Новая образовательная программа

8D06103 Информационные системы в МУИТ (IITU)

  • Методы научных исследований
    Кредитов: 4

    Изучение видов научных исследований, методологии научного познания, проведения исследований, формирования выводов и заключений, написания научных статей и докладов на конференции, обобщения результатов научно-исследовательской работы в диссертации, ее структуры и содержания.

    Год обучения - 1
    Семестр 1
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 5

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 1
    Семестр 1
  • Актуальные проблемы в прогнозировании
    Кредитов: 5

    Курс охватывает основные принципы и особенности построения прогнозных моделей для оценки экспериментов, проверки адекватности построенных моделей и анализа полученных результатов, что составляют основу эффективного управленческого решения. В курсе подробно рассматриваются методы классификации, кластеризации и машинного обучения в прогнозировании с сопровождением мощного математического аппарата. Рассматривается оценка и визуализация прогностических моделей, используя ВИ-технологии, Probabilistic Forecasting, SAS, Deep-Learning, инновационной инженерии. В процессе учебной деятельности докторанты имеют возможность анализировать и оценивать известные научных исследования и генерировать собственные аналитические материалы для выработки стратегических решений современных проблем экономики и ИКТ.

    Год обучения - 1
    Семестр 1
  • Мультиагентная технология программирования
    Кредитов: 1

    Цель курса получение знаний по теоретическим и техническим аспектам многоагентных интеллектуальных систем. Для этих целей лекционная часть курса охватывает следующее: концепция системного подхода к организации систем интеллектуальных агентов, классификация организаций агентов, архитектура агентов, алгебраические модели многоагентных систем и создание многоагентных систем.

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

    Целью изучения дисциплины «Академическое письмо» является развитие у докторантов соответствующих компетенций, направленных на формирование готовности и способности научно-педагогических кадров к реализации собственных исследовательских проектов и представлению их результатов в письменной форме в соответствии с нормами международного академического сообщества.

    Год обучения - 1
    Семестр 1
  • Информационно-поисковые системы
    Кредитов: 5

    Курс охватывает автоматизированную систему поиска, анализ контента, поисковые модели, представление результатов и оценку системы. Изучает применение методов поиска в Интернете, в мультимедийной и многоязычной среде, а также в классификации текста и отслеживании событий

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Методы анализа и обработка больших данных
    Кредитов: 5

    В данном курсе изучаются методы хранения, анализа и обработки больших объемов данных, а также как эффективно анализировать большие данные и извлекать из них деловую и социально значимую информацию. Курс знакомит докторантов с некоторыми ключевыми ИТ-технологиями, которые они смогут использовать для манипулирования, хранения и анализа больших данных. В курсе рассматриваются парадигма программирования MapReduce для параллельной обработки и Hadoop, среда с открытым исходным кодом, которая позволяет дешево и эффективно внедрять MapReduce в бизнес задачах. Докторанты получат возможность разрабатывать системы с высокой масштабируемостью, которые могут принимать, хранить и анализировать большие объемы неструктурированных данных в пакетном режиме и / или в режиме реального времени.

    Год обучения - 1
    Семестр 1
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 10

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 1
    Семестр 2
  • Педагогическая практика
    Кредитов: 10

    Практические навыки и компетенции в преподавательской деятельности в вузе; ответственность и творческого отношения к научной и научно-педагогической деятельности.

    Год обучения - 1
    Семестр 2
  • Исследовательская практика
    Кредитов: 7

    Практика проходит под контролем научного руководителя магистранта и руководителя научно-исследовательского подразделения. Цель научно-исследовательской практики: систематизация, расширение и закрепление профессиональных знаний, формирование у магистрантов навыков ведения самостоятельной научной работы, исследования и экспериментирования.

    Год обучения - 1
    Семестр 2
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 30

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 2
    Семестр 3
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 30

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 2
    Семестр 4
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 30

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 3
    Семестр 5
  • Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации
    Кредитов: 18

    Научно-исследовательская работа докторанта, включая прохождение стажировки и выполнение докторской диссертации

    Год обучения - 3
    Семестр 6
  • Код ON1

    Формулировать задачи исследования и найти пути их решения на основе моделей и методов интеллектуального анализа данных, машинного обучения, нейронных сетей, теорий вычислительной сложности и оптимизации.

  • Код ON2

    Применять методы обработки больших данных и интеллектуального анализа данных для решения ресурсоемких задач

  • Код ON3

    Разрабатывать интеллектуальные информационные системы и компоненты к ним на основе современных методов

  • Код ON4

    Демонстрировать закономерности познания информационных процессов, методы поиска, обработки и представления профессионально значимой информации

  • Код ON5

    Генерировать собственные новые научные идеи в конкретной предметной области и доносить их до научного сообщества

  • Код ON6

    Предлагать обоснованные заявки или пояснительные записки научно-исследовательских проектов в области ИКТ

Top