Херсонський державний унiверситет

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кльонов Дмитро Михайлович

Дисципліна «Управління інформаційними системами та сховищами даних» спрямована на формування у студентів знань і практичних навичок з організації, адміністрування та підтримки інформаційних систем (ІС) і сучасних сховищ даних, які забезпечують обробку, зберігання та доступ до великого обсягу інформації в бізнесі та державному секторі.У межах курсу розглядаються:структура та компоненти інформаційних систем;типи та архітектури сховищ даних (реляційні, NoSQL, хмарні, гібридні);принципи управління життєвим циклом даних;адміністрування баз даних і сервісів зберігання (MySQL, PostgreSQL, MongoDB, Hadoop, Amazon S3 тощо);організація доступу, резервне копіювання, масштабування та відновлення даних;питання безпеки, цілісності, продуктивності та відповідності даних нормативним вимогам (GDPR, ISO/IEC 27001).Особливу увагу приділено практичним аспектам — налаштуванню серверів, побудові резервних політик, моніторингу навантаження, автоматизації обробки даних, інтеграції інформаційних систем із зовнішніми джерелами та сервісами.Після завершення курсу студенти вмітимуть:обирати та конфігурувати типи сховищ відповідно до потреб конкретної системи;забезпечувати надійне функціонування інформаційної інфраструктури підприємства;адмініструвати, захищати та оптимізувати бази даних;працювати з інструментами аналізу та міграції даних.Цей курс є важливою складовою підготовки фахівців у сфері ІТ-менеджменту, адміністрування баз даних, архітектури інформаційних систем та управління даними у великих організаціях.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Полторацький Максим Юрійович

Дисципліна «Розробка смарт-контрактів у блокчейні» спрямована на формування у здобувачів вищої освіти теоретичних знань і практичних навичок зі створення, аналізу, тестування та розгортання смарт-контрактів у сучасних блокчейн-системах. Особлива увага приділяється вивченню мови програмування Cadence та екосистеми блокчейну Flow, які орієнтовані на безпечну розробку децентралізованих застосунків, цифрових активів та Web3-рішень.

У межах дисципліни студенти ознайомлюються з основними принципами функціонування блокчейн-технологій, механізмами консенсусу, структурою транзакцій, криптографічними основами безпеки та архітектурою децентралізованих систем. Розглядаються концепції токенізації активів, NFT, цифрової власності, децентралізованих фінансів (DeFi), а також моделі взаємодії смарт-контрактів між собою та із зовнішніми сервісами.

Ключовою складовою дисципліни є вивчення мови Cadence - ресурсно-орієнтованої мови програмування для блокчейну Flow. Студенти набувають навичок створення смарт-контрактів із використанням ресурсів, акаунтів, колекцій, транзакцій та скриптів. Особлива увага приділяється принципам безпечного програмування, контролю доступу, управлінню цифровими активами та запобіганню типових вразливостей смарт-контрактів.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

У сучасному світі Data Science – це не лише алгоритми, а й розуміння людей, які за ними стоять. Чому одні ІТ-продукти стають частиною повсякденності, а інші зникають через тиждень після релізу? Відповідь криється у поведінкових патернах споживачів. Дисципліна «Поведінковий аналіз створення та розвитку ІТ-продуктів» навчить вас дивитися на цифри крізь призму психології, перетворюючи сирі дані на успішні продуктові рішення.

Що Ви вивчатимете? Курс базується на поєднанні класичної теорії поведінкових фінансів та сучасних методологій продуктового ІТ. Ви дізнаєтесь, як когнітивні упередження (такі як надмірна самовпевненість, ефект якоря чи упередження підтвердження) впливають на вибір користувача та як продакт менеджер може це врахувати. Ми розберемо теорію перспектив і зрозуміємо, чому «біль від втрати» завжди сильніший за «радість від виграшу», і як це застосовувати при монетизації застосунків.

Ключові теми та навички:

• Продуктові гіпотези та Data-Driven підхід: Навчитеся відрізняти інтуїтивні здогадки від перевірених гіпотез, використовуючи кількісні та якісні інсайти.

• Jobs-to-be-Done: Опануєте мистецтво розуміння того, на яку «роботу» користувач «наймає» ваш ІТ-продукт.

