Upload
oleksii-molchanovskyi
View
118
Download
3
Embed Size (px)
Citation preview
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: [email protected]
Приймальна комісія
● Веб-сайт: vstup.ucu.edu.ua
Факультет прикладних наук
● Веб-сайт: cs.ucu.edu.ua ● ФБ сторінка: fb.com/csatucu● Email: [email protected]
Подати заявку на вступhttps://goo.gl/forms/DzCWYlS5ZKwF8ov03