Информация для студентов 2023 года набора

В современном мире данные играют важную роль. Они являются источником информации, которую необходимо уметь быстро извлекать и обрабатывать. Знание инструментов работы с данными, а именно DataScience, DataCulture, BigData является главным требованием к специалисту практически любой специальности. Более того, специалисты по статистическому анализу данных востребованы во всех сферах деятельности, а статистический инструментарий является одним из активно развивающихся направлений прикладной науки.

Именно статистический анализ является тем эффективным инструментом, который позволяет раскрыть закономерности процессов, определить факторы, влияющие на события, сделать прогнозы. Инструменты статистического анализа – это те алгоритмы, которые лежат в основе машинного обучения. Они востребованы в таких сферах деятельности, как IT технологии, экономика, менеджмент, социология, медицина, политология, филология, естественные и технические науки и др. Специалист по анализу данных - это специалист, который умеет интерпретировать данные и извлекать из них пользу. Он хорошо разбирается в источниках данных, умеет находить и исправлять в них проблемы, формулировать и проверять гипотезы, визуализировать и интерпретировать полученные результаты.

По итогам изучения программы вы получите самые актуальные знания в одной из самых востребованных областей 21 века.


Ограничения для выбора образовательным программам: ОП «Экономика и статистика», «Вычислительные социальные науки», «Прикладная математика», «Прикладная математика и информатика», «Прикладной анализ данных и искусственный интеллект», «Экономика и анализ данных», «Прикладной анализ данных».

 

Максимальное число слушателей: 150

Целевая аудитория: студенты 2023 года набора

Формат обучения: дисциплины майнора будут проходить полностью в онлайн-формате (на платформе webinar).

Майнор реализуется совместно с Нижним Новгородом.

Курсы майнора:

  1. Первичная обработка и представление статистических данных
  2. Классификация статистических данных
  3. Моделирование статистических зависимостей
  4. Временные ряды и их практическое применение