Направление подготовки 02.04.01 Математика и компьютерные науки

Общая характеристика образовательной программы
Учебный план
Календарный график
Рабочая программа воспитания
Календарный план воспитательной работы
Рабочие программы дисциплин и практик:

• Soft Skills Lab (Лаборатория гибких навыков)
• Основы Python
• Machine Learning (Машинное обучение)
• Математика в DS
• Основы статистики
• SQL и базы данных
• Продуктовая студия
• Deep Learning (Глубокое обучение)
• Рекомендательные системы
• Computer vision (Компьютерное зрение)
• Natural Language Processing (Обработка естественного языка)
• Методы оптимизации
• Алгоритмы
• Production ML (Машинное обучение в продакшене)
• Advanced Deep Learning (Продвинутое глубокое обучение)
• Временные ряды
• ML System Design (Проектирование систем машинного обучения)
• AI Beyond Fit-Predict (Искусственный интеллект в действии)
• Избранные темы исследований в ИИ
• Основы промышленной разработки
• Case Evenings (Кейс-вечера)
• Data Engineering (Инженерия данных)
• Mock interview (Управление карьерой)
• Алгоритмы и структуры данных
• Взаимодействие с командой разработки
• Инструменты разработчика
• Исследование, генерация и приоритизация гипотез
• Лидерство и управление
• Многопоточное программирование
• Переговоры
• Публичные выступления
• Продвинутые методы A/B тестирования
• Аналитическая культура
• Python для анализа данных
• Основы разработки на языке Java
• Разработка веб-приложений на Java с использованием Spring
• Разработка на языке программирования Kotlin
• UX/UI проектирование и разработка пользовательских интерфейсов
• Алгоритмы Java
• Алгоритмы Advanced
• Архитектура программных систем: паттерны, микросервисы, интеграции
• Базы данных
• Базы данных Advanced
• Визуализация
• Маркетинг
• Предпринимательство
• Промышленная разработка
• Распределенные системы
• Сети и основы безопасности
• Системный анализ
• Тестирование
• Управление ML-продуктами
• Управление продуктом и бизнес-метрики
• Технологическая (проектно-технологическая) практика (У)
• Технологическая (проектно-технологическая) практика (П)
• Научно-исследовательская работа (У)
• Научно-исследовательская работа (П)

Программа Государственной итоговой аттестации
Факультативные дисциплины:

• Курс по подготовке у промежуточному тестированию по 1 курсу
• Академия Backend
• Парсинг данных
• Продуктовая аналитика

Общая характеристика образовательной программы
Учебный план
Календарный график
Рабочая программа воспитания
Календарный план воспитательной работы
Рабочие программы дисциплин и практик:

• Soft Skills Lab (Лаборатория гибких навыков)
• Java Core (Основы разработки на языке Java)
• Алгоритмы Java
• Инструменты разработчика
• Java Spring (Разработка веб-приложений на Java с использованием Spring)
• SQL и базы данных
• Промышленная разработка
• Алгоритмы и структуры данных
• Архитектура программных систем
• Сетевые технологии
• Многопоточное программирование
• Системы управления базами данных
• Распределенные системы
• Тестирование
• Разработка на языке программирования Kotlin
• Разработка на языке программирования Go
• Case Evenings (Кейс-вечера)
• Computer vision (Компьютерное зрение)
• Data Engineering (Инженерия данных)
• Deep Learning (Глубокое обучение)
• Продвинутые методы A/B тестирования
• AI Beyond Fit-Predict (Искусственный интеллект в действии)
• Machine Learning (Машинное обучение)
• ML System Design (Проектирование систем машинного обучения)
• Mock interview (Управление карьерой)
• Natural Language Processing (Обработка естественного языка)
• Production ML (Машинное обучение в продакшене)
• Python для анализа данных
• Базы данных
• Аналитическая культура
• Взаимодействие с командой разработки
• Временные ряды
• Лидерство и управление
• Математика в DS
• Маркетинг
• Методы оптимизации
• Основы статистики
• Переговоры
• Публичные выступления
• Advanced Deep Learning (Продвинутое глубокое обучение)
• UX/UI проектирование и разработка пользовательских интерфейсов
• Алгоритмы
• Алгоритмы Advanced
• Базы данных Advanced
• Визуализация
• Избранные темы исследований в ИИ
• Информационная безопасность
• Исследование, генерация и приоритизация гипотез
• Основы Python
• Основы промышленной разработки
• Предпринимательство
• Продуктовая студия
• Рекомендательные системы
• Системный анализ
• Управление ML-продуктами
• Управление продуктом и бизнес-метрики
• Технологическая (проектно-технологическая) практика (У)
• Технологическая (проектно-технологическая) практика (П)
• Научно-исследовательская работа (У)
• Научно-исследовательская работа (П)

Программа Государственной итоговой аттестации
Факультативные дисциплины:

