DataScience Lab, 13 мая 2017
Магистерская программа "Data Science" в УКУ
Орест Купин(Master's Student at UCU)
В этом докладе я расскажу вам о магистерской программе со специализацией в анализе данных в Украинском Католическом Университете. Я расскажу про структуру программы, основные курсы, а также опишу свой опыт как студента УКУ и поговорю об вызовах с которыми мы столкнулись в этом году.
Все материалы доступны по ссылке: http://datascience.in.ua/report2017
DataScience Lab, 13 мая 2017
Магистерская программа "Data Science" в УКУ
Орест Купин(Master's Student at UCU)
В этом докладе я расскажу вам о магистерской программе со специализацией в анализе данных в Украинском Католическом Университете. Я расскажу про структуру программы, основные курсы, а также опишу свой опыт как студента УКУ и поговорю об вызовах с которыми мы столкнулись в этом году.
Все материалы доступны по ссылке: http://datascience.in.ua/report2017
Презентація ініціативи хабу DataX від факультету прикладних наук Українського Католицького Університету.
DataX поєднує в собі освітні та консалтингові проєкти по роботі з даними від УКУ: Data Science, Data Engineering, Data Analytics та інші.
Презентація ініціативи хабу DataX від факультету прикладних наук Українського Католицького Університету.
DataX поєднує в собі освітні та консалтингові проєкти по роботі з даними від УКУ: Data Science, Data Engineering, Data Analytics та інші.
Воронкін О.С. Можливості використання генеративного штучного інтелекту в освіті Oleksii Voronkin
Презентація доповіді Воронкіна Олексія на дискусійній панелі «ШТУЧНИЙ ІНТЕЛЕКТ В ОСВІТІ: МОЖЛИВОСТІ ТА ВИКЛИКИ» в рамках VII МІЖНАРОДНОЇ КОНФЕРЕНЦІЇ УАДО «ТРАНСФОРМАЦІЯ ОСВІТИ: ВИКЛИКИ СУЧАСНОСТІ,
29 червня 2023 рік
О.Г Кузьмінська, доцент кафедри інформаційних і дистанційних технологій, НУБіП України, кандидат педагогічних наук. "Навчально-методичне забезпечення для занять з інформатики від творчої групи авторів під керівництвом Н.В.Морзе"
We used to think that everyone could teach. That if someone is a good professional and expert in her field, she will be a good instructor, teacher, or mentor. And that she will easily transfer her knowledge to others. This view is far from reality and harms. Every time there are new (and not that new) teachers and educators who get into this trap. Teaching is a profession that should be mastered like any other one. At this talk, we will try to answer the following questions. What are the main challenges while teaching adults? How to take into account our cognitive abilities and brain’s behavior while designing a learning experience for your students? How and when does it better to use the ed-tech tools to leverage the study process?
This talk was delivered at Engageducate conference from Softserve University
Лекція прочитана 8 листопада 2017 року в Національному університеті водного господарства та природокористування в рамках презентації ініціатив Програми Фулбрайта в Україні.
This document provides an introduction and overview of CS50, an introductory computer science course. It discusses the goals of learning computer science and programming, introduces some key concepts like binary and decimal numbering systems, and outlines the course structure including lectures, problem sets, and support resources available to students.
This document contains a variety of links and information related to computer science topics including websites for registering for CS50, 3D printing, YouTube videos, source code examples, and the Scratch programming environment. It also includes pseudocode for a phone book searching algorithm, code snippets in C and JavaScript, and notes about variables, loops, conditions, functions and other programming concepts. The document appears to be notes from an introductory computer science course that will continue next week with sections and office hours.
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Алгоритм Дейкстри".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Пошук вглиб у графах".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Графи".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Бінарні дерева пошуку".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Хеш-таблиці".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Піраміди".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Базові структури даних".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Лінійне сортування".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Порядкові статистики".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Швидке сортування".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Рекурентні співвідношення".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Метод декомпозиції".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Слайди лекції з курсу "Розробка та аналіз алгоритмів. Частина 1". Тема лекції: "Сортування включенням".
http://edx.prometheus.org.ua/courses/KPI/Algorithms101/2015_Spring/about
Випуск магістрів- науковців факультету мехатроніки та інжинірингу, 2024 р.tetiana1958
Державний біотехнологічний університет.
Випуск магістрів-науковців факультету мехатроніки та інжинірингу, 2024 р.
Спеціальність 133 "Галузеве машинобудування"
Практика студентів на складі одягу H&M у Польщіtetiana1958
Пропонуємо студентам Державного біотехнологічного університету активно поринути у аспекти логістики складу одягу H&M.
Метою практики є не тільки отримання теоретичних знань, а й їх застосування практично.
До 190-річчя від дня нродження українського письменника Юрія Федьковича пропонуємо переглянути віртуальну книжкову виставку, на якій представлена література про його життєвий шлях і твори автора.
Нинішній етап розвитку економіки країни вимагає підвищеного попиту на сільськогосподарську продукцію, виробництво якої неможливе без розвинутого агропромислового комплексу. Тому вплив наукових розробок на сферу виробництва сільськогосподарської продукції набуває все більшої уваги, розцінюється як визначальний фактор інноваційного розвитку в розбудові продовольчого ринку України.
У сучасних умовах сільськогосподарського виробництва пріоритетним напрямком наукових досліджень є обґрунтування та удосконалення сучасних агротехнологій вирощування зернобобових культур на засадах енерго- і ресурсозбереження та екологічної безпечності. Зернобобові культури належать до цінних у продовольчому, кормовому та агроекологічному значенні рослин сільського господарства України.
За посівними площами та валовими зборами товарного насіння група зернобобових культур у світовому землеробстві займає друге місце після зернових. Така їхня позиція зумовлена тим, що вони є найдешевшим джерелом високоякісного білка для харчування людей і годівлі тварин та птиці. Крім цього, насіння бобових вирізняється позитивним впливом на здоров’я людей та тварин завдяки оптимально поєднаному в ньому амінокислотному складу, комплексу вітамінів, мінеральних елементів, інших біологічно активних сполук.
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
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
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
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)
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/
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