# Машинное обучение и управление большими данными

**Source**: https://dpo.cs.msu.ru/courses/ml_bigdata/
**Parent**: https://cs.msu.ru/en/node/135

Разделы

[Дипломные программы МГУ](https://dpo.cs.msu.ru/категория%20курсов/diplom_pk/), [Искусственный интеллект и машинное обучение](https://dpo.cs.msu.ru/категория%20курсов/ml/), [Программирование](https://dpo.cs.msu.ru/категория%20курсов/prg/), [Цифровая экономика](https://dpo.cs.msu.ru/категория%20курсов/digital/)

Оценка

(0 отзыв)

150,000.00 ₽

- [Обзор](#tab-overview)
- [Учебный план](#tab-curriculum)
- [Преподаватель](#tab-instructor)
- [Отзывы](#tab-reviews)

150,000.00 ₽

- [Обзор](#tab-overview)
- [Учебный план](#tab-curriculum)
- [Преподаватель](#tab-instructor)
- [Отзывы](#tab-reviews)

**[Работы наших выпускников](#graduate_work)**

---

*Приём документов до 4 марта.*

### ОПИСАНИЕ КУРСА

Программа профессиональной переподготовки.

Программа направлена на подготовку специалистов в области  машинного обучения и управления большими данными

Пройдя обучение по программе, вы получите профессиональные навыки:

- прикладной разработки на платформах Java, Scala, Python
- моделирования и прототипирования моделей машинного обучения и нейронных сетей (специализация Data Scientist), а также промышленного внедрения и оптимизации алгоритмов машинного обучения на больших данных, включая нейросетевое моделирование  (Big Data / Hadoop инженер)
- обработки больших данных с использованием реляционных и нереляционных распределенных баз данных на платформах Java, Scala, Python
- разработки распределенных приложений для научных исследований в естественнонаучных областях.

Содержание практических курсов регулярно обновляется для поддержания актуальности используемых методов и технологий.

После обучения вы сможете профессионально реализоваться как:

- специалист по большим данным: Big Data / Hadoop инженер
- ML разработчик: Data Scientist
- разработчик в области машинного обучения и нейронных сетей

Занятия проводятся в вечернее время, обычно с 19.00

Стоимость обучения 150 000 руб., оплата по семестрам – 75 000 в семестр.

Программа реализуется в дистанционном формате. Записи лекций будут доступны на отдельном ресурсе для повторного изучения обучающимися.

Программа имеет практическую направленность и учебные курсы содержат большое количество прикладных задач, в том числе с примерами из реальной практики.

В учебных курсах представлены теоретические материалы и практические задания для формирования современных цифровых профессиональных навыков.

Содержание программы профессиональной переподготовки соответствует профстандарту 06.042 “Специалист по большим данным”.

[Посмотреть образец диплома](https://dpo.cs.msu.ru/wp-content/uploads/2023/12/МОБД-пример-диплома.pdf).

### ТРЕБОВАНИЯ К ПОСТУПАЮЩИМ

Необходимы знания высшей математики на уровне 1-2 курса технического вуза, начальные навыки программирования на любом объектно-ориентированном языке.

Проводится входное собеседование в онлайн-формате. Вам будут отправлены задания и дан час на их выполнение, далее будет обсуждение ответов.

### РЕЖИМ ОБУЧЕНИЯ

Программа рассчитана на 1 учебный год: обучение с 4 марта 2026 по 31 января 2027.\
Объем 684 часа (288 аудиторные занятия (дист. ) и 396 – самостоятельная работа). 

Занятия 2 раза в неделю, онлайн-вебинары, записи лекций будут доступны для повторного изучения обучающимися.

Для получения Диплома МГУ о профессиональной переподготовке необходимо освоить все учебные курсы и подготовить выпускную работу.\
Выпускная работа представляет собой самостоятельную разработку программной системы.

### ДОКУМЕНТЫ ОБ ОКОНЧАНИИ

Диплом МГУ о профессиональной переподготовке по теме “Машинное обучение и управление большими данными”.

[Посмотреть образец диплома](https://dpo.cs.msu.ru/wp-content/uploads/2023/12/МОБД-пример-диплома.pdf).

### КОНТАКТЫ

Вы можете задать нам вопросы по удобному способу связи:

[mlbdm@yandex.ru](mailto:mlbdm@yandex.ru)

[iskolbin@gmail.com](mailto:iskolbin@gmail.com) ,телефон 8916 27044 41

### ЗАЧИСЛЕНИЕ И ОПЛАТА

Стоимость обучения 150 000 руб., оплата по семестрам – 75 000 в семестр.

Зачисление происходит по результатам собеседования (**сначала подаются документы, потом будет назначена дата собеседования**):

1. Для зачисления на программу необходимо заполнить следующие документы (от руки или в электронном виде) и прислать на почту [mlbdm@yandex.ru](mailto:mlbdm@yandex.ru):
   1. [Заявление](https://dpo.cs.msu.ru/wp-content/uploads/2025/06/01_Заявление_на_приемML-2026.doc)
   2. [Анкета](https://dpo.cs.msu.ru/wp-content/uploads/2022/06/02_Анкета_слушателяПП.doc)
   3. [Согласие на обработку персональных данных](https://dpo.cs.msu.ru/wp-content/uploads/2022/01/03_Согласие_на_обработку_ПД.pdf)
   4. копия паспорта
   5. копия диплома о высшем образовании или справка о том, что вы являетесь студентом.
2. На основании представленных документов будет подготовлен Договор на обучение.
3. После подписания договора направляются документы для оплаты.
4. После оплаты вы приступаете к обучению.

**Документы рассматриваются в течение недели (не считая праздничные дни), если за это время не будет обратной связи, то, пожалуйста, свяжитесь по указанным выше контактам.**

### РАБОТЫ ВЫПУСКНИКОВ

- - [Рекомендательная система недвижимости](https://dpo.cs.msu.ru/wp-content/uploads/2025/06/рек.не.2023.pptx)
  - [Рекомендательная система книг](https://dpo.cs.msu.ru/wp-content/uploads/2025/06/2023.pptx)
  - [Сервис подбора новостей](https://dpo.cs.msu.ru/wp-content/uploads/2025/06/рек.не.2023.pptx)
  - [Выявление аномалий в экспериментальных данных методами машинного обучения](https://dpo.cs.msu.ru/wp-content/uploads/2025/06/аном.pdf)

### Детали курса

- Лекции
  83
- Тесты
  0
- Учебное время
  684 часа
- Навык
  Все уровни
- Студенты
  11
- Оценки
  Да

- #### Введение в Машинное обучение. Основы Python 18

  Цель программы: качественное изменение профессиональных компетенций, направленных на повышение профессионального уровня в рамках имеющейся у слушателей квалификации в области программирования на языке высокого уровня Python. Результатом обучения является приобретение знаний и умений по: разработке программного обеспечения на языке высокого уровня Python 3; среде программирования IPython и подобных; основным принципам промышленной разработки, тестирования и документирования кода.

