Список тем докладов (вопросов на экзамен) + рекомендации к структуре доклада
Численная оптимизация.
Градиентный спуск.
Собственные числа и собственные вектора.
Решение СЛАУ.
Нахождение корней уравнения (выше 2го порядка).
Распространенные статистические/вероятностные распределения СВ.
Распространенные статистические/вероятностные критерии классификации.
Генераторы случайных чисел.
Распространенные статистические методы анализа данных.
Корреляционный анализ.
Регрессионный анализ данных.
Дисперсионный анализ данных.
Факторный анализ данных.
Проверка гипотез.
Метод главных компонент.
Геометрические методы анализ данных.
Построение модели анализа данных.
Выбор информативных признаков модели.
Подготовка данных (Data Set).
Предварительная обработка данных.
Очистка данных.
Фильтрация экстремальных наблюдений.
Распространенные методы интеллектуального анализа данных.
Место и роль AI.
Место и роль Data Mining.
Распознавание образов / машинное зрение (можно делать доклад по отдельным подходам, темам и приложениям).
Распознавание звука (можно делать доклад по отдельным подходам, темам и приложениям).
Машинное обучение.
Нейронные сети (можно делать доклад по отдельным НС, важным с прикладной точки зрения).
Сверточные нейронные сети.
Рекуррентные нейронные сети.
Кластерный анализ.
Деревья решений.
Основы прогнозирования.
Возможности и библиотеки языка Python (можно сделать доклад, например, по извлечению и структуризации данных, …).
Возможности и библиотеки языка R.
Табулярная модель данных.
Параллельная обработка данных (можно делать доклад по инструментам/сервисам: CUDA, MPI, …).
Характеристика и возможности Amazon Web Services в Data Science (можно брать альтернативные облачные сервисы).
Характеристика и возможности Data Science приложений (медицина, например, e-Health Apps, прогнозирование курса валют, биометрическая идентификация, …)
Каждый доклад должен содержать: модель, метод, основное ПО, сферы и примеры практического применения.
***
Тему доклада можно выбрать индивидуально, например, соответственно специфике своей работы, или диплома. Тема может быть практической: можно поставить интересный эксперимент и дать развернутый анализ его результатов с выводами и рекомендациями. Такой подход может одновременно преследовать цели диплома, публикации и презентации. Можно раскрыть вопрос Data Science Program на выбор (Презентация 1, Слайд 11).