• Евристики та ухвалення рішень: Дослідите «правила великого пальця», якими користуються люди в умовах обмеженого часу, та навчитеся проєктувати інтерфейси, що відповідають цим механізмам.

• Аналітика та експерименти: Практичне використання А/В тестування, теплових карт та айтрекінгу для перевірки поведінкових теорій на реальних даних.

• Штучний інтелект у розробці: Використання LLM (ChatGPT, Gemini) для генерації ідей та аналізу зворотного зв'язку користувачів.

Чому варто обрати цей курс? Спеціаліст із Data Science, який розуміє психологію споживача, має значну перевагу на ринку праці. Ви навчитеся будувати продукти, орієнтовані на користувача (problem-first thinking), що є критично важливим для успішних стартапів та продуктових компаній рівня Grammarly чи Spotify.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Автоматизоване управління інвестиційним портфелем

Чому Вам варто обрати цю дисципліну?

Ця дисципліна відкриває перед вами новий вимір застосування IT-знань у фінансовій сфері. Як майбутні фахівці з ІТ, Ви отримаєте можливість опанувати методи аналізу ефективності інвестицій та алгоритми автоматизації фінансових рішень.

Що ви вивчатимете?

• Практичні підходи до фінансових обчислень, які є основою розробки інформаційних систем у фінансовій сфері

• Методи оцінювання фінансових потоків та створення автоматизованих моделей для прийняття рішень

• Алгоритми побудови інвестиційних портфелів з урахуванням особистої схильності до ризику

• Стратегії оцінки ефективності інвестицій та прогнозування дохідності

Практичні навички, які ви здобудете:

• Розробка фінансових моделей у RStudio та інших програмних середовищах

• Автоматизація обчислень для визначення інвестиційної привабливості проєктів

• Створення алгоритмів для оцінки вартості цінних паперів

• Програмування систем підтримки прийняття фінансових рішень

Переваги для вашої кар'єри:

• Можливість спеціалізуватися в галузі FinTech, яка стрімко розвивається

• Поєднання IT-компетеностей з фінансовою аналітикою, що розширює Ваші кар'єрні перспективи

• Навички, необхідні для створення власних інвестиційних стратегій та управління особистими фінансами

Дисципліна викладається доктором економічних наук, професором Віталієм Кобцем, який має значний досвід у розробці моделей фінансової аналітики.

Курс побудований за принципом "практика понад усе" – Ви виконуватимете реальні проєкти з використанням сучасних інструментів, включаючи застосування сервісів штучного інтелекту для вирішення складних фінансових завдань.

Не втрачайте шанс поєднати IT та фінанси! Цей курс дозволить Вам не лише створювати ІТ функціонал для фінансового сектору, але й приймати обґрунтовані інвестиційні рішення.

Зробіть крок до нової сфери застосування ваших технічних знань – оберіть «Автоматизоване управління інвестиційним портфелем»!

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Шановні магістранти й магістрантки!

Запрошую Вас обрати дисципліну "Менеджмент у продуктовому ІТ", яка розроблена спеціально для магістерського рівня спеціальності ІСТ.

Чому варто обрати цей курс? Цифрова трансформація змінює всі сфери бізнесу, і вміння ефективно керувати процесами в IT-середовищі стає критично важливим для сучасних фахівців. Ви опануєте ключові компетентності трьох напрямків менеджменту: операційного, проєктного та управління персоналом у контексті цифрової економіки.

Що Ви отримаєте?

• Практичні навички використання інструментів пріоритизації та планування (матриця Ейзенхауера, діаграма Ганта, Impact-Effort Matrix)

• Розуміння Software Development Life Cycle (SDLC) та принципів Agile, Scrum і Kanban

• Уміння аналізувати фінансові звіти та керувати бюджетом проєктів

• Навички створення проєктної документації (статут проєкту, RACI-матриця, карта ризиків)

• Компетентності з управління командою, встановлення KPI та OKR

• Досвід ефективної комунікації зі стейкхолдерами

Формат навчання: Курс побудований за принципом перегорнутого класу з інтерактивними лекціями, практичними завданнями та тренінговими елементами. Навчальні теми включають відеолекції, скрінкасти з інструкціями, діалогові заняття з практиками галузі та підготовку робочого зошиту, складеного топ-менеджментом найкращих українських компаній.

