Академический блок

Computer Science MSP 2022/2026

Инфокоммуникационные технологии и системы связи. Общий курс.

Форма обучения: Очная

Обучение по данному направлению дает знания в области физики связи, цифровой обработки сигналов, устройств и принципов, лежащих в основе современных и перспективных систем 5G и 6G, и формирует практические навыки разработки современных приемопередающих устройств и программного обеспечения и элементной базы для них, проектирования и администрирования компьютерных и мобильных сетей.

Преимущества направления:

• сотрудники Кафедры имеют опыт работы на предприятиях промышленности России и работы в крупных компаниях за рубежом, который успешно передают студентам;
• ведутся исследования и разработки по востребованным и перспективным направлениями развития микроэлектроники в телекоммуникациях, разработки перспективных систем, сетей и средств связи, обеспечение безопасности инфотелекоммуникационных систем
• имеются обширные и реально работающие связи с предприятиями промышленности Зеленограда и России.
• выпускники работают в ведущих компаниях отрасли, строят успешную карьеру.
• мы даем возможность каждому студенту максимально реализовать себя в профессии еще в годы учебы, обеспечивая выпускникам высокую конкурентоспособность на рынке труда
• со второго курса приглашаем студентов для принятия участия в реальных научных проектах кафедры
• мы помогаем студентам участвовать и побеждать в профильных олимпиадах, конкурсах и грантах
• оказываем поддержку выпускникам при трудоустройстве

Дальнейшие специальности:

• прикладная математика и информатика;
• информатика и вычислительная техника;
• программная инженерия;
• информационная безопасность;
• бизнес-информатика;
• мехатроника и робототехника.

Fine Arts 2023/2025

Форма обучения: Очная

Образовательная программа ориентирована на самый широкий круг слушателей от 18 лет, которые хотят развить свои творческие способности, освоить новые техники и приемы в области изобразительного и прикладного искусства.

По окончании обучения выдается Свидетельство МГАХИ им. В.И. Сурикова.
Продолжительность обучения 9 месяцев (учебный год).

Курсы подразделяются на два уровня: начальный и продвинутый.

• На начальный уровень принимаются все желающие без предварительных просмотров.

• На продвинутый уровень набор проходит по положительным портфолио. Свое портфолио присылать по адресу [email protected]. При одобрении Вашего портфолио для продвинутого уровня можете заключать договор на обучение. Требования к портфолио: живопись – 3 работы, рисунок – 3 работы, композиция – 3 работы (при наличии).»

Science of historical data 2022/202

Форма обучения: Очная

Изучение дисциплины «Наука о данных» базируется на следующих дисциплинах: математический анализ; линейная алгебра; Для освоения учебной дисциплины студенты должны владеть следующими знаниями и компетенциями:

Знать основные понятия курса математический анализ

Знать простейшие методы решения задач;

Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин: Эконометрика, машинное обучение, случайные процессы, прикладная микроэконометрика.

По итогам курса

знать: — синтаксис языков программирования Python и R — основные принципы обработки и визуализации данных — описание стандартных библиотек для сбора и обработки данных

уметь: — решать простые алгоритмические задачи — извлекать информацию из внешних источников в автоматическом режиме — обрабатывать информацию средствами стандартных библиотек

владеть: — навыками сбора данных из структурированных и неструктурированных источников — навыками обработки данных — навыками визуализации данных

Mathematics and advanced Statistics 2023/2027

Форма обучения: Очная

• Базовые понятия программирования. Переменные, операторы, управляющие конструкции, циклы.
• Типы данных в Python. Функции и элементы функционального программирования.
• Извлечение данных из различных источников (HTML, XML, CSV, JSON).
• Дескриптивная статистика. Построение графиков и диаграмм в Python и R
• Математические инструменты Python. Библиотеки numpy и Scipy
• Статистические инструменты Python. Библиотеки pandas, Statsmodels, scikit-learn.
• Введение в программирование на R. Типы данных и управляющие конструкции
• Работа с данными в R. Библиотека tidyverse и её компоненты. dplyr и tidyr.
• Визуализация данных в R. Библиотека ggplot2.
• Основы работы с базами данных. Язык запросов SQL
• Извлечение информации из текстов. Регулярные выражения