Действующая образовательная программа

8D06101 Информационные системы (по отраслям) в ВКГТУ им. Д. Серикбаева

  • Методы научных исследований
    Кредитов: 5

    Дисциплина направлена на развитие фундаментальных знаний о методологии научных исследований и приобретению практических навыков проведения исследований в области ИКТ с соблюдением принципов и критериев научного исследования. Дисциплина включает практические аспекты формирования цельного представления об информационных технологиях управления знаниями и реализацию методов Data Science.

    Год обучения - 1
    Семестр 1
  • Анализ и визуализация данных
    Кредитов: 5

    Практико-ориентированная форма обучения в рамках данной дисциплины позволяет реализовать важный этап интеллектуального анализа данных. Визуализация данных позволит оценить степень соответствия ожиданиям и пригодности данных к анализу, выдвижения гипотез о закономерностях и необходимых процедурах первичной обработки. Будут реализованы методы визуализации исходных данных, визуализации результатов первичной обработки, визуализации промежуточных и окончательных результатов.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Machine Learning & Data Science
    Кредитов: 5

    Дисциплина направлена на развитие навыков работы с алгоритмами машинного обучения для решения реальных научно-технологических задач по направлению диссертационного исследования. Изучаются алгоритмы контролируемого машинного обучения, основанные на фактических данных, алгоритмы неуправляемого машинного обучения, являющиеся прогностическими моделями, а также алгоритмы усиленного обучения, в которых используются программные агенты.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Прикладные аспекты интеллектуального анализа в научных исследованиях
    Кредитов: 5

    Курс направлен на развитие практических навыков применения методов Data Mining для решения научно-технологических задач по направлению диссертационного исследования. Докторант приобретает практически навыки разработки многофакторных вычислительных моделей экспериментальных данных. Приобретённые практически навыки позволят представить результаты диссертационного исследования в научных журналах и отчетах НИР в виде прилагаемого к статье компьютерного исполняемого модуля многофакторной вычислительной модели экспериментальных данных.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Методы системного синтеза в управлении сложными системами  
    Кредитов: 5

    Изучаются методы системной инженерии позволяющие выявить объективные закономерности функционирования сложных объектов и учитывать существенные факторы для повышения качества этих объектов. Дисциплина направлена на развитие практических навыков установления структурных связей между переменными или элементами исследуемой сложной системы, а также приобретение навыков структуризации проблемных ситуаций при управлении сложными системами.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Разработка и экспертиза научно-исследовательских проектов в области ИКТ
    Кредитов: 5

    Дисциплина направлена на изучение требований к фундаментальным и прикладным научным исследованиям и экспериментальным разработкам в области ИКТ, процессам организации и проведения экспертизы проектов коммерциализации результатов научной и научно-технической деятельности. Развиваются практические навыки написания заявок по теме исследования на получение научных грантов, навыки научно-технического анализа и экспертизы проектов в области ИКТ.

    Год обучения - 1
    Семестр 1
  • Академическое письмо
    Кредитов: 5

    Рассматривается специфика обучения академической письменной речи, представлена номенклатура умений письменной академической речи. Анализируется структура различных публикаций. Особое внимание обращено на алгоритм написания научной публикации, к международным требованиям к научному тексту для подготовки публикации в международных журналах: критическая оценка источников информации, редактирование, отзывы экспертов, требования к материалам и критерии оценки, примеры из практики, понятие плагиата.

    Год обучения - 1
    Семестр 1
  • Код ON6

    Разработка многофакторных вычислительных моделей экспериментальных данных для решения реальных сложных ресурсоемких научно-технологических задач и структуризации проблемных ситуаций с применением методов Machine Learning, Data Science и системной инженерии

  • Код ON4

    Определять актуальные научные проблемы и методологии построения концепций, стратегий, функциональных моделей деятельности и взаимодействия в области ИКТ с применением методов системной инженерии и Data Science.

  • Код ON2

    Применять методологию научного творчества и управления знаниями для теоретического и экспериментального исследования информационных процессов и ресурсов в области ИКТ для решения реальных научно-технологических задач в академической или промышленной отрасли.

  • Код ON5

    Разрабатывать обоснованные заявки или пояснительные записки научно-исследовательских работ в области ИКТ для коммерциализации проектов, ведущие к получению новых знаний и новых решений реальных научно-технологических задач академических или промышленных отраслей.

  • Код ON3

    Разрабатывать интеллектуальные информационные системы и компоненты к ним для поддержки принятия решений на различных уровнях управления в академической или промышленной отрасли.

  • Код ON1

    Анализировать структуру научных публикаций, подготавливать научные статьи, отчеты научно-технического анализа и экспертизы проектов научно-исследовательских и научно-технической деятельности в области ИКТ на основе критериев научного исследования и методов Data Science

Top