Направление «Прикладная математика и информатика» (магистратура)

Профили: Анализ данных и принятие решений в экономике
ФГОС, ОП, примерные учебные планы
Вступительные экзамены, минимальные баллы
Контрольные цифры приема

Профиль «Анализ данных и принятие решений в экономике»

Целью программы является подготовка высококвалифицированных специалистов, обладающих уникальной комбинацией компетенций в передовых областях развития информационных технологий, математики и экономики. Программа рассчитана на выпускников бакалавриата математических, экономических и технических факультетов ведущих университетов, а также специалистов и магистров по данным направлениям, желающих получить дополнительную специализацию и системно подготовиться к серьезной аналитической или исследовательской деятельности в области анализа больших данных в современных крупных финансовых или ИТ компаниях.

В рамках данного направления магистратуры подготовка студентов осуществляется на базе кафедры информационных систем и математических методов в экономике экономического факультета. Кафедра имеет давние традиции научной и педагогической деятельности в этом направлении, прочные связи с фирмами, занимающимися разработками в области анализа и принятия решений в экономике. Многие руководители и ведущие специалисты этих фирм являются выпускниками кафедры.

Большое внимание в ходе обучения уделяется научной и исследовательской работе. Студенты имеют возможность выполнять исследовательские и выпускные квалификационные работы в Международной лаборатории конструктивных методов исследования динамических моделей или в мировой лаборатории информационных технологий в прогнозировании и управлении процессами социально-экономического прогнозирования (ITE.LAB), оснащенной высокотехнологичным оборудованием для моделирования и прогнозирования социально-экономических систем, возглавляемых доктором физико-математических наук, профессором В.П. Максимовым. Также большой популярностью пользуются исследования лаборатории Криптоэкономики и блокчейн-систем, которую возглавляет кандидат экономических наук, доцент С.В.Ивлиев.

Учебный план программы включает две основные группы дисциплин:
– Анализ данных и моделирование в экономике,
– Работа с «большими» данными.
В таблице приведено содержание основных дисциплин:

Название дисциплины	Краткое содержание
Анализ данных и моделирование в экономике
Методы статистических исследований в экономике (продвинутый уровень)	Подробно разбираются все основные этапы анализа данных при помощи R: предварительный анализ, визуализация, статистические критерии, дисперсионный и регрессионный анализ и др. Особое внимание в курсе будет уделено визуализации получаемых результатов.
Дискретные и вероятностные модели	Линейные и нелинейные дискретные модели, проблемы линеаризации, устойчивость и динамический хаос, вероятностные модели – цепи Маркова.
Непрерывные математические модели	Конструктивные методы исследования задач для динамических моделей экономики, в том числе краевых задач и задач целевого управления, с ориентацией на возможность компьютерной реализации этих методов с использованием современных вычислительных технологий.
Количественные методы исследований	Многомерный статистический анализ, пакеты SPSS и Statistica.
Эконометрика (продвинутый уровень)	Подробное описание техники оценивания эконометрических моделей на единой основе обобщенного метода моментов.
Эконометрика: анализ временных рядов	Структура динамического ряда, основные виды динамических моделей, анализ нестационарных рядов.
Методы исследования закономерностей	Введение в Data Mining, системы поддержки принятия решений и OLAP-системы, классификация и регрессия, поиск ассоциативных правил, кластеризация.
Работа с «большими» данными
Высокоэффективные алгоритмы	Масштабируемые параллельные алгоритмы. Технология MPI, программные среды StarSs и OmpSs.
Компьютерные технологии обработки больших массивов данных	Основы языка программирования Python. Технологии обработки данных и машинное обучение в Python.
Современные Internet-технологии решения актуальных математических задач	Новые парадигмы, технологии, платформы и программные продуктыпо обработке больших и сверхбольших наборов данных (BigData). Практически - пакетная и потоковая обработка данных на базе технологий Hadoop и Cascading с использованием платформ облачных вычислений, универсальной системы кластерных вычислений Apache Spark & Spark SQL.
Теоретические основы компьютерной безопасности	Принципы и средства защиты информации в компьютерных системах, построение систем защиты информации.
Технологическая практика	Решение основных задач обработки данных в Python (введение в программирование, библиотеки NumPy, Pandas, MatplotLib, Scikit-learn, TensorFlow, Keras) и R (введение в программирование, анализ данных, построение моделей и визуализация, модели временных рядов и панельные данные, машинное обучение, построение ансамблиевых моделей, получение и первичная обработка данных общего доступа).