Магістерська програма з комп’ютерних наук

«Науки про дані»

Хто такий data scientist?

Джерело: Field Guide to Data Science, https://www.boozallen.com/s/insight/publication/field-guide-to-data-science.html

Структура освітньої програми

Тривалість програми● 16 місяців: вересень 2017 – грудень 2018● 90 кредитів

○ 63 (навчання) ○ 27 (стажування / дипломна робота)

● 3 триместри по 7 навчальних сесій● Навчальна сесія – 3 дні (Чтв, Птн, Суб)

кожний другий тиждень● Навчальний день – 4-5 занять

Semester I Semester II Semester III

Data Science

Mathematical Foundations Data Science 1 Data Science 2

Introduction to Data Science Machine Learning Mining Massive Datasets

Linear Algebra Data Engineering Deep Learning

Applied Statistics Data Visualization Reinforcment Learning

Elective courses...

Computer Science

Computer Science 1 Computer Science 2 Product Development

Advanced Programming Parallel Functional Programming Design Thinking

Big Data Architecture Distributed and Parallel Algorithms Entrepreneurship and Startups

Law in IT

Soft skillsTeam work Communications Reflexio

Leadership meetings

Опції навчання● Повна магістерська програма (DS & CS)

○ Магістерський диплом○ $6,300 або $100/кредит

● Один напрямок (DS або CS)○ Сертифікаційна програма○ $3,600 або $120/кредит

● Один модуль (MF, DS1, DS2, CS1, CS2, PD)○ Сертифікаційна програма○ $1,260 — 1,680 або $140/кредит

Можливості освітньої програми● Державна ліцензія● Гнучкість тривалості програми – від 16 до 40 місяців● Зарахування до 2 курсів зовнішніми сертифікатами (MOOCs)● Сезонні школи - сертифікаційні програми● Підтримка в працевлаштуванні / пошуку позицій для аспірантури / місць

для стажування● Дипломна робота:

○ стажування в компанії○ створення власного продукту○ наукова робота

Курси та викладачі

Introduction to Data Science - Semester 1● Modeling techniques● Optimization● Data mining● Cognitive computing and artificial

intelligence● Visual analytics● Storytelling based on analytics

PhD. Prof. Oleksandr Romanko

Senior Research Analyst, Risk Analytics, IBM Canada

Linear Algebra - Semester 1● Algorithms for eigenvalue and eigenvector

computations● Efficiency and stability of algorithm● Matrix factorizations● Solving linear systems and least squares

problems

Dr. hab., Prof. Rostyslav Hryniv

Professor at the Ukrainian Catholic University, Head of the department of Applied Math

Applied Statistics - Semester 1● Statistical inference● Hypothesis testing● Bayesian analysis● Simple linear regression● Multiple regression● Polynomial Regression● Time Series Regression: Correlated Errors

PhD. Prof. Yarema Okhrin

Professor, Chair of Statistics at the University of Augsburg, Germany

Advanced Programming - Semester 1● Essence of OOP, this/super semantics● Why do we need interfaces in Java● Frameworks vs libraries● Double dispatch, Inheritance vs. use● Intro to Design pattern● Composite and Visitor● Subclassing vs subtypting● Java lookup

PhD. Prof. Stéphane Ducasse

Researcher at INRIA Lille Nord Europe, France

Big Data Architecture - Semester 1● Introduction to Big Data● Hadoop ecosystem● Java Spring● Spark

Evgeny Borisov

Big Data Technical Leader in NAYA Technologies, Israel

Machine Learning - Semester 2● Supervised learning● Unsupervised learning● Machine learning theory● Practical application and debugging

algorithms● Feature selection, generalization

Sergii Shelpuk

Head of Data Science at Eleks

Data Engineering for Data Science - Semester 2● Introduction to basic data science

questions to ask from the data● Forming training data instances for

different data types: text, graphs/network, time-series, images

● Data enrichment● Basic transformations, data cleaning● Feature selection methods● Pattern mining for feature construction

PhD. Prof. Mykola Pechenizkiy

Full Professor, Chair Data Mining, Eindhoven University of Technology (TU/e)

Data Visualization - Semester 2● Visualization Infrastructure● Grammar of Graphics● Principles of information design● Multidimensional Data Visualization● Basic Visualization● Visualization toolkits● Exploratory data analysis, Visual analytics

Andriy Gazin

Data Visualization Specialist, ex- Texty.org.ua

Parallel Functional Programming - Semester 2● Expressions and their computational

model● Recursive definitions and structural

induction● Functional data structures● Scala● Lazy computation● Task-oriented parallelism● Data-oriented parallelism● Specialised data structures for parallel

computations PhD. Oles Hodych

CIO at Fielden Management Services, Australia

Distributed and Parallel algorithms - Semester 2● Theoretical base for distributed and

parallel algorithm design● Parallel sorting algorithms● Parallel algorithms on graphs and trees● Widely used distributed algorithms● Spark implementations

Andrii Babii

Senior teacher at KNURE, Kharkiv

Mining massive datasets - Semester 3● Processing Structured and

Semi-structured large data● Graphs● Centrality measures for graphs● Large graphs with NoSql databases● Data Streams

PhD. Diego Saez-Trumper

Researcher and Data Scientist at the University Pompeu Fabra

Introduction to Deep Learning - Semester 3● Feedforward models● Intro to theory of optimization● Deep Feedforward Neural Networks● Deep Convolutional Neural Networks● Dynamic neural networks● Neural networks for control

