На данный момент кафедра разрабатывает курсы, записаться на которые можно во время кампании курсов по выбору. Курсы кафедры охватывают актуальные темы в области генеративных моделей ИИ, больших данных и инфраструктуры для больших данных, а ведут их действующие IT-специалисты МТС, среди которых есть руководители больших команд и CTO продуктов. Однако важно отметить, что отдельно взятый курс может запускаться не ежегодно, а в зависимости от актуальности тем и доступности экспертов.
Линейка дисциплин обновляется и расширяется, предлагая новые учебные курсы с акцентом на практикоориентированность, которую позволяет гарантировать экспертиза действующих сотрудников МТС. Это означает, что каждый учебный год может предложить что-то актуальное и востребованное на рынке, без гарантии повторения курсов в будущем.
Список курсов и освещаемые в них темы, подготовленные базовой кафедрой МТС:
Разработка микросервисов на Go
Разработка микросервисов на Go
- Вводная встреча: презентация курса, разбор проекта, сверка ожиданий
- Основы Go
- Основы WEB для разработчиков
- Стандартные библиотеки и практики Go
- Архитектура на уровне приложения Go
- Архитектура систем
- Документация и тестирование
- Наблюдаемость
- Нереляционные БД, MongoDB
- Реляционные БД, PostgresQL
- Go Internals (для продвинутых)
- Асинхронное взаимодействие, Kafka/Rabbit/NATS
- Concurrency
- DevOps (опционально)
Методы и системы обработки больших данных
Методы и системы обработки больших данных
- Запуск платформы данных на DataBricks/GCP
- Ключевые составляющие платформы данных: Storage, Transform, Discovery, Reporting, Quality, Governance
- Распределенные файловые системы
- Введение в Hadoop: HDFS, YARN, MapReduce
- Распределенные вычисления
- Введение в Apache Spark: общие концепции, DataFrames, Spark SQL
- Продвинутый Apache Spark: оптимизации, RDD
- Объектные хранилища: Amazon S3
- Schedulers: Apache Airflow, Prefect, Cron
- Massive Parallel Processing (MPP): распределенные OLAP хранилища
- Стриминг: Kafka, Structured Streaming, KSQL, FLINK
Введение в платформы данных
Введение в платформы данных
- Основные концепции платформ данных. Задачи, которые они решают
- Хранение данных. DWH vs DataLake. Где и как хранить Big Data
- Загрузка данных в хранилище из различных источников. ETL, Streaming
- Построение витрин данных в хранилище. Модели данных
- Оптимизация работы пользователей с хранилищем. Оптимизация производительности
- Data Governance. Новый уровень доверия к данным
- Качество данных. Что это такое и как его мерять
- Каталог данных. Построение Data Mesh
- Аналитика данных. Способы работы с данными в хранилище. Data Virtualization
- Business intelligence и визуализация данных
Computer vision (in English)
Computer vision (in English)
- Introduction: Computer Vision and Video Processing Course
- 3D Reconstruction 1
- 3D Reconstruction 2
- DETR and ViT
- Computer Vision in Autonomous Vehicles
- Visual Object Tracking and Motion Prediction
- Face Recognition (Invited)
- Text and Image
- Neural Network Compression
DevOps
DevOps
- DevOps методология и ее место в подходах к разработке
- Цикл разработки ПО и инструменты DevOps
- Практики DevOps на разных масштабах
- Больше о DevOps инструментарии
- DevOps инженер, навыки, знания
- Контейнеры, виртуалки и железо: примеры развертывания
- Советы по выбору места и роли, развитию в DevOps
Машинное обучение в прикладных задачах
Машинное обучение в прикладных задачах
Модуль 1 - Оптимизация взаимодействия с клиентом
- Рекомендательные системы и поиск
- Ценообразование на основе данных и прогнозирование спроса
- Скоринг
- Лидогенерация
Модуль 2 - Оптимизация расходов бизнеса
- Приоритизация инвестиций и оптимизация расходов производства
- Детектирование аномалий (примеры: утечки электроэнергии, фродовые продажи, предиктивное обслуживание)
- Оптимизация маркетинговых расходов
- Оптимизация работы персонала и процессов в компании. Управление мотивацией и численностью. Business process mining.
- Автоматизация работы с помощью deep learning. Чат-боты и LLM. Автоматизация с помощью Computer Vision
Модуль 3 - Обзор применений по отраслям
- Телеком
- Банки и FinTech
- Промышленность и сельское хозяйство
- РайдТех
- Рекламные технологии