Специальности в Школе

В ШАДе работают отделения анализа данных и компьютерных наук, а также специализация «Большие данные». Конкурс на отделения общий, студенты распределяются с учётом своих пожеланий. Абитуриентам рекомендуется внимательно изучить программу и решить, какие курсы интереснее. В течение первого семестра отделение можно сменить.

Анализ данных

Отделение с акцентом на теоретические знания. Основные курсы ведут заслуженные преподаватели, многого добившиеся в науке. Выпускники отделения чаще становятся исследователями.
Примеры изучаемых тем:
  • Базовые разделы анализа данных: методы построения классификаторов, вычисления мер сходства между объектами, кластерный анализ, методы визуализации и сокращения размерностей
  • Построение стохастических моделей; общая теория оптимальной остановки стохастических процессов, позволяющая разрабатывать оптимальные методы обработки поступающей и поступившей информации
  • Методы оптимизации, необходимые для построения основных вычислительных процедур

Компьютерные науки

Отделение с практическим уклоном, где изучают большинство направлений классических компьютерных наук. Преподаватели уделяют больше внимания подготовке к работе в коммерческих областях, и выпускники успешно устраиваются в Яндекс, ABBYY, Google, Facebook и другие крупные IT-компании.
Основные темы:
  • Методы построения и анализа эффективных алгоритмов и структур данных
  • Современные методы машинного обучения, обработки текстов на естественном языке, анализа изображений и информационного поиска
  • Параллельные вычисления и распределённые системы, работа на вычислительном кластере

Большие данные

Специализация направлена на подготовку data scientists — исследователей в одной из самых «горячих» научных отраслей XXI века. Также выпускники могут стать разработчиками систем для хранения и обработки больших массивов информации.
Примеры изучаемых тем:
  • Алгоритмы машинного обучения на больших данных и способы их реализации под существующие архитектуры
  • Параллельные вычисления и распределённые системы, работа на вычислительном кластере
  • Внутреннее устройство, механика работы, область применимости существующих инструментов для работы с большими данными, их сильные и слабые стороны