6B06112 Data science в МУИТ (IITU)

В курс входит: Теория матриц, системы линейных уравнений, теория векторов, аналитическая геометрия, предел и дифференцирование функций одной переменной.

Курс предназначен для формирования профессиональных и общеобразовательных компетенций будущих специалистов в области компьютерной безопасности через ознакомление с общими принципами построения и использования языков программирования, а также развитие навыков проектирования и реализации алгоритмов решения практических задач на программном языке, использования языков ассемблера современных компьютерах.

В курсе затрагиваются такие темы, как: Кинематика; динамика; круговое движение и гравитация; энергия; импульс; простые гармонические колебания; крутящий момент и вращательное движение; электрический заряд и электрическая сила; Цепи постоянного тока; термодинамика и механические волны, поле и потенциал; электрические цепи; индукция магнетизма и электромагнетизма; геометрическая и физическая оптика; и квантовая, атомная и ядерная физика и звук.

Цель курса ознакомить студентов с важными отраслями исчисления и его применениями в компьютерных науках. Во время учебного процесса студенты должны ознакомиться и уметь применять математические методы и инструменты для решения различных прикладных задач. Более того, они изучат фундаментальные методы исследования бесконечно малых переменных с помощью анализа, основу которого составляет теория дифференциальных и интегральных вычислений.

Практика включает детализацию отделочных блоков обобщенной схемы, выделить необходимые классы и методы, определить наборы логически связанных между собой данных (потоки данных), ввести различные дополнительные средства для обеспечения наглядности и повышения уровня сервиса проектируемой программы, разработать обобщенную схему алгоритма, разработать и отладить программу, реализующую спроектированную модель.

Курс посвящен разбору профессиональных тем: «Компьютеры и работа», «Работа в ИКТ», «Типы компьютерных систем», «Основы работы с компьютером», «Операционные системы и графический интерфейс», «Обработка текстов», «Киберпространство: безопасность и криминал» и т.д.

Курс посвящен вероятности, а также взаимосвязи между математикой и моделированием, операционными системами в рамках междисциплинарной программы обучения, охватывающей раздел математического анализа.

Дискретная математика является частью математики, посвященной изучению дискретных объектов (здесь дискретные средства, состоящие из отдельных или не связанных между собой элементов). В более общем смысле дискретная математика используется всякий раз, когда подсчитываются объекты, когда изучаются отношения между конечными (или счетными) наборами и когда анализируются процессы, включающие конечное число шагов. Основной причиной роста важности дискретной математики является то, что информация хранится и обрабатывается вычислительными машинами дискретным образом.

Курс посвящен активизации и углублению знаний, умений и навыков владения научным стилем речи русского языка, формированию профессиональной языковой компетенции.

В курс входит: Инкапсуляция, наследование, полиморфизм. Создание классов. Создание полезных клиентских апплетов и автономных приложений, основываясь на реальных требованиях, которые студенты получают от реальных клиентов или работодателей.

Курс объясняет основные понятия определенного интеграла и его свойств; использовать различные математические методы для оценки интегралов, применять определенные интегралы для решения прикладных задач; разработать методы численного интегрирования; определить понятия бесконечных рядов, приближения функций и понятие сходимости; применять бесконечные ряды в приближенных расчетах.

Практика включает изучение организационной структуры и комплекса технических средств информационно-аналитического центра (ИАЦ) организации. Выявление основных задач, решаемых ИАЦ. Изучение информационного обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение математического обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение программного обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение организационно-правового обеспечения выбранной задачи (комплекса задач или подсистемы). систематизация и анализ фактических материалов, необходимых для написания курсовой работы, научного доклада и отчета о прохождении практики.

Курс классифицирует дифференциальные уравнения и применяет необходимые методы для решения этих уравнений; учит решать линейные дифференциальные уравнения n-го порядка и систем линейных уравнений с постоянными коэффициентами; находить точки покоя автономной системы; решать краевые задачи для линейного однородного уравнения с постоянными коэффициентами; и использовать математический аппарат для освоения теоретических основ и практического использования физических методов.

Уникальная архитектура Java позволяет программистам разрабатывать единое приложение, которое может беспрепятственно и надежно работать на нескольких платформах. В этом практическом курсе студенты получают обширный опыт работы с Java и ее объектно-ориентированными функциями. Студенты учатся создавать надежные консольные и графические приложения, а также хранить и извлекать данные из баз данных отношений

Целью освоения курса является развитие навыков программирования на языке Python. В результате освоения дисциплины студент должен: знать основные конструкции и идиомы языка программирования Python и уметь на практике составить несложную программу для выполнения поставленной аналитической задачи. Иметь навыки формализации и решения практических задач по программированию

Курс посвящен статистике любых событий, а также взаимосвязи между математикой и моделированием, операционными системами в рамках междисциплинарной программы обучения, охватывающей раздел современные статистические методы и экономическую теорию.