PhD. Artem Chernodub

Chief R&D Officer – Clikque Technology Corporation

Reinforcement learning - Semester 3● Bandit algorithms● Markov decision processes● Model-free control● Value function approximation● Policy gradients● Deep reinforcement learning

PhD. Juan Pablo Maldonado Lopez

Lecturer at the Czech Technical University in Prague

Elective problem domain courses - Semester 3● Natural Language Processing● Computer Vision● Network Analysis / Social Network Analysis / Urban Analytics● DS Applications in Finance● Recommender Systems● Bioinformatics

Product Development module - Semester 3

Design ThinkingOleksandr Akymenko

Co-founder, CEO at “Platformedia”

Law in ITDima Gadomsky

CEO at Axon Partners

Entrepreneurship and Startups

Soft skills

Leadership Team work

Communications Reflexio

Soft skills

CommunicationsMariya Tytarenko

School of journalism at UCU

Team workNatalia Shpot

Lviv Business School

Leadership meetings

Stephen RussoDir Security & Privacy

Technology at IBM

Марк ЗархінCпіввласник ресторанної

групи Кумпель

Мирослав МариновичУкраїнським дисидент, віце-

ректор УКУ

Sean-Patrick LovettVatican Media Professional

Віталій ГончарукCEO at Augmented Pixels

Навчання на програмі

Особливості навчання на програмі● Немає екзаменаційних сесій! Але навчання дуже насичине та

інтенсивне.● Основні мови програмування – Python, R, Java, Scala● Проектно-орієнтоване навчання – майже всі навчальні дисципліни мають

проект протягом курсу● Інтеграція проектів – міждисциплінарні проекти● Збалансований розклад – одночасно проходять 3-4 курси● Доступ до всіх матеріалів курсів (презентації, відео-лекції)● Широка мережа контактів з індустрією (українські та міжнародні компанії) та

академією (партнерство з європейськими університетами)

Вступ на програму

Вступні вимоги● Знання:

○ вища математика, основи лінійної алгебри,○ дискретна математика,○ основи теорії ймовірностей,○ програмування, ООП,○ базові алгоритми, структури даних,○ основи баз даних, SQL.

● Англійська – рівень B2● Диплом бакалавра (спеціальність - неважливо)

Умови зарахування на програму● Зарахування за умовами конкурсу● Загалом 100 балів:

○ Фаховий іспит (письмово) - 30 балів○ Іспит з англійської мови (письмово) - 30 балів

■ або сертифікат TOEFL/IELTS рівня В2 і вище○ Співбесіда - 40 балів

● Перелік тем для іспитів та приклади минулорічних білетів○ http://csds.ucu.edu.ua/admission/how-to-apply/

Важливі дати● Липень - прийом офіційних документів● Вступні іспити (можна обрати один з варіантів):

○ 20-22 липня○ 1-3 серпня

● Результати зарахування на програму 3-5 серпня● Деталі: http://vstup.ucu.edu.ua/mcs/

Стипендіальна підтримка навчання

Стипендіальна підтримка● Конкурс на стипендії в липні-серпні

○ Конкретні дати будуть відомі до кінця травня

● Основні критерії○ Лідерські якості○ Великий потенціал в індустрії/академії○ Близькість цінностям УКУ

● Кількість стипендій обмежена● Різні види стипендій:

○ Від компаній партнерів○ Від університету

Стипендії від компаній партнерів● Покриває 100% або 50% вартості навчання● Можливе проходження інтернатури в компанії● Можливе підписання окремого договору з компанією про обов’язкове

працевлаштування протягом певного періоду● Участь представників компанії у відборі стипендіатів

Партнери 2016 року

Стипендії від УКУ● Знижка до 30% оплати навчання● Умова роботи асистентом викладача на курсі магістратури чи бакалавра

○ 1 день щотижня ○ 1 курс кожного триместра○ Консультації для інших студентів під час написання диплому

● Статус стипендії може бути переглянутий в будь-який момент і може анулюватись

Школи з Data Science / Machine Learning

Lviv Data Science Summer School● Початкова школа з Data Science / Machine Learning / Business Analytics● Тривалість: 2 тижні● Дати: 12–25 липня● Формат навчання:

1. Початкові курси: Statistical Inference, Machine Learning, Data Visualization, R Workshop2. Прикладні курси: Computer Vision, Bioinformatics, NLP, Social Network Analysis, Urban

Analytics, Recommender Systems, …3. Проектна робота

● http://cs.ucu.edu.ua/en/summerschool/ ● Можливість зарахувати школу за курс Introduction to Data Science

Lviv Data Science Summer School

Machine Learning Winter School● Intermidiate level● Computer Vision● Natural Language Processing

● Зарахування зимової школи за один з вибіркових курсів програми

Контактна інформаціяМагістерська програма

● Веб-сайт: csds.ucu.edu.ua● ФБ сторінка: fb.com/ucucsds ● Email: mscs@ucu.edu.ua

Приймальна комісія

● Веб-сайт: vstup.ucu.edu.ua

Факультет прикладних наук

● Веб-сайт: cs.ucu.edu.ua ● ФБ сторінка: fb.com/csatucu● Email: cs@ucu.edu.ua

Подати заявку на вступhttps://goo.gl/forms/DzCWYlS5ZKwF8ov03