Переваги курсу: Навчання зосереджено на розвитку не лише hard-skills, але й soft-skills: управління конфліктами, прийняття рішень, тайм-менеджмент, презентаційні навички та мотивація в команді.

Особливість курсу: Ви створите власний цифровий продукт, для якого розробите всі необхідні управлінські документи, від статуту до діаграми Ганта, що дозволить закріпити теоретичні знання на практиці.

Інвестуйте час у своє професійне майбутнє – оберіть «Менеджмент у продуктовому ІТ» та станьте конкурентоспроможним фахівцем на ринку праці цифрової економіки!

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Полторацький Максим Юрійович

Дисципліна має на меті формування у здобувачів освіти професійних компетентностей у сфері інформаційних технологій із застосуванням сучасних фінансових інструментів. Особлива увага приділяється практичному використанню цифрових платформ, технологій обробки даних та інноваційних підходів до автоматизації фінансових процесів. У межах дисципліни розглядаються ключові фінансові категорії та інструменти, їхні цифрові аналоги, алгоритми розрахунків, принципи побудови фінансових моделей, основи управління ризиками та інвестиційного аналізу. Здобувачі освіти отримують знання щодо функціонування платіжних систем, біржових платформ, електронних гаманців, смарт-контрактів та технологій блокчейн. Під час практичних занять здобувачі освіти оволодівають навичками роботи з фінансовими даними, здійснюють розрахунки за допомогою програмних засобів (Python, Excel, SQL), створюють інтерактивні звіти та візуалізації (Tableau, Power BI), аналізують великі обсяги інформації для підтримки прийняття фінансових рішень. Дисципліна сприяє розвитку аналітичного мислення, здатності до інтеграції ІТ-рішень у фінансову сферу та підготовці фахівців, здатних працювати на стику інформаційних технологій і фінансів — у сферах фінтеху, банківських ІТ-систем, електронної комерції, корпоративних інформаційних систем тощо.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Економічне обґрунтування проєктів в економіці мереж

Чому це важливо для Data Scientist?

Мережева економіка є простором, де класичні ринкові моделі не працюють, а мережеві ефекти, витрати на перемикання стратегії й утримання клієнтів визначають успіх продукту. Ви навчитеся будувати міст між ІТ-технологіями та бізнес-рішеннями, використовуючи дані як головний актив.

Що ви вивчатимете?

Програма курсу інтегрує три потужні блоки:

1. Бізнес-аналіз (BA) та Business Intelligence (BI): Ви опануєте концепцію DIKW (Дані ? Інформація ? Знання ? Мудрість) та навчитеся перетворювати «сирі» факти на інсайти для трансформації бізнесу.

2. UX-дослідження споживача: Розуміння цінності проєкту неможливе без знання користувача. Ви навчитеся створювати персони (User Persona) та карти шляху клієнта (CJM), виявляючи «больові точки» та емоційні тригери, що впливають на прибутковість.

3. Інвестиційне обґрунтування та ризик-менеджмент: Це ядро дисципліни. Ви освоїте розрахунок NPV (чистої поточної вартості) та імітаційне моделювання методом Монте-Карло. Це дозволить вам прогнозувати успіх проєкту в умовах турбулентності, будуючи тисячі сценаріїв розвитку подій.

Практичні навички та інструменти

Ви працюватимете з:

• Excel та Solver: для оптимізаційного моделювання та вибору найкращих постачальників чи стратегій.

• UXPressia: для візуалізації клієнтського досвіду.

• Power BI / Tableau: для створення інтерактивних дашбордів, що «продають» ваші аналітичні висновки менеджменту.

Результат навчання

Ви вийдете з курсу спеціалістом, який вміє:

• Обґрунтувати інвестиційну привабливість стартапу, корпоративного проєкту.

• Визначати ймовірність збитків та рівень фінансового ризику.

• Формувати управлінські рекомендації на основі директивної аналітики (що зробити для найкращого результату?).

Станьте архітектором прибуткових ІТ-рішень разом із професором В.Кобцем!

