Презентація магістерської програми з Data Science Українського Католицького Університету, 2017 рік

1. Магістерська програма з
комп’ютерних наук
«Науки про дані»

2. Хто такий data scientist?

3. Джерело: Field Guide to Data Science, https://www.boozallen.com/s/insight/publication/field-guide-to-data-science.html

4. Структура освітньої програми

5. Тривалість програми
● 16 місяців: вересень 2017 – грудень 2018
● 90 кредитів
○ 63 (навчання)
○ 27 (стажування / дипломна робота)
● 3 триместри по 7 навчальних сесій
● Навчальна сесія – 3 дні (Чтв, Птн, Суб)
кожний другий тиждень
● Навчальний день – 4-5 занять

6. Semester I Semester II Semester III
Data
Science
Mathematical Foundations Data Science 1 Data Science 2
Introduction to Data Science Machine Learning Mining Massive Datasets
Linear Algebra Data Engineering Deep Learning
Applied Statistics Data Visualization Reinforcment Learning
Elective courses...
Computer
Science
Computer Science 1 Computer Science 2 Product Development
Advanced Programming Parallel Functional Programming Design Thinking
Big Data Architecture Distributed and Parallel Algorithms Entrepreneurship and Startups
Law in IT
Soft skills
Team work Communications Reflexio
Leadership meetings

7. Опції навчання
● Повна магістерська програма (DS & CS)
○ Магістерський диплом
○ $6,300 або $100/кредит
● Один напрямок (DS або CS)
○ Сертифікаційна програма
○ $3,600 або $120/кредит
● Один модуль (MF, DS1, DS2, CS1, CS2, PD)
○ Сертифікаційна програма
○ $1,260 — 1,680 або $140/кредит

8. Можливості освітньої програми
● Державна ліцензія
● Гнучкість тривалості програми – від 16 до 40 місяців
● Зарахування до 2 курсів зовнішніми сертифікатами (MOOCs)
● Сезонні школи - сертифікаційні програми
● Підтримка в працевлаштуванні / пошуку позицій для аспірантури / місць
для стажування
● Дипломна робота:
○ стажування в компанії
○ створення власного продукту
○ наукова робота

9. Курси та викладачі

10. Introduction to Data Science - Semester 1
● Modeling techniques
● Optimization
● Data mining
● Cognitive computing and artificial
intelligence
● Visual analytics
● Storytelling based on analytics
PhD. Prof. Oleksandr Romanko
Senior Research Analyst, Risk
Analytics, IBM Canada

11. Linear Algebra - Semester 1
● Algorithms for eigenvalue and eigenvector
computations
● Efficiency and stability of algorithm
● Matrix factorizations
● Solving linear systems and least squares
problems
Dr. hab., Prof. Rostyslav Hryniv
Professor at the Ukrainian Catholic University,
Head of the department of Applied Math

12. Applied Statistics - Semester 1
● Statistical inference
● Hypothesis testing
● Bayesian analysis
● Simple linear regression
● Multiple regression
● Polynomial Regression
● Time Series Regression: Correlated Errors
PhD. Prof. Yarema Okhrin
Professor, Chair of Statistics at the University
of Augsburg, Germany

13. Advanced Programming - Semester 1
● Essence of OOP, this/super semantics
● Why do we need interfaces in Java
● Frameworks vs libraries
● Double dispatch, Inheritance vs. use
● Intro to Design pattern
● Composite and Visitor
● Subclassing vs subtypting
● Java lookup
PhD. Prof. Stéphane Ducasse
Researcher at INRIA Lille Nord Europe,
France

14. Big Data Architecture - Semester 1
● Introduction to Big Data
● Hadoop ecosystem
● Java Spring
● Spark
Evgeny Borisov
Big Data Technical Leader in NAYA
Technologies, Israel

15. Machine Learning - Semester 2
● Supervised learning
● Unsupervised learning
● Machine learning theory
● Practical application and debugging
algorithms
● Feature selection, generalization
Sergii Shelpuk
Head of Data Science at Eleks

16. Data Engineering for Data Science - Semester 2
● Introduction to basic data science
questions to ask from the data
● Forming training data instances for
different data types: text, graphs/network,
time-series, images
● Data enrichment
● Basic transformations, data cleaning
● Feature selection methods
● Pattern mining for feature construction
PhD. Prof. Mykola Pechenizkiy
Full Professor, Chair Data Mining, Eindhoven
University of Technology (TU/e)

17. Data Visualization - Semester 2
● Visualization Infrastructure
● Grammar of Graphics
● Principles of information design
● Multidimensional Data Visualization
● Basic Visualization
● Visualization toolkits
● Exploratory data analysis, Visual analytics
Andriy Gazin
Data Visualization Specialist, ex- Texty.org.ua

18. Parallel Functional Programming - Semester 2
● Expressions and their computational
model
● Recursive definitions and structural
induction
● Functional data structures
● Scala
● Lazy computation
● Task-oriented parallelism
● Data-oriented parallelism
● Specialised data structures for parallel
computations PhD. Oles Hodych
CIO at Fielden Management Services,
Australia

19. Distributed and Parallel algorithms - Semester 2
● Theoretical base for distributed and
parallel algorithm design
● Parallel sorting algorithms
● Parallel algorithms on graphs and trees
● Widely used distributed algorithms
● Spark implementations
Andrii Babii
Senior teacher at KNURE, Kharkiv

