Программы магистратуры

Название дисциплины

Краткое содержание

Анализ данных и моделирование в экономике

Методы статистических исследований в экономике (продвинутый уровень)

Подробно разбираются все основные этапы анализа данных при помощи R: предварительный анализ, визуализация, статистические критерии, дисперсионный и регрессионный анализ и др. Особое внимание в курсе будет уделено визуализации получаемых результатов.

Дискретные и вероятностные модели

Линейные и нелинейные дискретные модели, проблемы линеаризации, устойчивость и динамический хаос, вероятностные модели – цепи Маркова.

Непрерывные математические модели

Конструктивные методы исследования задач для динамических моделей экономики, в том числе краевых задач и задач целевого управления, с ориентацией на возможность компьютерной реализации этих методов с использованием современных вычислительных технологий.

Количественные методы исследований

Многомерный статистический анализ, пакеты SPSS и Statistica.

Эконометрика (продвинутый уровень)

Подробное описание техники оценивания эконометрических моделей на единой основе обобщенного метода моментов.

Эконометрика: анализ временных рядов

Структура динамического ряда, основные виды динамических моделей, анализ нестационарных рядов.

Методы исследования закономерностей

Введение в Data Mining, системы поддержки принятия решений и OLAP-системы, классификация и регрессия, поиск ассоциативных правил, кластеризация.

Работа с «большими» данными

Высокоэффективные алгоритмы

Масштабируемые параллельные алгоритмы. Технология MPI, программные среды StarSs и OmpSs.

Компьютерные технологии обработки больших массивов данных

Основы языка программирования Python. Технологии обработки данных и машинное обучение в Python.

Современные Internet-технологии решения актуальных математических задач

Новые парадигмы, технологии, платформы и программные продуктыпо обработке больших и сверхбольших наборов данных (BigData). Практически - пакетная и потоковая обработка данных на базе технологий Hadoop и Cascading с использованием платформ облачных вычислений, универсальной системы кластерных вычислений Apache Spark & Spark SQL.

Теоретические основы компьютерной безопасности

Принципы и средства защиты информации в компьютерных системах, построение систем защиты информации.

Технологическая практика

Решение основных задач обработки данных в Python (введение в программирование, библиотеки NumPy, Pandas, MatplotLib, Scikit-learn, TensorFlow, Keras)

и R (введение в программирование, анализ данных, построение моделей и визуализация, модели временных рядов и панельные данные, машинное обучение, построение ансамблиевых моделей, получение и первичная обработка данных общего доступа).