У цьому курсі студенти вивчають основи контрольованого та неконтрольованого навчання, включаючи відповідні моделі, методи та метрики. Розглядаються класифікаційні метрики, дерева прийняття рішень, метричні, лінійні, баєсівські, ядрові методи, а також метод опорних векторів. Окрему увагу приділено кластеризації, асоціативним правилам, ансамблям моделей, зниженню розмірності та навчанню з підкріпленням. Також вивчаються основи статистичної теорії навчання за Вапником і Червоненкісом, причинно-наслідкове навчання та навчання з гарантованою точністю

Unlike many academic courses that focus narrowly on concepts or isolated technologies, this course is designed to guide students through the entire lifecycle of Big Data applications, from design and development to deployment and operational management. Participants will not only learn the theoretical foundations of Big Data infrastructures but also gain hands-on experience in architecting solutions, building applications, and running them on real cloud platforms (with a specific attention on Apache Hadoop ecosystem, MapReduce, Spark, HBase, Hive, Pig, and supported programming languages Pig Latin and Hive). By engaging with industry-grade tools and practices, students develop the skills to manage every stage of data-intensive systems, ensuring that what they build can be successfully implemented, maintained, and scaled in real-world organizational environments. This holistic approach makes the course stand out as a true bridge between academic knowledge and professional practice, preparing graduates for leadership in data-driven innovation.

У курсі розглядаються фундаментальні принципи та сучасні підходи до управління проєктами. Студенти ознайомлюються з основами проєктного менеджменту, включаючи роль керівника, стандарти галузі (PMBOK, ISO 21500:2012 тощо) та особливості проєктного мислення. Вивчаються ключові аспекти управління проєктами: інтеграція, зміст, терміни, вартість, ризики, а також структура проєктів і життєвий цикл. Значна увага приділяється практичним інструментам, таким як розробка статуту проєкту, побудова WBS, аналіз ризиків та розкладу, а також ведення перемовин. Завершується курс питаннями управління персоналом у проєктах, лідерства та мотивації команди

This course introduces students to methods of clustering and visualizing large-scale data. It covers a range of clustering algorithms, including BIRCH, Batch K-means, DBScan, Cure, WaveCluster, CLARA, and Clarans, as well as Borůvka’s and Forel’s algorithms, and Kohonen maps. Special attention is given to modern data visualization techniques such as Tufte’s principles, Chernoff faces, parallel coordinates, and radial (petal) diagrams. The course emphasizes the practical application of these methods for analyzing complex patterns in large datasets

Математична постановка будь-якого явища потребує чіткого розуміння цілі, виявлення основних властивостей і нехтуванням другорядних.

Вдалий підхід щодо постановки задачі іноді дає змогу доволі просто розв’язувати надзвичайно складні задачі (наприклад, задача, що дає відповідь на питання: чому будують триступеневі ракети).

У курсі розглядаються моделі, що описуються (лінійними та нелінійними) системами звичайних диференціальних рівнянь. Розв’язання задач пропонується здійснювати за допомогою відомих систем символьної математики (Mathcad, Mathematica, MATLAB, Maple тощо).

Опис задач динаміки потребує опанування окремих теоретичних розділів та їх дальшого застосування при складанні рівнянь, що описують рух механічної системи. Саме ці задачі будуть покладені в основу курсових робіт студентів.