20. Mining massive datasets - Semester 3
● Processing Structured and
Semi-structured large data
● Graphs
● Centrality measures for graphs
● Large graphs with NoSql databases
● Data Streams
PhD. Diego Saez-Trumper
Researcher and Data Scientist at the
University Pompeu Fabra

21. Introduction to Deep Learning - Semester 3
● Feedforward models
● Intro to theory of optimization
● Deep Feedforward Neural Networks
● Deep Convolutional Neural Networks
● Dynamic neural networks
● Neural networks for control
PhD. Artem Chernodub
Chief R&D Officer – Clikque Technology
Corporation

22. Reinforcement learning - Semester 3
● Bandit algorithms
● Markov decision processes
● Model-free control
● Value function approximation
● Policy gradients
● Deep reinforcement learning
PhD. Juan Pablo Maldonado Lopez
Lecturer at the Czech Technical University in
Prague

23. Elective problem domain courses - Semester 3
● Natural Language Processing
● Computer Vision
● Network Analysis / Social Network Analysis / Urban Analytics
● DS Applications in Finance
● Recommender Systems
● Bioinformatics

24. Product Development module - Semester 3
Design Thinking
Oleksandr Akymenko
Co-founder, CEO at “Platformedia”
Law in IT
Dima Gadomsky
CEO at Axon Partners
Entrepreneurship
and Startups

25. Soft skills
Leadership Team work
Communications Reflexio

26. Soft skills
Communications
Mariya Tytarenko
School of journalism at UCU
Team work
Natalia Shpot
Lviv Business School

27. Leadership meetings
Stephen Russo
Dir Security & Privacy
Technology at IBM
Марк Зархін
Cпіввласник ресторанної
групи Кумпель
Мирослав Маринович
Українським дисидент, віце-
ректор УКУ
Sean-Patrick Lovett
Vatican Media Professional
Віталій Гончарук
CEO at Augmented Pixels

28. Навчання на програмі

29. Особливості навчання на програмі
● Немає екзаменаційних сесій! Але навчання дуже насичине та
інтенсивне.
● Основні мови програмування – Python, R, Java, Scala
● Проектно-орієнтоване навчання – майже всі навчальні дисципліни мають
проект протягом курсу
● Інтеграція проектів – міждисциплінарні проекти
● Збалансований розклад – одночасно відбувається не більше 3-4 курсів
● Доступ до всіх матеріалів курсів (презентації, відео-лекції)
● Широка мережа контактів з індустрією (українські та міжнародні компанії) та
академією (партнерство з європейськими університетами)

39. Вступ на програму

40. Вступні вимоги
● Знання:
○ вища математика, основи лінійної алгебри,
○ дискретна математика,
○ основи теорії ймовірностей,
○ програмування, ООП,
○ базові алгоритми, структури даних,
○ основи баз даних, SQL.
● Англійська – рівень B2
● Диплом бакалавра (спеціальність - неважливо)

41. Умови зарахування на програму
● Зарахування за умовами конкурсу
● Загалом 100 балів:
○ Фаховий іспит (письмово) - 30 балів
○ Іспит з англійської мови (письмово) - 30 балів
■ або сертифікат TOEFL/IELTS рівня В2 і вище
○ Співбесіда - 40 балів
● Перелік тем для іспитів та приклади минулорічних білетів
○ http://csds.ucu.edu.ua/admission/how-to-apply/

42. Важливі дати
● Липень - прийом офіційних документів
● Вступні іспити (можна обрати один з варіантів):
○ 20-22 липня
○ 1-3 серпня
● Результати зарахування на програму 3-5 серпня
● Деталі: http://vstup.ucu.edu.ua/mcs/

43. Стипендіальна підтримка навчання

44. Стипендіальна підтримка
● Конкурс на стипендії в липні-серпні
○ Конкретні дати будуть відомі до кінця травня
● Основні критерії
○ Лідерські якості
○ Великий потенціал в індустрії/академії
○ Близькість цінностям УКУ
● Кількість стипендій обмежена
● Різні види стипендій:
○ Від компаній партнерів
○ Від університету

45. Стипендії від компаній партнерів
● Покриває 90% або 50% вартості навчання
● Можливе проходження інтернатури в компанії
● Можливе підписання окремого договору з компанією про обов’язкове
працевлаштування протягом певного періоду
● Участь представників компанії у відборі стипендіатів
Партнери 2017 року

46. Стипендії від УКУ
● Знижка до 30% оплати навчання
● Умова роботи асистентом викладача на курсі магістратури чи бакалавра
○ 1 день щотижня
○ 1 курс кожного триместра
○ Консультації для інших студентів під час написання диплому
● Статус стипендії може бути переглянутий в будь-який момент і може
анулюватись

47. Конкурс на стипендії
● І етап: скайп співбесіди - червень-липень 2017
● ІІ етап: очні співбесіди з представниками компаній - липень-серпень 2017

48. Контактна інформація
Магістерська програма
● Веб-сайт: csds.ucu.edu.ua
● ФБ сторінка: fb.com/ucucsds
● Email: mscs@ucu.edu.ua
Приймальна комісія
● Веб-сайт: vstup.ucu.edu.ua
Факультет прикладних наук
● Веб-сайт: cs.ucu.edu.ua
● ФБ сторінка: fb.com/csatucu
● Email: cs@ucu.edu.ua

49. Завантажити презентацію
goo.gl/jb4vMD

50. Подати заявку на вступ
https://goo.gl/forms/DzCWYlS5ZKwF8ov03