  - Лекция1.1

    [1 семестр – Изучение основ синтаксиса языка Python. Стандарты программирование на языке Python.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d1%81%d0%b8%d0%bd%d1%82%d0%b0%d0%ba%d1%81%d0%b8%d1%81%d0%b0-%d1%8f%d0%b7%d1%8b%d0%ba%d0%b0-python-%d0%be%d0%ba%d1%80%d1%83%d0%b6%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%bb/)

    04 hour
  - Лекция1.2

    [1 семестр – Окружение для программирования на Python. Установка ПО на различные системы.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d1%80%d0%be%d1%86%d0%b5%d0%b4%d1%83%d1%80%d0%bd%d1%8b%d0%b9-%d0%bf%d0%be%d0%b4%d1%85%d0%be%d0%b4-%d0%ba-%d0%bd%d0%b0%d0%bf%d0%b8%d1%81%d0%b0%d0%bd%d0%b8%d1%8e-%d0%bf%d1%80%d0%be%d0%b3%d1%80/)

    04 hour
  - Лекция1.3

    [1 семестр – Процедурный подход к написанию программ.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d1%8a%d0%b5%d0%ba%d1%82%d0%bd%d0%be-%d0%be%d1%80%d0%b8%d0%b5%d0%bd%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%bd%d1%8b%d0%b9-%d0%bf%d0%be%d0%b4%d1%85%d0%be%d0%b4-%d0%ba-%d0%bd%d0%b0/)

    04 hour
  - Лекция1.4

    [1 семестр – Объектно-ориентированный подход к написанию программ. Паттерны проектирования. Особенности переопределения магических методов. Области видимости](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%8d%d0%bb%d0%b5%d0%bc%d0%b5%d0%bd%d1%82%d1%8b-%d1%84%d1%83%d0%bd%d0%ba%d1%86%d0%b8%d0%be%d0%bd%d0%b0%d0%bb%d1%8c%d0%bd%d0%be%d0%b3%d0%be-%d0%bf%d1%80%d0%be%d0%b3%d1%80%d0%b0%d0%bc%d0%bc%d0%b8%d1%80/)

    08 hour
  - Лекция1.5

    [1 семестр – Элементы функционального программирования в Python. Итераторы. Механизм comprehensions.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b1%d0%be%d1%82%d0%b0-%d1%81-%d0%bf%d0%b0%d0%ba%d0%b5%d1%82%d0%b0%d0%bc%d0%b8-%d0%bd%d0%b0%d1%81%d1%82%d1%80%d0%be%d0%b9%d0%ba%d0%b0-%d0%be%d0%ba%d1%80%d1%83%d0%b6%d0%b5%d0%bd%d0%b8/)

    04 hour
  - Лекция1.6

    [1 семестр – Работа с пакетами. Настройка окружения для программирования на Python.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d1%81%d1%82%d0%b0%d0%bd%d0%b4%d0%b0%d1%80%d1%82%d0%bd%d0%be%d0%b9-%d0%b1%d0%b8%d0%b1%d0%bb%d0%b8%d0%be%d1%82%d0%b5%d0%ba%d0%b8-python-3-%d0%b8-%d1%87%d0%b0%d1%81%d1%82/)

    04 hour
  - Лекция1.7

    [1 семестр – Обзор стандартной библиотеки Python 3 и часто используемых сторонних модулей. Модульный подход к программированию.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%b5%d1%80%d0%b8%d0%b0%d0%bb%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d1%8f-%d0%b8-%d1%85%d1%80%d0%b0%d0%bd%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85/)

    04 hour
  - Лекция1.8

    [1 семестр – Сериализация и хранение данных.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%be%d0%b1%d0%b5%d0%bd%d0%bd%d0%be%d1%81%d1%82%d0%b8-%d0%bc%d0%bd%d0%be%d0%b3%d0%be%d0%bf%d0%be%d1%82%d0%be%d1%87%d0%bd%d0%be%d0%b3%d0%be-%d0%bf%d1%80%d0%be%d0%b3%d1%80%d0%b0%d0%bc%d0%bc/)

    04 hour
  - Лекция1.9

    [1 семестр – Особенности многопоточного программирования в языке Python. Оптимизация программ](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b8%d1%81%d0%bf%d0%be%d0%bb%d1%8c%d0%b7%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5-python-%d0%b4%d0%bb%d1%8f-%d1%81%d0%b1%d0%be%d1%80%d0%b0-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-web-scraping-%d0%b0%d1%81/)

    04 hour
  - Лекция1.10

    [1 семестр – Использование Python для сбора данных. Web-scraping. Асинхронное программирование.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%b8%d1%81%d1%82%d0%b5%d0%bc%d1%8b-%d0%b3%d0%b5%d0%bd%d0%b5%d1%80%d0%b0%d1%86%d0%b8%d0%b8-%d0%b4%d0%be%d0%ba%d1%83%d0%bc%d0%b5%d0%bd%d1%82%d0%b0%d1%86%d0%b8%d0%b8-%d0%ba%d0%be%d0%b4%d0%b0-dox/)

    04 hour
  - Лекция1.11

    [1 семестр – Системы генерации документации кода. Doxygen. Sphinx.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%b8%d1%81%d1%82%d0%b5%d0%bc%d1%8b-%d1%82%d0%b5%d1%81%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d1%8f-unit-%d1%82%d0%b5%d1%81%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5/)

    04 hour
  - Лекция1.12

    [1 семестр – Системы тестирования. Unit тестирование в Python.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%b8%d1%81%d1%82%d0%b5%d0%bc%d1%8b-%d1%82%d0%b5%d1%81%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d1%8f-unit-%d1%82%d0%b5%d1%81%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5-2/)

    04 hour
  - Лекция1.13

    [1 семестр – Использование Python для анализа данных](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b8%d1%81%d0%bf%d0%be%d0%bb%d1%8c%d0%b7%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5-python-%d0%b4%d0%bb%d1%8f-%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d0%b7%d0%b0-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85/)

