Анализ и обработка больших данных на основе ML-методов

Во вторник 29 сентября 2026 года в Предпринимательской точке кипения Дагестанского государственного университета с 15.00 по 16.00 состоится лекционное занятие и мастер-класс на тему «Анализ и обработка больших данных на основе ML-методов».

Спикер:

Исмиханов Заур Намединович, доцент, к. э. н., декан факультета информатики и информационных технологий, эксперт НТИ.

Участники дискуссии:

- Касимова Т.М., к. э. н., доцент, начальник отдела инновационной деятельности и трансфера технологий, куратор Программы, эксперт НТИ.

- Гираев К.М., к. ф.-м. н., доцент, начальник управления научно-исследовательских работ, куратор Программы, эксперт НТИ.

- Магомедова С.Р., к. э. н., старший преподаватель, начальник информационно-вычислительного центра Дагестанского госуниверситета, директор ООО «Смарт-Код», эксперт НТИ;

Аннотация:

Занятие посвящено ознакомлению с методологией анализа и обработки больших данных на основе методов машинного обучения (ML). В ходе мероприятия будут рассмотрены основные принципы и методы анализа и обработки больших данных, а также их применение в различных областях, включая бизнес, науку и технологии. Будут обсуждены основные этапы процесса работы с большими данными, включая сбор, хранение, предобработку, анализ и интерпретацию данных. Особое внимание будет уделено методам машинного обучения, включая нейронные сети, решающие деревья, алгоритмы кластеризации и классификации, а также различные инструменты и технологии для работы с большими данными, включая Apache Hadoop, Apache Spark и TensorFlow. Планируется обсуждение преимущества и ограничения использования методов машинного обучения для анализа и обработки больших данных, а также возможности их применения в различных отраслях. Будут рассмотрены примеры использования методов машинного обучения для решения конкретных задач анализа и обработки больших данных, а также их влияние на современные технологии и развитие общества. В заключение занятия буду показаны технические и экономические аспекты работы с большими данными на основе методов машинного обучения, включая требования к оборудованию и квалификации персонала.