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Опис навчальної дисципліни «Машинне навчання для інвесторів»

Викладач: д.е.н., проф. Віталій Кобець

У сучасному світі фінансів здатність приймати обґрунтовані рішення на основі великих масивів даних є критичною перевагою для інвестора. Курс поєднує глибоку теоретичну базу з інтенсивною практикою мовою R, що є інструментом аналізу даних та фінансового моделювання.

Чому варто обрати цей курс?

Ви навчитеся будувати моделі, що працюють у реальних умовах ринку:

1. Формування інвестиційного портфелю: Ви опануєте метод Bootstrap для оцінки невизначеності та мінімізації ризиків при розподілі активів.

2. Прогнозування ринкових трендів: використовуючи набори даних про фондовий ринок, Ви навчитеся застосовувати логістичну регресію, лінійний та квадратичний дискримінантний аналіз для прогнозування напрямку руху індексів (Up/Down).

3. Оцінка ризиків та кредитоспроможності: на прикладі даних про дефолти за кредитними картками Ви навчитеся ідентифікувати потенційно ризикованих позичальників, балансуючи між точністю прогнозу та вартістю помилки за допомогою ROC-кривих.

4. Ціноутворення та прогнозування продажів: Ви навчитеся будувати моделі машинного навчання для оцінки вартості активів та прогнозування обсягів продажів на основі маркетингових витрат.

5. Аналіз проєктної діяльності: За допомогою методів дерев рішень, випадкових лісів та бустингу Ви зможете сегментувати інвестиційні проєкти за їхньою ефективністю та виявляти найбільш значущі фактори успіху.

Ключові інструменти, які Ви опануєте:

• Регуляризація (Lasso та Ridge) для роботи з великою кількістю показників та уникнення перенавчання моделей.

• Метод опорних векторів (SVM) для високоточного класифікування фінансових сигналів у просторах високої розмірності.

• Навчання без учителя (PCA та Clustering) для сегментації інвесторів чи активів за схожими характеристиками.

Обирайте «Машинне навчання для інвесторів», щоб стати фахівцем, який здатен перетворювати неструктуровані ринкові дані у прибуткові стратегії

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Інтелектуальний аналіз даних в економіці та фінансах

Для магістрантів і магістранток спеціальності Інформаційні системи та технології здатність перетворювати величезні масиви «сирих» даних у практично корисні знання є ключовою компетентністю для прийняття ефективних управлінських рішень.

Курс професора Віталія Кобця поєднує прикладну статистику, штучний інтелект та машинне навчання.

Чому варто обрати цю дисципліну? Мета курсу — сформувати навички ефективного пошуку прихованих зв’язків і закономірностей, про існування яких користувач може навіть не підозрювати. Ви навчитеся працювати не лише зі стандартними математичними моделями, а й застосовувати методи виявлення неочевидних та об’єктивних шаблонів у великих обсягах даних.

Програма навчання охоплює повний цикл роботи з даними:

1. Web Mining: отримання даних через парсінг сайтів, автоматизація збору інформації про ціни, товари та ринкові тренди.

2. Дисперсійний та регресійний аналіз: оцінка впливу факторів на економічні показники та побудова прогнозних моделей.

3. Класифікація та прогнозування: використання нейронних мереж, дерев рішень та алгоритмів «найближчого сусіда» для передбачення поведінки клієнтів або фінансових ризиків.

4. Кластерний аналіз: сегментація споживачів та конкурентів на основі подібності їхніх характеристик.

5. Асоціативний пошук (Алгоритм APRIORI): виявлення товарів, що купуються разом («аналіз ринкового кошика»), та побудова послідовних шаблонів поведінки.

Практична цінність: Ви опануєте інструментарій Weka, RStudio та сучасні методи візуалізації, що дозволяють представляти результати аналізу в інтерактивних прототипах. Особлива увага приділяється якісному аналізу: від висування гіпотез до очищення даних від «шуму» та інтерпретації аномалій.

Магістранти другого курсу отримають здатність розв’язувати складні спеціалізовані задачі, що характеризуються невизначеністю умов, та проводити обчислювальні експерименти в реальних економічних системах.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Управління архітектурою підприємства: Стратегічний фундамент для ШІ-трансформації

Ви готові стати архітекторами майбутнього, де штучний інтелект - це не просто черговий інструмент, а суперсила, що трансформує світову економіку на $15,7 трильйона до 2030 р.? Дисципліна, яку викладає професор Віталій Кобець, запрошує Вас вийти за межі написання коду та зануритися у стратегічне проєктування інтелектуальних організацій.

