Извличане на знания и технологии за големи данни
Кратко представяне на програмата:
Темпът на търсене на специалисти с анализаторски умения е сред най-високите в IT сферата, като тази тенденция е устойчива . Двигател на този ръст e постоянно увеличаващия се обем от съхранени, слабоструктурирани данни, анализът на които води до важни и неочевидни резултати. Уменията, които са с най-висок ръст на търсене (между 17% и 40%) през 2016 г. и настоящата магистърска програма последователно развива у студентите, са машинно обучение, визуализиране на данни, количествен анализ на данни, наука за данните.
Програмата предлага подготовка по методи за анализ на данни с цел извличане на знания, както и по технологии за съхранение на големи обеми от данни (Big Data). Подбраните курсове съответстват на най-добрите практики в образованието по науката за данните (data science), статистическото моделиране (statistical modeling), машинното обучение (machine learning) и визуализирането на данни (data visualization). Знанията ще бъдат приложени в областта на бизнес анализите (business analytics), откриването на редки събития в действащи физически мегаексперименти и др. Голяма част от аудиторните курсове има проект. Третият семестър включва практически стаж. Сред преподавателския екип са: проф. д-р Красимир Манев (НБУ), проф. д-р Марин Маринов (НБУ), проф. д-р Стоян Малешков (НБУ), доц. д-р Димитър Атанасов (НБУ), доц. д-р Ласко Ласков (НБУ), доц. д-р Петя Асенова (НБУ), гл. ас. д-р Росица Голева (НБУ), д-р Стоян Мишев (НБУ), д-р Петър Христов (ЦЕРН), Пано Панов, Анастас Шопов, Антон Андонов. Съотношението на щатните към хоноруваните преподаватели е 2:1 в полза на щатните.
Обучението в програмата следва практически подход, като в достъпна форма се дават основните достижения в области на статистическото обучение, както и в технологиите за съхранение и обработка на големи обеми от данни. Решават се много практически задачи. Изследователската компонента е важна за дейността на всеки анализатор на данни, поради което в курсовете се обсъждат актуални задачи от различни сфери на науката, както и за построяването на нов тип компании, основани на данни. Прякото приложение на научените знания е обяснено от лекторите в програмата, които активно работят в областите на бизнес анализите и научните изследвания. За обучението се използват компютърните зали на НБУ. В курсовете по облачни технологии и обработка на големи данни се използват технологии на Amazon, Microsoft и Google.
Успешно завършилите студенти могат да продължат професионалното си развитие като анализатори на данни, водещи до вземане на решения, както в корпоративна среда, така и в средни и големи предприятия. Индустриите, в които нуждата от аналитични знания и умения са най-значителни са производството, информационните технологии и телекомуникациите, финансите и застраховането.
https://www.facebook.com/nbudatascience/
- проф. д-р Димитър Атанасов DSCM030 Теория на данните DSCM032 Проект: Теория на данните
- проф. д-р Красимир Манев DSCM004 Конкурентно програмиране DSCM009 Проект: Конкурентно програмиране
- проф. д-р Стоян Малешков DSCM014 Визуализация на данни DSCM020 Проект: Визуализация на данни
- проф. Михаил Тодоров DSCM002 Матрични изчисления DSCM010 Проект: Матрични изчисления DSCM038 Тензорно смятане
- доц. д-р Ласко Ласков DSCM026 Обработка на изображения и разпознаване на образи
- доц. д-р Петя Асенова DSCM021 Проект: Анализ на бизнес данни – II част
- доц. д-р Росица Голева DSCM024 Мрежа за съхраняване на данни
- доц. д-р Стоян Мишев DSCM001 Прогнозиране чрез анализ на данни – I част DSCM005 Изграждане на приложения за големи данни DSCM006 Проект: Прогнозиране чрез анализ на данни – I част DSCM008 Проект: Изграждане на приложения за големи данни - I DSCM011 Прогнозиране чрез анализ на данни - II част. Невронни мрежи DSCM017 Проект: Прогнозиране чрез анализ на данни - II част DSCM023 Прогнозиране чрез анализ на данни III. Машинно обучение с TensorFlow DSCM028 Високопроизводителни изчисления DSCM029 Стаж DSCM034 Софтуерни архитектури за машинно обучение DSCM035 Проект: Софтуерни архитектури за машинно обучение DSCM040 Алгоритми за автономни системи за управление DSCM041 Проект по алгоритми за системи за автономно управление DSCM140 Системи за автономно управление
- доц. д-р Ясен Горбунов DSCM028 Високопроизводителни изчисления DSCM040 Алгоритми за автономни системи за управление DSCM041 Проект по алгоритми за системи за автономно управление DSCM140 Системи за автономно управление
- гл. ас. д-р Иван Ванков DSCM039 Обработка на естествен език
- гл. ас. д-р Слав Ангелов DSCM013 Вероятности и статистика за извличане на знания от данни DSCM019 Проект: Вероятности и статистика за извличане на знания от данни
- д-р Владимир Алексиев DSCM031 Семантични технологии DSCM033 Проект: Сематични технологиии DSCM036 Семантични Технологии - част 2 DSCM037 Проект: Семантични Технологии - част 2
- д-р Никола Тулечки DSCM033 Проект: Сематични технологиии DSCM036 Семантични Технологии - част 2 DSCM037 Проект: Семантични Технологии - част 2
- д-р Петър Христов DSCM001 Прогнозиране чрез анализ на данни – I част DSCM011 Прогнозиране чрез анализ на данни - II част. Невронни мрежи DSCM023 Прогнозиране чрез анализ на данни III. Машинно обучение с TensorFlow
- Антон Андонов DSCM004 Конкурентно програмиране DSCM009 Проект: Конкурентно програмиране
- Иван Боршуков DSCM004 Конкурентно програмиране
- Лъчезар Петров DSCM040 Алгоритми за автономни системи за управление