Intelligent Data Processing Systems

Опис спеціальності

Студенти, обираючи спеціальність «Інтелектуальні системи обробки даних» отримають знання та навички, необхідні для проєктування, впровадження та оптимізації інтелектуальних систем, що використовують дані. Студенти навчатимуться використовувати популярні бібліотеки та інструменти, пов'язані зі штучним інтелектом, такі як TensorFlow, PyTorch, scikit-learn та Keras, які дозволяють створювати передові моделі машинного навчання. Крім того, студенти будуть зосереджені на обробці природної мови (NLP), аналізі зображень, обробці потоків даних та методах глибокого навчання. Під час навчання спеціалізація готує студентів до завдань аналізу великих наборів даних, вилучення цінної інформації та створення інтелектуальних додатків, що використовують потенціал штучного інтелекту. 

Приклади предметів викладання

Студенти, які обрали дану спеціальність вивчають такі предмети:

• Вступ до інформаційних систем
• Алгоритми та структури даних
• Системи баз даних
• Універсальні методи програмування
• Проєктування інформаційних систем
• Правові основи бізнесу
• Застосування баз даних
• Вбудовані системи
• Технології розподіленого програмування
• Програмна інженерія
• Моделювання та аналіз інформаційних систем

Ким може працювати фахівець з інтелектуальних систем обробки даних після закінчення навчання?

Випускники цієї спеціалізації готові до роботи в різних галузях, таких як медицина, фінанси, промисловість та інтернет-технології, де використання інтелектуальних систем обробки даних стає все більш важливим. Також випускники можуть працевлаштуватися в ІТ-індустрії, дослідницьких агентствах, фінансовому секторі. До їх посадових обов'язків відносяться:

• Розробка інтелектуальної системи рекомендацій для платформи електронної комерції на основі аналізу вподобань користувачів
• Застосування обробки природної мови в автоматичному
• створенні анотацій наукових статей
• Розробка системи виявлення шахрайства у фінансових операціях
• з використанням алгоритмів машинного навчання
• Оптимізація продуктивності системи аналізу потокових даних у режимі реального часу
• Використання нейронних мереж для ідентифікації об'єктів на зображеннях міського моніторингу
• Створення інтелектуального віртуального помічника для обслуговування клієнтів на вебсайтах на основі обробки природної мови
• Аналіз настроїв у соціальних мережах за допомогою
• методів машинного навчання для оцінки думок клієнтів про продукти чи послуги