    04 hour
  - Лекция1.14

    [1 семестр – Обзор инструментов для анализа данных и машинного обучения (numpy, pandex, plotly, seabum, ..)](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d0%b8%d0%bd%d1%81%d1%82%d1%80%d1%83%d0%bc%d0%b5%d0%bd%d1%82%d0%be%d0%b2-%d0%b4%d0%bb%d1%8f-%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d0%b7%d0%b0-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b/)

    04 hour
  - Лекция1.15

    [1 семестр – Разведочный анализ данных (EDA)](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b7%d0%b2%d0%b5%d0%b4%d0%be%d1%87%d0%bd%d1%8b%d0%b9-%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d0%b7-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-eda-2/)

    04 hour
  - Лекция1.16

    [1 семестр – Методы обучение с учителем](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bc%d0%b5%d1%82%d0%be%d0%b4%d1%8b-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d1%81-%d1%83%d1%87%d0%b8%d1%82%d0%b5%d0%bb%d0%b5%d0%bc/)

    04 hour
  - Лекция1.17

    [1 семестр – Методы обучения без учителя](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bc%d0%b5%d1%82%d0%be%d0%b4%d1%8b-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d1%8f-%d0%b1%d0%b5%d0%b7-%d1%83%d1%87%d0%b8%d1%82%d0%b5%d0%bb%d1%8f/)

    04 hour
  - Лекция1.18

    [1 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/1-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b8%d1%82%d0%be%d0%b3%d0%be%d0%b2%d0%b0%d1%8f-%d0%b0%d1%82%d1%82%d0%b5%d1%81%d1%82%d0%b0%d1%86%d0%b8%d1%8f/)

    01 hour
- #### Базовый курс по методам анализа данных и машинного обучения 8

  Цель курса- повышение профессионального уровня в области применения методов Анализа данных и Машинного обучения для решения практических задач. Слушатели смогут расширить свои знания и навыки по применению базовых алгоритмов линейной алгебры, методов математического анализа, оптимизационных методов, методов статистического анализа и теории вероятности для построения эффективных решений в области Анализа данных и Машинного обучения. На простых примерах слушатели получат навыки программирования на языке высокого уровня( Python). Результатом обучения является приобретение знаний и умений по применению новейших технологий в области анализа различных (включая гетерогенные) данных для Машинного обучения при построении аппроксимационных моделей в области экономики, науки и промышленности.

  - Лекция2.1

    [1 семестр – Интерполяция](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d1%89%d0%b0%d1%8f-%d1%81%d1%82%d1%80%d1%83%d0%ba%d1%82%d1%83%d1%80%d0%b0-%d0%bf%d0%b0%d0%ba%d0%b5%d1%82%d0%be%d0%b2-python-%d0%b4%d0%bb%d1%8f-%d0%bd%d0%b0%d1%83%d1%87%d0%bd%d1%8b%d1%85/)

    08 hour
  - Лекция2.2

    [1 семестр – Многомерная интерполяция.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%bd%d0%be%d0%b2%d1%8b-%d0%bc%d0%b0%d1%82%d1%80%d0%b8%d1%87%d0%bd%d1%8b%d1%85-%d0%b2%d1%8b%d1%87%d0%b8%d1%81%d0%bb%d0%b5%d0%bd%d0%b8%d0%b9-numpy/)

    08 hour
  - Лекция2.3

    [1 семестр – Аппроксимация.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b2%d1%8b%d0%b2%d0%be%d0%b4-%d0%b3%d1%80%d0%b0%d1%84%d0%b8%d0%ba%d0%b8-%d0%b4%d0%bb%d1%8f-%d0%be%d1%82%d1%87%d0%b5%d1%82%d0%be%d0%b2-matplotlib/)

    08 hour
  - Лекция2.4

    [1 семестр – Проблемы аппроксимации.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bc%d0%b0%d1%82%d0%b5%d0%bc%d0%b0%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b5-%d1%80%d0%b0%d1%81%d1%87%d0%b5%d1%82%d1%8b-%d0%bd%d0%b0-python-%d0%bb%d0%b8%d0%bd%d0%b5%d0%b9%d0%bd%d0%b0%d1%8f/)

    08 hour
  - Лекция2.5

    [1 семестр – Теория вероятности.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d1%82%d0%b0%d1%82%d0%b8%d1%81%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b5-%d0%b2%d1%8b%d1%87%d0%b8%d1%81%d0%bb%d0%b5%d0%bd%d0%b8%d1%8f-scipy-stats-seaborn/)

    08 hour
  - Лекция2.6

    [1 семестр – Классификация текстов.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b1%d0%be%d1%82%d0%b0-%d1%81-%d0%b1%d0%be%d0%bb%d1%8c%d1%88%d0%b8%d0%bc%d0%b8-%d0%bc%d0%b0%d1%81%d1%81%d0%b8%d0%b2%d0%b0%d0%bc%d0%b8-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-pandas/)

    08 hour
  - Лекция2.7

    [1 семестр – Классификация и кластеризация изображений.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b7%d0%b2%d0%b5%d0%b4%d0%be%d1%87%d0%bd%d1%8b%d0%b9-%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d0%b7-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-eda/)

    04 hour
  - Лекция2.8

    [1 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/1-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b8%d1%82%d0%be%d0%b3%d0%be%d0%b2%d0%b0%d1%8f-%d0%b0%d1%82%d1%82%d0%b5%d1%81%d1%82%d0%b0%d1%86%d0%b8%d1%8f-2/)

    04 hour
- #### Основы реляционных БД и язык SQL 8

  Цель программы: качественное изменение профессиональных компетенций, направленных на повышение профессионального уровня в рамках имеющейся у слушателей квалификации в области анализа, проектирования и реализации реляционных баз данных. Основное внимание уделяется практике написания SQL запросов к данным. Результатом обучения является приобретение знаний и умений по: основным принципам построения реляционных баз данных, анализу предметной области, выделению бизнес-процессов, сущностей и связей в предметной области; использования CASE-средств для проектирования схем реляционной базы данных (Oracle SQL Data Modeler); практической работе с Oracle Database для реализации схемы базы данных и загрузки данных; языку SQL для написания запросов к данным различного уровня сложности; анализу производительности и основам оптимизации выполнения SQL запросов; выгрузке и анализу данных в инструментах MS Excel и Tableau