Курс предназначен для изучения алгоритмов и программ разработки для решения различных задач. Для этого рассматриваются программная структура, принципы построения алгоритмов и программ, методы решения, алгоритмизации, программирования, отладки и реализации программ с использованием языка программирования.

"В этом практическом курсе студенты получают обширный опыт работы с програмным языком С# и ее объектно-ориентированными функциями. C # - самый популярный язык программирования в экосистеме продуктов Microsoft. Код C # предназначен для быстрой работы и простоты обслуживания. В Основах C # мы научимся работать с C # для написания простых программ."

Курс показывает как применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями. Курс ориентирован на практику и позволит вам сразу приступить к работе с данными и построению моделей.

Цели -овладение основными понятиями и методами исследования экономических систем; изучение современного состояния и основных направлений развития математических моделей экономических систем различных уровней; приобретение навыков, необходимых для самостоятельной работы по проектированию и внедрению в практику экономического анализа моделей и моделирующих алгоритмов; выработка системного типа мышления.

Курс разработан, чтобы помочь студентам развить свои знания английского языка для их текущих и будущих академических исследований. Повышение уровня грамматической точности и развитие навыков аудирования, чтения, писем и разговорной речи в формате IELTS.

В курс входит: Основы теории погрешностей, Системы линейных алгебраических уравнений, Нелинейные уравнения и системы нелинейных уравнений, Интерполяция и наилучшие приближения, Дифференцирование и интегрирование функций, Обыкновенные дифференциальные уравнения, Уравнения математической физики.

Курс содержит обзор принципов и закономерностей экономических отношений.

Многослойные искусственные нейронные сети становятся все более распространенным инструментом во множестве областей применения. В основе этой революции глубокого обучения лежат знакомые концепции из прикладной и вычислительной математики, особенно из исчисления, теории приближений, оптимизации и линейной алгебры. Этот предмет представляет собой введение в основные идеи, лежащие в основе глубокого обучения с точки зрения прикладной математики. Этот курс был посвящен четырем фундаментальным вопросам: Что такое глубокая нейронная сеть? Как обучается сеть? Что такое стохастический градиентный метод? Как использовать алгоритм глубокой нейронной сети для решения задач с частными дифференциальными уравнениями. Курс иллюстрирует эти идеи с помощью короткого кода MATLAB, который настраивает и обучает сеть. Курс также демонстрирует использование современного программного обеспечения для решения крупномасштабной задачи классификации изображений.

Аналитик — специалист, занимающийся изучением и моделированием конкретной области. Power BI — система аналитики, которое объединяет данные из различных источников информации, преобразует их, и представляют в наглядном виде, удобном для анализа. Технологии BI позволяют обрабатывать большие неструктурированные объемы данных для принятия решений. Power BI – это набор программных сервисов Microsoft, которые работают вместе, превращая несвязанные источники данных компании в целостные интерактивные отчеты. При этом источником могут быть базы данных, файлы Excel, данные из облачных источников и интернета, текстовые файлы и так далее. Данный инструмент помогает отслеживать ситуацию и незамедлительно получать ответы на вопросы с помощью подробных информационных панелей, доступных на каждом устройстве.

Курс содержит элементы алгебры, статистики, элементы математического анализа (например, градиентный спуск), элементы численного метода и анализа, введение в оптимизационные задачи, элементы векторного пространства.

В большинстве задач построение математической модели не удается свести к задаче линейного программирования. Математические модели в задачах проектирования реальных объектов или технологических процессов должны отражать реальные протекающие в них физические и, как правило, нелинейные процессы. Переменные этих объектов или процессов связанны между собой физическими нелинейными законами, такими, как законы сохранения массы или энергии. Они ограничены предельными диапазонами, обеспечивающими физическую реализуемость данного объекта или процесса. В результате, большинство задач математического программирования, которые встречаются в научно-исследовательских проектах и в задачах проектирования – это задачи нелинейного программирования (НП)

В курсе изучаются следующие разделы: Основные задачи математической физики. Разностные схемы для уравнений параболического типа. Разностные схемы для уравнений гиперболического типа. Разностные схемы для уравнений эллиптического типа. Вариационные и вариационно-разностные методы. Итерационные и вариационные методы решения нелинейных задач математической физики. Методы Монте – Карло.

Практика включает изучение организационной структуры и комплекса технических средств информационно-аналитического центра (ИАЦ) организации. Выявление основных задач, решаемых ИАЦ. Изучение информационного обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение математического обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение программного обеспечения выбранной задачи (комплекса задач или подсистемы). Изучение организационно-правового обеспечения выбранной задачи (комплекса задач или подсистемы). систематизация и анализ фактических материалов, необходимых для написания курсовой работы, научного доклада и отчета о прохождении практики.

Курс объясняет, что такое система баз данных, а затем переходит к большей части учебного материала для изучения систем реляционных баз данных - баз данных, разработанных в соответствии с реляционной (или табличной) моделью. Затем от абстракции данных курс переходит к управлению транзакциями с дополнительными материалами по повышению производительности запросов. Наконец, появились современные тенденции в проектировании систем баз данных, которые также определяют последние разработки в более широкой истории технологий хранения данных.