• Курс по подготовке к промежуточному тестированию по 1 курсу
• Академия Backend
• Парсинг данных
• Продуктовая аналитика

Общая характеристика образовательной программы
Учебный план
Календарный график
Рабочая программа воспитания
Календарный план воспитательной работы
Рабочие программы дисциплин и практик:

• Soft Skills Lab (Лаборатория гибких навыков)
• Основы Python
• Основы статистики
• SQL и базы данных
• Python для анализа данных
• Продуктовая студия
• Machine Learning (Машинное обучение)
• Метрики бизнеса и продукта
• Визуализация
• Продвинутые методы A/B тестирования
• Data Engineering (Инженерия данных)
• Аналитическая культура и управление ML-продуктами
• Исследование, генерация и приоритизация гипотез
• Production ML (Машинное обучение в продакшене)
• Deep Learning (Глубокое обучение)
• Взаимодействие с командой разработки
• Переговоры
• ML System Design (Проектирование систем машинного обучения)
• AI Beyond Fit-Predict (Искусственный интеллект в действии)
• Системный анализ
• Case Evenings (Кейс-вечера)
• Computer vision (Компьютерное зрение)
• Mock interview (Управление карьерой)
• Natural Language Processing (Обработка естественного языка)
• Алгоритмы и структуры данных
• Архитектура программных систем: паттерны, микросервисы, интеграции
• Временные ряды
• Инструменты разработчика
• Лидерство и управление
• Методы оптимизации
• Многопоточное программирование
• UX/UI проектирование и разработка пользовательских интерфейсов
• Алгоритмы Java
• Алгоритмы
• Алгоритмы Advanced
• Базы данных
• Базы данных Advanced
• Избранные темы исследований в ИИ
• Маркетинг
• Advanced Deep Learning (Продвинутое глубокое обучение)
• Основы промышленной разработки
• Основы разработки на языке Java
• Предпринимательство
• Промышленная разработка
• Публичные выступления
• Разработка веб-приложений на Java с использованием Spring
• Разработка на языке программирования Kotlin
• Распределенные системы
• Рекомендательные системы
• Сети и основы безопасности
• Тестирование
• Математика в DS
• Технологическая (проектно-технологическая) практика (У)
• Технологическая (проектно-технологическая) практика (П)
• Научно-исследовательская работа (У)
• Научно-исследовательская работа (П)

Программа Государственной итоговой аттестации
Факультативные дисциплины:

• Курс по подготовке к промежуточному тестированию по 1 курсу
• Академия Backend
• Парсинг данных
• Продуктовая аналитика

Общая характеристика образовательной программы
Учебный план
Календарный график
Рабочая программа воспитания
Календарный план воспитательной работы
Рабочие программы дисциплин и практик:

• Soft Skills Lab (Лаборатория гибких навыков)
• Основы Python
• Основы статистики
• SQL и базы данных
• Python для анализа данных
• Продуктовая студия
• Machine Learning (Машинное обучение)
• Метрики бизнеса и продукта
• Case Evenings (Кейс-вечера)
• Взаимодействие с командой разработки
• UX/UI проектирование и разработка пользовательских интерфейсов
• Аналитическая культура и управление ML-продуктами
• Исследование, генерация и приоритизация гипотез
• Публичные выступления
• Лидерство и управление
• Переговоры
• Маркетинг
• Предпринимательство
• AI Beyond Fit-Predict (Искусственный интеллект в действии)
• Системный анализ
• Computer vision (Компьютерное зрение)
• Data Engineering (Инженерия данных)
• Deep Learning (Глубокое обучение)
• Mock interview (Управление карьерой)
• Natural Language Processing (Обработка естественного языка)
• Production ML (Машинное обучение в продакшене)
• Алгоритмы и структуры данных
• Временные ряды
• Инструменты разработчика
• Математика в DS
• Методы оптимизации
• Многопоточное программирование
• Продвинутые методы A/B тестирования
• Алгоритмы
• Advanced Deep Learning (Продвинутое глубокое обучение)
• Основы разработки на языке Java
• Разработка веб-приложений на Java с использованием Spring
• Разработка на языке программирования Kotlin
• ML System Design (Проектирование систем машинного обучения)
• Алгоритмы Java
• Алгоритмы Advanced
• Архитектура программных систем: паттерны, микросервисы, интеграции
• Базы данных
• Базы данных Advanced
• Визуализация
• Избранные темы исследований в ИИ
• Основы промышленной разработки
• Промышленная разработка
• Распределенные системы
• Рекомендательные системы
• Сети и основы безопасности
• Тестирование
• Технологическая (проектно-технологическая) практика (У)
• Технологическая (проектно-технологическая) практика (П)
• Научно-исследовательская работа (У)
• Научно-исследовательская работа (П)

Программа Государственной итоговой аттестации
Факультативные дисциплины:

• Курс по подготовке к промежуточному тестированию по 1 курсу
• Академия Backend
• Парсинг данных
• Продуктовая аналитика