  - Лекция3.1

    [1 семестр – Обзор жизненного цикла проекта. Сбор и анализ требований. Описание и визуализация требований к информационн ой системе](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d0%b6%d0%b8%d0%b7%d0%bd%d0%b5%d0%bd%d0%bd%d0%be%d0%b3%d0%be-%d1%86%d0%b8%d0%ba%d0%bb%d0%b0-%d0%bf%d1%80%d0%be%d0%b5%d0%ba%d1%82%d0%b0-%d1%81%d0%b1%d0%be%d1%80-%d0%b8/)

    08 hour
  - Лекция3.2

    [1 семестр – Моделировани е схемы реляционной базы данных. Диаграммы сущность-связь. Практическая работа с Oracle SQL Data Modeler.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bc%d0%be%d0%b4%d0%b5%d0%bb%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8-%d0%b5-%d1%81%d1%85%d0%b5%d0%bc%d1%8b-%d1%80%d0%b5%d0%bb%d1%8f%d1%86%d0%b8%d0%be%d0%bd%d0%bd%d0%be%d0%b9-%d0%b1%d0%b0%d0%b7/)

    08 hour
  - Лекция3.3

    [1 семестр – Архитектура реляционной СУБД на примере Oracle Database. Практическая работа c Oracle Database, создание схемы базы данных.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b0%d1%80%d1%85%d0%b8%d1%82%d0%b5%d0%ba%d1%82%d1%83%d1%80%d0%b0-%d1%80%d0%b5%d0%bb%d1%8f%d1%86%d0%b8%d0%be%d0%bd%d0%bd%d0%be%d0%b9-%d1%81%d1%83%d0%b1%d0%b4-%d0%bd%d0%b0-%d0%bf%d1%80%d0%b8%d0%bc/)

    08 hour
  - Лекция3.4

    [1 семестр – Основы языка SQL. Операции вставки, обновления, удаления и выборки данных. Загрузка данных в реляционную схему.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%bd%d0%be%d0%b2%d1%8b-%d1%8f%d0%b7%d1%8b%d0%ba%d0%b0-sql-%d0%be%d0%bf%d0%b5%d1%80%d0%b0%d1%86%d0%b8%d0%b8-%d0%b2%d1%81%d1%82%d0%b0%d0%b2%d0%ba%d0%b8-%d0%be%d0%b1%d0%bd%d0%be%d0%b2/)

    08 hour
  - Лекция3.5

    [1 семестр – Возможности SQL для работы с несколькими таблицами: операции соединения таблиц. Агрегирующие функции.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b2%d0%be%d0%b7%d0%bc%d0%be%d0%b6%d0%bd%d0%be%d1%81%d1%82%d0%b8-sql-%d0%b4%d0%bb%d1%8f-%d1%80%d0%b0%d0%b1%d0%be%d1%82%d1%8b-%d1%81-%d0%bd%d0%b5%d1%81%d0%ba%d0%be%d0%bb%d1%8c%d0%ba%d0%b8%d0%bc%d0%b8/)

    12 hour
  - Лекция3.6

    [1 семестр – Основы оптимизации выполнения SQL запросов. Планы выполнения, индексы. Практические рекомендации.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%bd%d0%be%d0%b2%d1%8b-%d0%be%d0%bf%d1%82%d0%b8%d0%bc%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d0%b8-%d0%b2%d1%8b%d0%bf%d0%be%d0%bb%d0%bd%d0%b5%d0%bd%d0%b8%d1%8f-sql-%d0%b7%d0%b0%d0%bf%d1%80%d0%be/)

    12 hour
  - Лекция3.7

    [1 семестр – Подключение к базам данных и визуализация данных с помощью инструментов визуализации.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%be%d0%b4%d0%ba%d0%bb%d1%8e%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%ba-%d0%b1%d0%b0%d0%b7%d0%b0%d0%bc-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-%d0%b8-%d0%b2%d0%b8%d0%b7%d1%83%d0%b0%d0%bb%d0%b8%d0%b7/)

    12 hour
  - Лекция3.8

    [1 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b8%d1%82%d0%be%d0%b3%d0%be%d0%b2%d0%b0%d1%8f-%d0%b0%d1%82%d1%82%d0%b5%d1%81%d1%82%d0%b0%d1%86%d0%b8%d1%8f-3/)

    04 hour
- #### Расширения языка SQL для анализа данных 8

  Цель программы: качественное изменение профессиональных компетенций, направленных на повышение профессионального уровня в рамках имеющейся у слушателей квалификации в области анализа данных с помощью возможностей языка SQL. Основное внимание уделяется практике написания сложных SQL запросов к данным, аналитическим расширениям языка SQL. Результатом обучения является приобретение знаний и умений по: анализу существующих схем баз данных, восстановлению схемы по данным, профилированию данных; написанию сложных вложенных SQL запросов с агрегационными функциями; аналитическим расширениям языка SQL, оконным функциям; хранению рекурсивных структур данных, рекурсивным SQL запросам; практике работы с Oracle Database

  - Лекция4.1

    [1 семестр – Реляционные базы данных: основные понятия. Восстановление схемы (реверсинжиниринг), Профилирование данных.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b5%d0%bb%d1%8f%d1%86%d0%b8%d0%be%d0%bd%d0%bd%d1%8b%d0%b5-%d0%b1%d0%b0%d0%b7%d1%8b-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-%d0%be%d1%81%d0%bd%d0%be%d0%b2%d0%bd%d1%8b%d0%b5-%d0%bf%d0%be%d0%bd/)

    08 hour
  - Лекция4.2

    [1 семестр – Основные конструкции языка SQL для выборки данных. Агрегационные функции, вложенные запросы.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%bd%d0%be%d0%b2%d0%bd%d1%8b%d0%b5-%d0%ba%d0%be%d0%bd%d1%81%d1%82%d1%80%d1%83%d0%ba%d1%86%d0%b8%d0%b8-%d1%8f%d0%b7%d1%8b%d0%ba%d0%b0-sql-%d0%b4%d0%bb%d1%8f-%d0%b2%d1%8b%d0%b1%d0%be%d1%80/)

    08 hour
  - Лекция4.3

    [1 семестр – Аналитические расширения SQL: Оконные аналитические функции.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b5-%d1%80%d0%b0%d1%81%d1%88%d0%b8%d1%80%d0%b5%d0%bd%d0%b8%d1%8f-sql-%d0%be%d0%ba%d0%be%d0%bd%d0%bd%d1%8b%d0%b5-%d0%b0%d0%bd/)