Краткая история ERP. Что такое ERP-sistema.Rol ERP-system.The концепция систем планирования ресурсов в масштабе предприятия. Концепция следующего поколения ERP-II. Что вы можете сделать ERP-систему. Функции ERP-системы. Основная цель ERP-системы. Сфера применения. Характеристики ERP-систем. Выбор ERP-системы. Архитектура ERP. Классификация ERP-систем. Анализ рынка ERP-систем. Введение. Новые тенденции: аренда ERP-системы. Обзор системы SAP R/3.

Курс дает способность использовать основные методы естественнонаучных дисциплин в профессиональной деятельности для теоретического и экспериментального исследования; способность использовать соответствующий математический аппарат и инструментальные средства для обработки, анализа и систематизации информации по теме исследования.

Курс включает обучение программированию в вычислительной среде высокого уровня MatLab. Формирование навыков владения современными компьютерными технологиями и методами решения практических задач в области программирования. Формирование навыков применения современных информационных технологий в научных исследованиях. Освоение компьютерных методов обработки сигналов и математического моделирования радиофизических систем.

Ознакомить студентов основными методами решения некорректно поставленных практических задач. Рассматривается модели распространения тепла в многослойной области. Разрабатывается приближенные методы решения некорректных задач искусственного сооружения, составляются алгоритмы решения различных видов обратных задач. Проводятся вычислительные эксперименты, анализируются выходные данные.

Исследовательский анализ данных относится к критически важному процессу выполнения первоначальных исследований данных с целью выявления закономерностей, выявления аномалий, проверки гипотез и проверки предположений с помощью сводной статистики и графических представлений.

Ознакомить студентов методами решения обратных практических задач. Разрабатывается приближенные методы решения обратных задач, составляются алгоритмы. Предсказывать решение заданных задач с помощью машинного обучения. Проводятся вычислительные эксперименты, анализируются выходные данные.

Курс знакомит студентов с теоретическими основами и алгоритмами машинного обучения, их возможными практическими реализациями и применением при решении реальных задач. В рамках данного курса студенты должны получить представление о задачах, решаемых с помощью рассматриваемой теории, и принципах построения некоторых основных классификаторов.

Курс посвящен изучению деятельности, направленной на развитие у студентов способности к самостоятельным теоретическим и практическим суждениям и выводам, умений объективной оценки научной информации, свободы научного поиска и стремления к применению научных знаний в образовательной деятельности, в том числе для выполнения дипломного проекта (работы).

Курс раскрывает отличия и преимущества задач динамического программирования перед классическими задачами математического анализа, классифицирует разделы динамического программирования; формулирует задачи и классифицирует методы решения задач. Наиболее полно раскрыты такие методы, как классический метод определения условного экстремума и метод множителей Лагранжа.

Целью данного курса является изучение основ теории обучения машин, включая дискриминантный, кластерный и регрессионный анализ, овладение навыками практического решения задач интеллектуального анализа данных.

Целями курса являются подготовка студентов в области применения современных методов решения трудно формализуемых задач, требующих больших вычислительных мощностей. Изучение курса направлено на подготовку студентов к решению практических задач обработки данных, математического моделирования, информатики, получение высшего профессионального образования, позволяющего выпускнику успешно работать в избранной сфере деятельности с применением современных компьютерных технологий.

Практика включает закрепление теоретических знаний по учебным дисциплинам специальности; овладение практическими навыками, технологией работы по специальности непосредственно на рабочих местах с использованием ПК, современного программного обеспечения и современной оргтехники; изучение и анализ реальной обстановки в статике и динамике САПР в краткосрочном и долгосрочном периодах применительно к предприятию – базе прохождения практики; оценка достигнутых коммерческих результатов внедрения автоматизации в краткосрочном и долгосрочном периодах, применительно к данным конкретным предприятиям; знакомство с техникой и технологией разработки САПР, процедурами принятия и реализации решений по автоматизации на конкретных предприятиях; сбор материала для выполнения дипломных проектов.

Уметь разрабатывать новые алгоритмы.

Извлекать нужную информацию из всевозможных источников, включая информационные потоки в режиме реального времени.

Создавать математические модели с использованием методов современных информационных технологий.

Анализировать полученную информацию.

Применять математические модели и методы различных процессов

Обрабатывать большие объемы информации.

Проявлять коммуникабельность, инициативность и психологическую подготовленность к трудовой деятельности, в том числе при работе в команде и принимать управленческие и технические решения.

Владение продвинутыми аналитическими инструментами.

Проводить многомерный анализ.

Умение видеть логическую связь в системе собранной информации.

Обладать отличными навыками программирования.

Аргументировать выбор основных стандартов, принципов и шаблонов проектирования, методов, инструментов и языков программирования, в том числе выбирать методы и средства построения систем защиты информации современных ИКТ.