Чому ця дисципліна важлива для Data Scientist у 2026-2027 н.р.? Сьогодні успіх ШІ залежить не лише від алгоритмів, а від їхньої продуманої інтеграції в існуючі соціальні та організаційні структури. Ми переходимо від епохи «контекстного вкидання» технічних рішень до епохи «розумної інтеграції», де Data Scientist виступає стратегічним архітектором.

Що Ви опануєте на курсі? Ви вивчите унікальну AI Strategy Model, яка базується на 5 ключових вимірах впровадження ШІ:

1. Довіра (Trust): Ви дізнаєтесь, як будувати «пояснюваний ШІ» (XAI), щоб люди не втрачали впевненості у системах, якими б потужними вони не були.

2. Автоматизація (Automate): Ми розберемо, як за допомогою ШІ прискорювати рутинні процеси, підвищуючи продуктивність без втрати якості.

3. Інновації (Innovate): Ви навчитеся використовувати ШІ для створення нових бізнес-моделей та продуктів, які раніше були неможливими (такі як платформи Airbnb чи eBay).

4. Управління даними (Data Governance): Ви зрозумієте, як перетворити дані на якісний ресурс для Industry 5.0, забезпечуючи їх від впливу упереджень та безпеку.

5. Людська суб’єктність (People Agency): Ви навчитеся проєктувати людиноцентровані системи, де ШІ доповнює людські здібності, а не просто замінює працівників.

Станьте лідером AI-змін. Секрет успішного лідерства в ШІ – не просто технічна експертиза, а вміння ставити правильні SMART-питання. Приєднуйтеся до курсу професора В.Кобця, щоб навчитися проєктувати архітектури, де інтеграція людини та ШІ створює конкурентну перевагу для будь-якої організації майбутнього.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кобець Віталій Миколайович

Аналітика в продуктовому ІТ

Шукаєте дисципліну, яка поєднує технічні навички з реальним бізнес-застосуванням? Дисципліна «Аналітика у продуктовому ІТ» – це Ваш шлях до однієї з найбільш затребуваних спеціалізацій у сучасній ІТ-індустрії! Цей курс розроблено спеціально для магістрантів спеціальності Інформаційні системи та технології, щоб надати Вам практичні навички роботи з даними, які використовуються при створенні та розвитку цифрових продуктів.

Чому варто обрати "Аналітику в продуктовому ІТ"?

• Ви опануєте інструменти, які активно використовуються в індустрії: Tableau для створення інтерактивних дашбордів, SQL для роботи з базами даних та Python для аналізу даних

• Навчитеся проводити RFM-аналіз та когортний аналіз на реальних даних для сегментації користувачів

• Здобудете навички планування та проведення A/B-тестів для перевірки гіпотез

• Зрозумієте, як використовувати дані для прийняття обґрунтованих бізнес-рішень

Структура курсу охоплює предметну область від базових понять продуктового ІТ до маркетингової аналітики та поведінкового аналізу користувачів. Практичні завдання дозволять Вам застосувати набуті знання до реальних ситуацій, а групова робота над фінальним проєктом – розвинути командні навички, необхідні в сучасному робочому середовищі.

Що ви отримаєте після завершення курсу?

• Портфоліо з аналітичними дашбордами та звітами

• Розуміння метрик, що впливають на розвиток ІТ-продуктів

• Навички критичного мислення та аналізу даних

• Досвід використання інструментів для аналітики, які можна додати до резюме

Формат навчання включає короткі відеолекції, інтерактивні семінари та практичні завдання. Оцінювання базується на виконанні практичних завдань (50%), тестуванні (30%) та захисті фінального проєкту (20%). Зробіть крок до затребуваних навичок в ІТ – оберіть "Аналітику в продуктовому ІТ"!