    08 hour
  - Лекция4.4

    [1 семестр – Аналитические расширения SQL: Оконные аналитические функции. Работа с временными интервалами.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b5-%d1%80%d0%b0%d1%81%d1%88%d0%b8%d1%80%d0%b5%d0%bd%d0%b8%d1%8f-sql-%d0%be%d0%ba%d0%be%d0%bd%d0%bd%d1%8b%d0%b5-%d0%b0-2/)

    08 hour
  - Лекция4.5

    [1 семестр – Хранение рекурсивных структур данных (деревьев, графов) в реляционной базе данных. Рекурсивные SQL запросы. Общие табличные выражения (CTE).](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%85%d1%80%d0%b0%d0%bd%d0%b5%d0%bd%d0%b8%d0%b5-%d1%80%d0%b5%d0%ba%d1%83%d1%80%d1%81%d0%b8%d0%b2%d0%bd%d1%8b%d1%85-%d1%81%d1%82%d1%80%d1%83%d0%ba%d1%82%d1%83%d1%80-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b/)

    12 hour
  - Лекция4.6

    [1 семестр – Понятия нормализации и денормализац ии в реляционной модели. Представления и материализованные представления . Трансформация данных в SQL для формирования витрин данных](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%be%d0%bd%d1%8f%d1%82%d0%b8%d1%8f-%d0%bd%d0%be%d1%80%d0%bc%d0%b0%d0%bb%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d0%b8-%d0%b8-%d0%b4%d0%b5%d0%bd%d0%be%d1%80%d0%bc%d0%b0%d0%bb%d0%b8%d0%b7%d0%b0%d1%86/)

    12 hour
  - Лекция4.7

    [1 семестр – Практика работы с аналитическим SQL](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d1%80%d0%b0%d0%ba%d1%82%d0%b8%d0%ba%d0%b0-%d1%80%d0%b0%d0%b1%d0%be%d1%82%d1%8b-%d1%81-%d0%b0%d0%bd%d0%b0%d0%bb%d0%b8%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%bc-sql/)

    12 hour
  - Лекция4.8

    [1 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/1-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b8%d1%82%d0%be%d0%b3%d0%be%d0%b2%d0%b0%d1%8f-%d0%b0%d1%82%d1%82%d0%b5%d1%81%d1%82%d0%b0%d1%86%d0%b8%d1%8f-3/)

    04 hour
- #### Введение в CUDA 12

  Цель программы: качественное изменение профессиональных компетенций, направленных на повышение профессионального уровня в рамках имеющейся у слушателей квалификации в области параллельного программирования. под архитектуру графических процессоров (GPU) с применением технологии CUDA, ознакомление с практикой разработки прикладных программ различного назначения (программирование в среде Nsight под операционной системой Linux с использованием разносторонних параллельных библиотек) и способами их оптимизации. Основное внимание уделяется изучению принципов разработки параллельных программ под архитектуру графических процессоров, соответствующим современным алгоритмам, методам программирования и способам повышения эффективности параллельных программ.. Результатом обучения является приобретение знаний и умений по: базовым принципам параллельного программирования под архитектуру графических процессоров; среде программирования Nsight; основным API CUDA; базовым библиотекам, которые используют графические процессоры; фундаментальным параллельным алгоритмам; оптимизации параллельных программ.

  - Лекция5.1

    [2 семестр – Арихитектура GPU. Поколения. Основные положения и программная модель CUDA. Среда разработки Nsight.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b0%d1%80%d0%b8%d1%85%d0%b8%d1%82%d0%b5%d0%ba%d1%82%d1%83%d1%80%d0%b0-gpu-%d0%bf%d0%be%d0%ba%d0%be%d0%bb%d0%b5%d0%bd%d0%b8%d1%8f-%d0%be%d1%81%d0%bd%d0%be%d0%b2%d0%bd%d1%8b%d0%b5-%d0%bf%d0%be/)
  - Лекция5.2

    [2 семестр – Встроенные типы данных и функции. Атомарные операции.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b2%d1%81%d1%82%d1%80%d0%be%d0%b5%d0%bd%d0%bd%d1%8b%d0%b5-%d1%82%d0%b8%d0%bf%d1%8b-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-%d0%b8-%d1%84%d1%83%d0%bd%d0%ba%d1%86%d0%b8%d0%b8-%d0%b0%d1%82%d0%be%d0%bc/)
  - Лекция5.3

    [2 семестр – Виды памяти GPU.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b2%d0%b8%d0%b4%d1%8b-%d0%bf%d0%b0%d0%bc%d1%8f%d1%82%d0%b8-gpu/)
  - Лекция5.4

    [2 семестр – Модели эффективного взаимодействия с памятью](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bc%d0%be%d0%b4%d0%b5%d0%bb%d0%b8-%d1%8d%d1%84%d1%84%d0%b5%d0%ba%d1%82%d0%b8%d0%b2%d0%bd%d0%be%d0%b3%d0%be-%d0%b2%d0%b7%d0%b0%d0%b8%d0%bc%d0%be%d0%b4%d0%b5%d0%b9%d1%81%d1%82%d0%b2%d0%b8-%d1%8f/)
  - Лекция5.5

    [2 семестр – Фильтры изображений. Размытие по Гауссу. Билинейная интерполяция. Медианный фильтр. Сглаживание SSAA. Метод Робертса. Метод Превитта. Метод Собеля.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%84%d0%b8%d0%bb%d1%8c%d1%82%d1%80%d1%8b-%d0%b8%d0%b7%d0%be%d0%b1%d1%80%d0%b0%d0%b6%d0%b5%d0%bd%d0%b8%d0%b9-%d1%80%d0%b0%d0%b7%d0%bc%d1%8b%d1%82%d0%b8%d0%b5-%d0%bf%d0%be-%d0%b3%d0%b0%d1%83%d1%81/)
  - Лекция5.6

    [2 семестр – Классификация и кластеризация. Метод максимального правдоподобия . Метод расстояния Махаланобиса. Метод минимального расстояния. Метод спектрального угла. Метод kсредних](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%ba%d0%bb%d0%b0%d1%81%d1%81%d0%b8%d1%84%d0%b8%d0%ba%d0%b0%d1%86%d0%b8%d1%8f-%d0%b8-%d0%ba%d0%bb%d0%b0%d1%81%d1%82%d0%b5%d1%80%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d1%8f-%d0%bc%d0%b5%d1%82%d0%be%d0%b4/)
  - Лекция5.7

