Наука о данных и машинное обучение (магистр наук)

Теория: Статистическое обучение, вероятностное моделирование, оптимизация и обобщение.

Практика: Глубокое обучение (визуализация/временные ряды), приложения для работы с геопространственными или био-/медицинскими данными, проектирование признаков и оценка, выходящая за рамки точности (калибровка, справедливость).

Инжиниринг: Воспроизводимость, версионные данные/модели, базовые многозадачные операторы оператора (MLOps) и отслеживание экспериментов.

Междисциплинарная работа: Проекты с лабораториями предметной области (например, экологическими, биомедицинскими) с использованием реальных наборов данных и ограничений.

Этика и безопасность: Предвзятость, конфиденциальность и управление рисками моделей; Прозрачная отчётность.

Ключевой результат/Диссертация: Готовый к публикации или внедрению проект с кодом, документацией и анализом ошибок.

Результаты: Роли прикладных учёных/докторантов, должности научных ассистентов, программы подготовки докторов наук.