Освітньо-професійна програма магістрів


Ще в 2017 р. Erik Brynjolfsson та Andrew McAfee в журналі Harvard Business Review зазначали, що “Over the next decade, AI won’t replace managers, but managers who use AI will replace those who don’t.” Їхнє передбачення справджується з дивовижною невідворотністю і через vibe coding вже досягло розробки програмного забезпечення.

Тому варто своє подальше навчання в магістратурі присвятити саме тим напрямам, які очевидно будуть затребувані в ІТ-галузі ще довгі роки і які передбачають створення та застосування методів і технологій машинного навчання, інтелектуального аналізу даних, штучного інтелекту. Ґрунтовна математична підготовка стане тим фундаментом, який довгі роки буде основою подальшого професійного розвитку.

Навчаючись на освітньо-професійній програмі «Машинне навчання та математичне моделювання», усього за півтора роки Ви станете повноцінним магістром із прикладної математики зі спеціалізацією в машинному навчанні та математичному моделюванні.

Деякі з основних дисциплін


  • Машинне навчання

    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


  • Architecture and Technology of Big Data Systems

    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.


  • Управління проєктами

    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


  • Data Mining

    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


  • Моделювання складних систем

    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.


Деякі з викладачів


Чертов Олег Романович

Курс із машинного навчання проведе професор Олег Чертов, ініціатор першої освітньої програми з Data Science в університетах України, архітектор найбільшої (в 2005 р.) OLAP-системи в Україні, консультант Світового банку та Фонду народонаселення ООН, координатор проєктів Horizon 2020, NATO Science for Peace and Security, Volkswagen Foundation, один зі співавторів монографії Big Data Infrastructure Technologies for Data Analytics та один із фундаторів Big Data Lab компанії Водафон-Україна, де він уже 6 років веде аналогічний курс

Person2

Курс архітектури та технологій систем для роботи з великими даними веде Юрій Демченко, один зі співавторів EDISON Data Science Framework — одного зі стандартів науки про дані

332109325 718408836602397 2018312233361080288 N

Авторський курс з управління проєктами прочитає Володимир Чугай — один із провідних фахівців Державного оператора тилу (DOT), які починали з DOT-Chain, щоб забезпечувати ЗСУ їжею, а зараз запускають повноцінний маркетплейс зброї DOT-Chain Defence, де саме військові обиратимуть, що їм потрібно