    [2 семестр – Алгоритм reduction. Алгоритм scan. Алгоритм histogram. Алгоритм compact.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%84%d1%83%d0%bd%d0%b4%d0%b0%d0%bc%d0%b5%d0%bd%d1%82%d0%b0%d0%bb%d1%8c-%d0%bd%d1%8b%d0%b5-%d0%b0%d0%bb%d0%b3%d0%be%d1%80%d0%b8%d1%82%d0%bc%d1%8b-%d0%bf%d0%b0%d1%80%d0%b0%d0%bb%d0%bb%d0%b5%d0%bb/)
  - Лекция5.8

    [2 семестр – Битоническая сортировка. Сортировка подсчетом. Сортировка чет-нечет. Карманная сортировка. Поразрядная сортировка.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b1%d0%b8%d1%82%d0%be%d0%bd%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b0%d1%8f-%d1%81%d0%be%d1%80%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%ba%d0%b0-%d1%81%d0%be%d1%80%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%ba%d0%b0/)
  - Лекция5.9

    [2 семестр – Параллельный метод Гаусса. Параллельный метод прогонки. Редукция.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%b0%d1%80%d0%b0%d0%bb%d0%bb%d0%b5%d0%bb%d1%8c%d0%bd%d1%8b%d0%b9-%d0%bc%d0%b5%d1%82%d0%be%d0%b4-%d0%b3%d0%b0%d1%83%d1%81%d1%81%d0%b0-%d0%bf%d0%b0%d1%80%d0%b0%d0%bb%d0%bb%d0%b5%d0%bb%d1%8c/)
  - Лекция5.10

    [2 семестр – Приемы и методы оптимизации программ](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d1%80%d0%b8%d0%b5%d0%bc%d1%8b-%d0%b8-%d0%bc%d0%b5%d1%82%d0%be%d0%b4%d1%8b-%d0%be%d0%bf%d1%82%d0%b8%d0%bc%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d0%b8-%d0%bf%d1%80%d0%be%d0%b3%d1%80%d0%b0%d0%bc%d0%bc/)
  - Лекция5.11

    [2 семестр – Готовые библиотеки алгоритмов](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b3%d0%be%d1%82%d0%be%d0%b2%d1%8b%d0%b5-%d0%b1%d0%b8%d0%b1%d0%bb%d0%b8%d0%be%d1%82%d0%b5%d0%ba%d0%b8-%d0%b0%d0%bb%d0%b3%d0%be%d1%80%d0%b8%d1%82%d0%bc%d0%be%d0%b2/)
  - Лекция5.12

    [2 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b7%d0%b0%d1%87%d0%b5%d1%82/)
- #### Хранение и обработка больших данных на платформе Hadoop и Apache Spark 8

  Цель программы: качественное изменение профессиональных компетенций, направленных на повышение профессионального уровня в рамках имеющейся у слушателей квалификации в области работы с большими данными и распараллеливанию обработки данных с помощью современных технологий. Результатом обучения является приобретение знаний и умений по: работе с данными в распределенных отказоустойчивых системах на примере дистрибутива Cloudera Hadoop; применимости технологий больших данных в реальных проектах; основам настройки и администрирования кластера Cloudera Hadoop; работе с распределенной файловой системой HDFS, загрузке данных из внешних файлов и баз данных; трансформации и анализу данных с помощью SQL-интерфейса Apache Hive; обзору фреймворков MapReduce, Apache Spark, Apache Kafka, Apache AirFlow и других популярных компонентов современных архитектур для работы с большими данными

  - Лекция7.1

    [2 семестр – Понятие «больших данных». Обзор экосистемы Apache Hadoop и дистрибутива Cloudera Hadoop](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%be%d0%bd%d1%8f%d1%82%d0%b8%d0%b5-%d0%b1%d0%be%d0%bb%d1%8c%d1%88%d0%b8%d1%85-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d1%85-%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d1%8d%d0%ba%d0%be%d1%81%d0%b8/)
  - Лекция7.2

    [2 семестр – Платформа Apache Hadoop. Файловая система HDFS. Форматы хранения данных. Компрессия данных.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%bb%d0%b0%d1%82%d1%84%d0%be%d1%80%d0%bc%d0%b0-apache-hadoop-%d1%84%d0%b0%d0%b9%d0%bb%d0%be%d0%b2%d0%b0%d1%8f-%d1%81%d0%b8%d1%81%d1%82%d0%b5%d0%bc%d0%b0-hdfs-%d1%84%d0%be%d1%80%d0%bc%d0%b0/)
  - Лекция7.3

    [2 семестр – Планировщик Apache Hadoop YARN. Управление и настройка ресурсов кластера.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bf%d0%bb%d0%b0%d0%bd%d0%b8%d1%80%d0%be%d0%b2%d1%89%d0%b8%d0%ba-apache-hadoop-yarn-%d1%83%d0%bf%d1%80%d0%b0%d0%b2%d0%bb%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b8-%d0%bd%d0%b0%d1%81%d1%82%d1%80%d0%be%d0%b9/)
  - Лекция7.4

    [2 семестр – SQL-интерфейс к данным Apache Hive. Архитектура, движки выполнения, особенности работы.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/sql-%d0%b8%d0%bd%d1%82%d0%b5%d1%80%d1%84%d0%b5%d0%b9%d1%81-%d0%ba-%d0%b4%d0%b0%d0%bd%d0%bd%d1%8b%d0%bc-apache-hive-%d0%b0%d1%80%d1%85%d0%b8%d1%82%d0%b5%d0%ba%d1%82%d1%83%d1%80%d0%b0-%d0%b4%d0%b2/)
  - Лекция7.5

    [2 семестр – Фреймворк Map Reduce: обзор паттернов обработки данных. Оптимизация соединений таблиц.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%84%d1%80%d0%b5%d0%b9%d0%bc%d0%b2%d0%be%d1%80%d0%ba-map-reduce-%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d0%bf%d0%b0%d1%82%d1%82%d0%b5%d1%80%d0%bd%d0%be%d0%b2-%d0%be%d0%b1%d1%80%d0%b0%d0%b1%d0%be%d1%82/)
  - Лекция7.6