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Песчаненко Володимир Сергійович

Дисципліна «Технології застосування кібербезпеки на підприємствах» спрямована на формування у студентів знань і практичних навичок щодо впровадження засобів захисту інформації в умовах сучасного цифрового середовища підприємства. Курс охоплює ключові аспекти організації кібербезпеки в корпоративних мережах, системах управління, хмарних інфраструктурах і бізнес-сервісах.У процесі вивчення студенти дізнаються:які існують загрози інформаційній безпеці на підприємствах;як побудувати архітектуру захисту інформаційної системи відповідно до стандартів (ISO/IEC 27001, NIST);як впроваджуються засоби аутентифікації, авторизації, шифрування, контролю доступу;як функціонують фаєрволи, системи виявлення вторгнень (IDS/IPS), антивірусні та антиспам-засоби;яким чином реалізується захист хмарних сервісів, вебдодатків і мобільних платформ;як організувати політику безпеки, проводити аудит, оцінку ризиків та реагування на інциденти.Після проходження курсу студенти зможуть:оцінювати стан кіберзахисту підприємства;впроваджувати сучасні технології безпеки;брати участь у створенні безпечних ІТ-рішень для бізнесу;розуміти вимоги до безпеки в умовах цифрової трансформації.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кравцов Геннадій Михайлович

На сучасному етапі розвитку суспільних відносин прийняття рішення щодо функціонування будь-якої соціальної або виробничої системи пов’язано з обробкою значних масивів даних. В умовах жорсткої конкуренції рішення повинні прийматися на основі ретельного аналізу цих даних, бути обґрунтованими. Розповсюдженню методів Big Data (інтелектуального аналізу даних великих об’ємів) сприяла ще можливість застосовувати до такого аналізу можливості обчислювальної техніки. Тепер коло замовників такого аналізу значно розширилося. Це вже не тільки великі підприємства і державні установи, а й представники середнього і малого бізнесу.

Тому кожному майбутньому фахівцю з програмної інженерії необхідно володіти навичками інтелектуального аналізу даних великих об’ємів, зокрема в числовому вигляді.

Предметом дисципліни “Основи Big Data” є задачі аналізу даних методами автоматичного пошуку закономірностей у великих масивах інформації, зокрема методами штучного інтелекту.

Дисципліна “Основи Big Data” є обов’язковою навчальною дисципліною. Її матеріал базується на знаннях курсів “Математичний аналіз”, “Аналіз даних”, “Теорія ймовірностей та математична статистика”, “Інтелектуальний аналіз даних” і забезпечує подальше виконання курсових, дипломних і магістерських робіт.

Мета та завдання дисципліни:

Мета дисципліни: сформувати у студентів знання, вміння та навички, необхідні для ефективного використання методів аналітичної та статистичної обробки чисельних даних великих об’ємів, зокрема результатів експерименту.

Семестр: Осінній
Кількість кредитів: 4
Кількість годин лекцій: 20
Кількість годин практичних занять: 20
Форма контролю: Залік
Мова викладання: Українська

Викладач: Кльонов Дмитро Михайлович

Дисципліна «Штучний інтелект і машинне навчання» знайомить студентів з основами розробки інтелектуальних систем, здатних до самостійного аналізу даних, прийняття рішень і навчання на основі досвіду. Курс охоплює теоретичні концепції, алгоритми й практичні методи, які лежать в основі сучасного штучного інтелекту (ШІ) та машинного навчання (ML).У межах дисципліни студенти:-вивчають основні поняття ШІ: агенти, пошук, логіка, експертні системи;-опановують види машинного навчання: навчання з учителем, без учителя, з підкріпленням;-знайомляться з ключовими алгоритмами: лінійна регресія, дерева рішень, нейронні мережі, кластеризація, метод опорних векторів (SVM), k-сусідів (k-NN), та іншими;-аналізують якість моделей, працюють із поняттями перенавчання, точності, повноти, метрик оцінювання.Особливу увагу приділено прикладному застосуванню: обробка текстів, зображень, рекомендаційні системи, прогнозування, аналіз великих обсягів даних. Дисципліна формує базу для подальшої спеціалізації у сфері Data Science, Computer Vision, NLP (Natural Language Processing), розробки інтелектуальних сервісів та досліджень у галузі штучного інтелекту. Після проходження курсу студенти здобувають не лише технічні навички, а й розуміння сучасних викликів і можливостей, пов’язаних із розвитком ШІ у суспільстві.