Statistics&DS_LNU ukr – Lviv IT Cluster

Хто такий Data Scientist?

Data science engineer — це фахівець, який працює з великими обсягами неструктурованої інформації. Щоб працювати з такими даними, використовують математичну статистику та методи машинного навчання.

Дата-саєнс інженери створили безліч речей, якими ми користуємось щодня: це і прогноз погоди, і різноманітні чат-боти, і голосові помічники. Ще у 2012-му Harvard Business Review назвав професію data sciences “найпривабливішою роботою 21-го століття”. Відтоді мало що змінилося, попит на спеціалістів у сфері аналітики даних з кожним роком лише збільшується.

Олег Бугрій

Завідувач кафедри математичної статистики і диференціальних рівнянь, куратор програми “Statistics&Data Science”

Сучасні роботодавці дуже потребують працівників з математичним способом мислення. Не просто хороших програмістів, а працівників, які здатні розв’язувати складні виробничі та бізнесові задачі. Раніше для того, щоб стати аналітиком даних, необхідно було самостійно освоювати доволі складний матеріал. Наша освітня програма передбачає весь необхідний набір знань та навичок, які необхідні молодому фахівцю Data Science для початку успішної кар’єри. Розробляти бакалаврську програму “Статистичний аналіз даних” мене, зокрема, спонукало бажання дати нашим студентам якісну інноваційну освіту і гарні кар’єрні перспективи.

Карта курсів

1-ий курс

1 семестр

Математичний аналіз

Лінійна алгебра і аналітична геометрія

Інформатика та програмування (Python)

Дискретна математика

Навчальна практика з інформатики

Безпека життєдіяльності

Фізвиховання

Історія України

Іноземна мова

2 семестр

Математичний аналіз

Лінійна алгебра та аналітична геометрія

Інформатика та програмування (Python)

Дискретні моделі статистики

Фінансовий аналіз

Навчальна практика з фінансового аналізу

Фізвиховання

Історія української культури

Іноземна мова

2-ий курс

3 семестр

Математичний аналіз

Диференціальні рівняння

Теорія чисел

Командна і проектна робота

Навчальна практика з програмування

Дисципліни вільного вибору

Іноземна мова

Українська мова

4 семестр

Математичний аналіз

Диференціальні рівняння

Машинне навчання

Навчальна практика з програмування

Візуалізація даних в Python / Графічні бібліотеки Python / Інженерія даних в Python

Аналіз даних на мові R / Візуалізація даних на мові R / Основи програмування в R

Дисципліни вільного вибору

Іноземна мова

3-ий курс

5 семестр

Теорія міри та інтеграла

Топологія і диференціальна геометрія

Теорія ймовірностей

Філософія

Машинне навчання

Навчальна обчислювальна практика

Баєсів аналіз даних / Чисельні методи / Методи обчислень

Алгоритми і структури даних / Теорія складних мереж / Аналіз соціальних мереж і медіа

Дисципліни вільного вибору

6 семестр

Комплексний аналіз

Рівняння з частинними похідними

Теорія ймовірностей

Функціональний аналіз

Глибоке навчання

Обробка природної мови

Економетрично-регресійний аналіз / Предиктивна аналітика / Теорія аналітичних функцій

Курсова робота

Дисципліни вільного вибору

4-ий курс

7 семестр

Математична статистика

Теорія випадкових процесів

Теорія ігор

Функціональний аналіз

Методи оптимізації та керування

Графові дані та основи NoSQL / Теорія кодування / Теорія графів

Основи розробки рекомендаційних систем / Навчання з підкріпленням / Математична економіка

Науковий семінар

8 семестр

Математична статистика

Теорія випадкових процесів

Теорія ігор

Аналітичні сховища даних та хмарні технології

Аналіз та прогнозування часових рядів / Аналіз медичних даних / Біоінформатика

Аналіз потокових даних / Аналіз великих даних / Фізика

Курсова робота

Виробнича практика

Атестаційний екзамен

Знання та вміння, якими володітимуть випускники програми

Базові знання

Різні види програмування (функціональне, об’єктно-орієнтоване, паралельне, веб-програмування, системне, вбудованих та конфігурованих систем).
Інформаційні мережі, інтернет протоколи (Computer networking), Front-end та Back-end розробка ПЗ.
Архітектура комп’ютерів, комп’ютерна логіка, програмно-апаратні рішення (hadware) з використанням технологій програмування вбудованих систем (embedded system) та Інтернету речей (Internet of Things).

Фахові знання і вміння

Налаштування процесів постійної інтеграції і деплойменту ПЗ (CI/CD processes), основи хмарних технологій (Amazon Web Service, Azure)
Алгоритми та структури даних, реляційні (SQL) та нереляційні (NoSQL) бази даних, робота з великими даними.
Робота з патернами проєктування ПЗ (Design patterns), рефакторинг (clean code, code smells etc) та аналіз коду (techniques & process).
Основні методики проєктування (UML) побудови архітектури ПЗ (MVC, Docker containers, microservices & Restful API).
Види функціонального тестування програм (functional testing types), оцінювання якості програмного забезпечення (test metrics) та тестова документація (test case, bug report).
Засоби інженерії програмного забезпечення для реалізації проєктів з використанням технологій науки про дані (data science) та штучного інтелекту (artificial intelligence).

Командна робота та м’які навички

Проєктна командна робота, презентація, управління ІТ-проєктами (Agile, Scrum & Kanban), методи оцінювання роботи (estimation techniques) та документування розробленого продукту.

Хочеш навчатися на програмі Statistics&Data Science?

Готовий знайти свою першу роботу за спеціальністю?

Приєднуйся до Mentors Community Львівського ІТ Кластера