    [2 семестр – Обзор движка Apache Spark. Spark SQL. Преимущества и недостатки.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d0%b4%d0%b2%d0%b8%d0%b6%d0%ba%d0%b0-apache-spark-spark-sql-%d0%bf%d1%80%d0%b5%d0%b8%d0%bc%d1%83%d1%89%d0%b5%d1%81%d1%82%d0%b2%d0%b0-%d0%b8-%d0%bd%d0%b5%d0%b4%d0%be/)
  - Лекция7.7

    [2 семестр – Обзор современной экосистемы работы с большими объемами данных: виды инструментов и примеры архитектур](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d0%b7%d0%be%d1%80-%d1%81%d0%be%d0%b2%d1%80%d0%b5%d0%bc%d0%b5%d0%bd%d0%bd%d0%be%d0%b9-%d1%8d%d0%ba%d0%be%d1%81%d0%b8%d1%81%d1%82%d0%b5%d0%bc%d1%8b-%d1%80%d0%b0%d0%b1%d0%be%d1%82%d1%8b/)
  - Лекция7.8

    [2 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b7%d0%b0%d1%87%d0%b5%d1%82/)
- #### Машинное обучение на больших данных 13

  - Лекция8.1

    [2 семестр – Работа с изображениями.Общие принципы. Конвейр обработки изображений. Основные библиотеки: cv2, dlib, scikit-image](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b1%d0%be%d1%82%d0%b0-%d1%81-%d0%b8%d0%b7%d0%be%d0%b1%d1%80%d0%b0%d0%b6%d0%b5%d0%bd%d0%b8%d1%8f%d0%bc%d0%b8/)

    02 hour
  - Лекция8.2

    [2 семестр – Работа с лицами. Распознавание лиц. 3D-features. Перенос стиля.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%80%d0%b0%d0%b1%d0%be%d1%82%d0%b0-%d1%81-%d0%bb%d0%b8%d1%86%d0%b0%d0%bc%d0%b8-%d1%80%d0%b0%d1%81%d0%bf%d0%be%d0%b7%d0%bd%d0%b0%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5-%d0%bb%d0%b8%d1%86-3d-features-%d0%bf/)

    02 hour
  - Лекция8.3

    [2 семестр – Определение местоположения объектов. SLAM.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%bf%d1%80%d0%b5%d0%b4%d0%b5%d0%bb%d0%b5%d0%bd%d0%b8%d0%b5-%d0%bc%d0%b5%d1%81%d1%82%d0%be%d0%bf%d0%be%d0%bb%d0%be%d0%b6%d0%b5%d0%bd%d0%b8%d1%8f-%d0%be%d0%b1%d1%8a%d0%b5%d0%ba%d1%82%d0%be%d0%b2/)

    02 hour
  - Лекция8.4

    [2 семестр – Сегментация изображений при помощи ИНН](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%b5%d0%b3%d0%bc%d0%b5%d0%bd%d1%82%d0%b0%d1%86%d0%b8%d1%8f-%d0%b8%d0%b7%d0%be%d0%b1%d1%80%d0%b0%d0%b6%d0%b5%d0%b5%d0%bd%d0%b8%d0%b9-%d0%bf%d1%80%d0%b8-%d0%bf%d0%be%d0%bc%d0%be%d1%89%d0%b8/)

    02 hour
  - Лекция8.5

    [2 семестр – Современные архитектуры ИНН. Сервисные слои.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d0%be%d0%b2%d1%80%d0%b5%d0%bc%d0%b5%d0%bd%d0%bd%d1%8b%d0%b5-%d0%b0%d1%80%d1%85%d0%b8%d1%82%d0%b5%d0%ba%d1%82%d1%83%d1%80%d1%8b-%d0%b8%d0%bd%d0%bd-%d1%81%d0%b5%d1%80%d0%b2%d0%b8%d1%81%d0%bd/)

    02 hour
  - Лекция8.6

    [2 семестр – Структурная оптимизация ИНН](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d1%82%d1%80%d1%83%d0%ba%d1%82%d1%83%d1%80%d0%bd%d0%b0%d1%8f-%d0%be%d0%bf%d1%82%d0%b8%d0%bc%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d1%8f-%d0%b8%d0%bd%d0%bd/)

    02 hour
  - Лекция8.7

    [2 семестр – Нечеткие методы кластеризации. Fuzzy kNN, Gaussian Mixture Models.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%bd%d0%b5%d1%87%d0%b5%d1%82%d0%ba%d0%b8%d0%b5-%d0%bc%d0%b5%d1%82%d0%be%d0%b4%d1%8b-%d0%ba%d0%bb%d0%b0%d1%81%d1%82%d0%b5%d1%80%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d0%b8-fuzzy-knn-gaussian-mixture-models/)

    02 hour
  - Лекция8.8

    [2 семестр – RBM и DBN.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/rbm-%d0%b8-dbn/)

    02 hour
  - Лекция8.9

    [2 семестр – Обучение без учителя. Генеративные модели. GAN / DCGAN](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b1%d0%b5%d0%b7-%d1%83%d1%87%d0%b8%d1%82%d0%b5%d0%bb%d1%8f-%d0%b3%d0%b5%d0%bd%d0%b5%d1%80%d0%b0%d1%82%d0%b8%d0%b2%d0%bd%d1%8b%d0%b5-%d0%bc%d0%be/)

    02 hour
  - Лекция8.10

    [2 семестр – Основные принципы обучения с подкреплением. MDP.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%be%d1%81%d0%bd%d0%be%d0%b2%d0%bd%d1%8b%d0%b5-%d0%bf%d1%80%d0%b8%d0%bd%d1%86%d0%b8%d0%bf%d1%8b-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d1%8f-%d1%81-%d0%bf%d0%be%d0%b4%d0%ba%d1%80%d0%b5%d0%bf/)

    02 hour
  - Лекция8.11

    [2 семестр – Глубокое обучение с подкреплением](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d0%b3%d0%bb%d1%83%d0%b1%d0%be%d0%ba%d0%be%d0%b5-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d1%81-%d0%bf%d0%be%d0%b4%d0%ba%d1%80%d0%b5%d0%bf%d0%bb%d0%b5%d0%bd%d0%b8%d0%b5%d0%bc/)

    02 hour
  - Лекция8.12

    [2 семестр – Структура проектов, использующих машинное обучение. MLOps.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/%d1%81%d1%82%d1%80%d1%83%d0%ba%d1%82%d1%83%d1%80%d0%b0-%d0%bf%d1%80%d0%be%d0%b5%d0%ba%d1%82%d0%be%d0%b2-%d0%b8%d1%81%d0%bf%d0%be%d0%bb%d1%8c%d0%b7%d1%83%d1%8e%d1%89%d0%b8%d1%85-%d0%bc%d0%b0%d1%88/)

