01.03.04 Прикладная математика

Подготовка по направлению включает изучение современных концепций и методов анализа больших данных с целью выявления закономерностей и зависимостей, прогнозирования тенденций и значений параметров, составления аналитических обзоров и справок, подготовки управленческих решений и материалов бизнес-аналитики. Отдельное внимание уделяется программированию и освоению прикладного программного обеспечения для проведения расчётов и исследований – прогнозно- аналитических платформ отечественных и зарубежных разработчиков, а также изучению архитектуры и принципов построения и эксплуатации хранилищ данных. 
Уровень образования:
бакалавриат
Форма обучения:
очная (дневная)
Место обучения:
Москва
Вступительные испытания:
— Математика (проф.)
— Русский язык
— Информатика и ИКТ
Количество бюджетных мест в 2020 году:
25
Проходной балл в 2019 году:
256
Количество платных мест:
35
Специализации:
Анализ данных
В ходе обучения студенты получают теоретическую и практическую подготовку в сфере технологий обработки, хранения, поиска и анализа данных, полученных в различных прикладных областях. Обучение включает получение навыков применения специализированных программных средств и математических методов с целью выявления закономерностей и зависимостей, прогнозирования тенденций и значений параметров, составления аналитических обзоров и справок, подготовки управленческих решений и материалов бизнес-аналитики. Студенты программы имеют доступ к современным учебным лабораториям, иностранному и отечественному специализированному программному обеспечению, большим объёмам экспериментальных данных в сферах экономики, физики, техники, природных процессов и т.д.
Профессии, которые может выбрать выпускник
  • инженер по данным (data engineer)
  • ученый по данным (data scientist)
  • аналитик больших данных
  • инженер-математик
Профильные дисциплины
  • Теория групп и теория чисел
  • Теория алгоритмов и рекурсивных функций
  • Дополнительные главы вычислительной математики
  • Языки программирования для статистической обработки данных
  • Прикладные задачи математической статистики
  • Технологии и инструментарий машинного обучения
  • Методы анализа данных
  • Системы управления данными
  • Модели и методы теории оптимального управления
  • Прогнозно-аналитические системы
  • Программные средства имитационного моделирования
  • Модели и методы предиктивной аналитики
  • Технологии организации, обработки и хранения статистических данных
  • Моделирование динамических систем
  • Прикладные задачи нелинейной динамики
Выпускающая кафедра: Кафедра прикладной математики