Приемная комиссия
+7 (495) 249-5249 (с 9:00 до 19:00)
График работы приёмной комиссии: понедельник-пятница: 9:30-18:00
125993, Москва, Ленинградский пр-т, д.53/1
Аэропорт
Портфолио должно содержать следующую информацию
Средний балл успеваемости выше 4.0

Средний балл по всем оценкам приложения к диплому

Оценка по производственной практике

Дипломы, сертификаты и другие награды победителей и лауреатов конкурсов научных работ, олимпиад (подлинники)

Соответствие направления подготовки (специальности)

Только при наличии диплома .Копия диплома Копия приложения к диплому, заверенная сотрудниками приемной комиссии

Наличие наград за результаты научноисследовательской работы

За каждое выступление, (если их было несколько, баллы суммируются)

Формы проведения вступительного испытания

Иностранный язык*:
Письменная форма (компьютерное тестирование); Международный сертификат***

Математика и информатика:
Письменная форма (компьютерное тестирование); Федеральный интернет экзамен для бакалавров (ФИЭБ)**; GMAT (Graduate Management Admission Test)****; GRE (Graduate Record Examinations)****

Междисциплинарный экзамен по направлению подготовки 40.04.01 Юриспруденция:
Письменная форма (компьютерное тестирование)

Общая социология:
Письменная форма (компьютерное тестирование); Федеральный интернет экзамен для бакалавров (ФИЭБ)**

Теоретические основы политики:
Письменная форма (компьютерное тестирование)

Теория государства и права:
Письменная форма (компьютерное тестирование); Федеральный интернет экзамен для бакалавров (ФИЭБ)**

Экономическая теория:
Письменная форма (компьютерное тестирование); Федеральный интернет экзамен для бакалавров (ФИЭБ)**; GMAT (Graduate Management Admission Test)****; GRE (Graduate Record Examinations)****

*Вступительные испытания проводятся: по английскому, немецкому, французскому, испанскому языкам. При приеме иностранных граждан и лиц без гражданства на обучение по программам магистратуры на места по договорам об оказании платных образовательных услуг вступительное испытание по иностранному языку может быть заменено на вступительное испытание «русский язык» как иностранный.

Кандидат экономических наук, доцент, руководитель секции прикладной информатики Департамента анализа данных, принятия решений и финансовых технологий. Специалист по машинному обучению и теории сложных сетей. Реализовал большое число проектов в области анализа и обработки данных, в том числе систем предиктивной аналитики, рекомендательных систем, а также интеллектуальных приложений, основанных на обработке данных. Автор более 15 научных статей в ведущих мировых изданиях.

Кандидат экономических наук, доцент Департамента анализа данных, принятия решений и финансовых технологий. Специалист по машинному обучению и системам нечеткой логики. Реализовал ряд проектов в области анализа данных для крупнейших российских банков и финансовых компаний. Автор более 25 научных статей в ведущих мировых изданиях.

Кандидат экономических наук, старший преподаватель Департамента анализа данных, принятия решений и финансовых технологий. Специалист по машинному обучению и их применению в системах управления рисками. Закончив Финансовый университет, несколько лет работала в области управления рисками, затем руководила подразделениями анализа рисков в крупнейших российских банках. Реализовала ряд проектов в области анализа данных для крупнейших российских банков и финансовых компаний.

Доктор экономических наук, профессор, руководитель Департамента анализа данных, принятия решений и финансовых технологий, лауреат премии имени профессора Б.Л. Овсиевича, лауреат премии CEEMAN Champion Award Ассоциации развития менеджмента CEEMAN, трижды лауреат премии «Проект года» Официального сообщества ИТ-директоров России GlobalCIO. Работает в области технологий обработки и анализа данных с 1990 года, за это время реализовал для компаний из финансовой отрасли и реального сектора экономики множество проектов в области анализа финансовых рынков, моделирования умных производств, промышленного, финансового и образовательного интернета вещей, а также в области искусственного интеллекта и обработки данных. Автор 20 книг, более 100 научных статей и более 30 статей в профессиональных IT-журналах. Обладает профессиональными статусами в области наук о данных: Charter Member, Microsoft Professional Program for Data Science; Microsoft Certified Solutions Expert (Data Management and Analytics); Microsoft Certified Solutions Associate (Machine Learning); Microsoft Certified Solutions Associate (Data Engineering with Azure); Microsoft Certified Trainer.

Предоставляя свои персональные данные Пользователь даёт согласие на обработку, хранение и использование своих персональных данных на основании ФЗ № 152-ФЗ «О персональных данных» от 27.07.2006 г. в следующих целях:

Осуществление клиентской поддержки Получения Пользователем информации о маркетинговых событиях Проведения аудита и прочих внутренних исследований с целью повышения качества предоставляемых услуг. Под персональными данными подразумевается любая информация личного характера, позволяющая установить личность Пользователя/Покупателя такая как:

Фамилия, Имя, Отчество

Дата рождения

Контактный телефон

Адрес электронной почты

Почтовый адрес

Персональные данные Пользователей хранятся исключительно на электронных носителях и обрабатываются с использованием автоматизированных систем, за исключением случаев, когда неавтоматизированная обработка персональных данных необходима в связи с исполнением требований законодательства.

Компания обязуется не передавать полученные персональные данные третьим лицам, за исключением следующих случаев:

По запросам уполномоченных органов государственной власти РФ только по основаниям и в порядке, установленным законодательством РФ Стратегическим партнерам, которые работают с Компанией для предоставления продуктов и услуг, или тем из них, которые помогают Компании реализовывать продукты и услуги потребителям. Мы предоставляем третьим лицам минимальный объем персональных данных, необходимый только для оказания требуемой услуги или проведения необходимой транзакции. Компания оставляет за собой право вносить изменения в одностороннем порядке в настоящие правила, при условии, что изменения не противоречат действующему законодательству РФ. Изменения условий настоящих правил вступают в силу после их публикации на Сайте.

​​​​​​​​​​​​​​