    02 hour
  - Лекция8.13

    [2 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b7%d0%b0%d1%87%d0%b5%d1%82-2/)

    04 hour
- #### Машинное обучение на больших данных (рекомендательные системы: от классических моделей до промышленной эксплуатации) 8

  - Лекция9.1

    [2 семестр – Введение в рекомендательные системы. Подходы и метрики оценки.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b2%d0%b2%d0%b5%d0%b4%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b2-%d1%80%d0%b5%d0%ba%d0%be%d0%bc%d0%b5%d0%bd%d0%b4%d0%b0%d1%82%d0%b5%d0%bb%d1%8c%d0%bd/)
  - Лекция9.2

    [2 семестр – Коллаборативная фильтрация: ембэддинги и матричные разложения в рекомендациях.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%ba%d0%be%d0%bb%d0%bb%d0%b0%d0%b1%d0%be%d1%80%d0%b0%d1%82%d0%b8%d0%b2%d0%bd%d0%b0%d1%8f-%d1%84%d0%b8%d0%bb%d1%8c%d1%82%d1%80%d0%b0%d1%86%d0%b8/)
  - Лекция9.3

    [2 семестр – Content-based рекомендательные системы.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-content-based-%d1%80%d0%b5%d0%ba%d0%be%d0%bc%d0%b5%d0%bd%d0%b4%d0%b0%d1%82%d0%b5%d0%bb%d1%8c%d0%bd%d1%8b%d0%b5-%d1%81%d0%b8%d1%81%d1%82%d0%b5/)
  - Лекция9.4

    [2 семестр – Гибридные рекомендательные системы и матричная факторизация.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b3%d0%b8%d0%b1%d1%80%d0%b8%d0%b4%d0%bd%d1%8b%d0%b5-%d1%80%d0%b5%d0%ba%d0%be%d0%bc%d0%b5%d0%bd%d0%b4%d0%b0%d1%82%d0%b5%d0%bb%d1%8c%d0%bd%d1%8b/)
  - Лекция9.5

    [2 семестр – A/B тестирование и онлайн рекомендации.](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-a-b-%d1%82%d0%b5%d1%81%d1%82%d0%b8%d1%80%d0%be%d0%b2%d0%b0%d0%bd%d0%b8%d0%b5-%d0%b8-%d0%be%d0%bd%d0%bb%d0%b0%d0%b9%d0%bd-%d1%80%d0%b5%d0%ba%d0%be/)
  - Лекция9.6

    [2 семестр – Упаковка и деплой моделей. Web-сервисы (Flask/Fast Api).](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d1%83%d0%bf%d0%b0%d0%ba%d0%be%d0%b2%d0%ba%d0%b0-%d0%b8-%d0%b4%d0%b5%d0%bf%d0%bb%d0%be%d0%b9-%d0%bc%d0%be%d0%b4%d0%b5%d0%bb%d0%b5%d0%b9-web/)
  - Лекция9.7

    [2 семестр – Средства автоматизации процессов подготовки данных и жизненного цикла моделей (Airflow/Mlflow).](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d1%81%d1%80%d0%b5%d0%b4%d1%81%d1%82%d0%b2%d0%b0-%d0%b0%d0%b2%d1%82%d0%be%d0%bc%d0%b0%d1%82%d0%b8%d0%b7%d0%b0%d1%86%d0%b8%d0%b8-%d0%bf%d1%80/)
  - Лекция9.8

    [2 семестр – Зачет](https://dpo.cs.msu.ru/courses/ml_bigdata/lessons/2-%d1%81%d0%b5%d0%bc%d0%b5%d1%81%d1%82%d1%80-%d0%b7%d0%b0%d1%87%d0%b5%d1%82-4/)

[Каринэ Карленовна Абгарян](https://dpo.cs.msu.ru/profile/Karina+K/)

Руководитель программы "Машинное обучение и управление большими данными"\
д.ф.-м.н., зав. отделом ФИЦ ИУ РАН, автор более 100 научных публикаций в российских и зарубежных изданиях, в том числе 2-х монографий

[Евгений Сергеевич Гаврилов](https://dpo.cs.msu.ru/profile/V1_Gavrilov/)

Ведущий разработчик крупного международного банка, научный сотрудник ФИЦ ИУ РАН, старший преподаватель ВМК МГУ и МАИ, более 14 лет опыта разработки и проектирования ПО

[Юлия Дмитриевна Мочалова](https://dpo.cs.msu.ru/profile/V2_MochalovaYuD/)

Сотрудник ФИЦ ИУ РАН, специалист по машинному обучению на больших данных компании Газпром-Медиа

[Александр Юрьевич Морозов](https://dpo.cs.msu.ru/profile/V2_Morozov/)

Научный сотрудник ФИЦ ИУ РАН, к.ф.-м.н.,
инженер-программист АО "ИнфоРус",
сооснователь проекта idChess

[Артем Аксентьев](https://dpo.cs.msu.ru/profile/V9_AksentievA/)

Сотрудник ФИЦ ИУ РАН

[Борис Ксемидов](https://dpo.cs.msu.ru/profile/V7_Ksemidov/)

Инженер АО "НИИ ТП"

[Василий Андреевич Перов](https://dpo.cs.msu.ru/profile/V8_PerovVA/)

Старший преподаватель ВМК МГУ, ведущий архитектор ПАО Сбербанк

### Отзывы

Средний рейтинг

0

0 оценок

Подробный рейтинг

5

0%

4

0%

3

0%

2

0%

1

0%

### ПОДЕЛИТЬСЯ:

### Вам может понравиться

## [Основы кибербезопасности](https://dpo.cs.msu.ru/courses/cyber/)

Студенты

0

0

120,000.00 ₽

## [Математические модели и методы управления банковскими рисками](https://dpo.cs.msu.ru/courses/bank_risk/)

Студенты

0

0

70,000.00 ₽

## [Анализ данных и машинное обучение](https://dpo.cs.msu.ru/courses/ad_ml/)

Студенты

0

0

120,000.00 ₽

## [Прикладное программирование (языки С и С++)](https://dpo.cs.msu.ru/courses/programming/)

Студенты

20

0

120,000.00 ₽

## [Программирование и базы данных](https://dpo.cs.msu.ru/courses/prg_bd/)

Студенты

20

0

120,000.00 ₽