Инновационная образовательная программа

6B06106 Высоконагруженные информационные системы с искусственным интеллектом в КазНУ им. аль-Фараби

  • Цель образовательной программы Подготовка высококвалифицированных специалистов по созданию, внедрению и сопровождению различного класса информационных систем, специалистов с высокими этическими стандартами поведения в обществе, способных повышать свой уровень образования в течение всей своей жизни. Реализация образовательной программы направлена на формирование личности специалиста, способного: - проектировать высоконагруженныенные компьютерные системы обработки информации и управления с соответствующим программно-аппаратным обеспечением на основе современных методов, средств и технологий; - планировать и постоянно обновлять свое образование на протяжении всей своей жизни (постоянная готовность к дальнейшему обучению и повышению квалификации, достаточная для поддержания и развития своей высокой компетенции); -выстраивать личную образовательную траекторию
  • Академическая степень Бакалавриат
  • Языки обучения Казахский
  • Срок обучения 4 года
  • Объем кредитов 240
  • Группа образовательных программ B057 Информационные технологии
  • Предметы на ЕНТ Математика и Информатика
  • Экология и безопасность жизнедеятельности человека
    Кредитов: 5

    Цель дисциплины – сформировать знания о закономерностях взаимодействия живых организмов со средой обитания, функционирования биосферы, обеспечения безопасности жизнедеятельности человека. Дисциплина направлена на изучение основ обеспечения безопасности жизнедеятельности человека от вредных, поражающих факторов, способы защиты от опасностей, мероприятия по ликвидации последствий техногенных аварий, природных катастроф, стихийных бедствий, охране окружающей среды, рациональному природопользованию.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Математика 1 (Математический анализ)
    Кредитов: 6

    Цель дисциплины: Изучение теории действительных чисел; точных верхних и нижних граней числового множества; предела числовой последовательности; основных свойств сходящихся последовательностей, связи бесконечно больших последовательностей с бесконечно малыми; предела монотонной последовательности; Критерий Коши существования предела функции; свойств бесконечно малых и бесконечно больших функций, замечательных пределов. Понятие равномерной непрерывности. Теоремы о среднем значении. Интеграл с переменным верхним пределом. Остаточный член формулы Тейлора в интегральной форме. В результате изучения дисциплины студент будет способен: 1. формировать основные понятия высшей математики 2. объяснять основные теоремы и аксиомы для решения задач; 3. применять методы теоретического и экспериментального исследования для решения задач; 4. решать интегральные исчисления; 5. предлагать математические инструментарии для решения математических задач

    Год обучения - 1
    Семестр 1
  • Правовые основы противодействия коррупции
    Кредитов: 5

    Цель дисциплины - сформировать способность анализировать деятельность органов государственной власти, политических и общественных организаций в сфере противодействия коррупции. Курс формирует объективные знания о проблемах коррупции и антикоррупционной культуры в современном обществе. Дисциплина направлена на изучение основных положений антикоррупционного законодательства, содержание национального плана противодействия коррупции, навыков преодоления коррупции.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Учение Абая
    Кредитов: 5

    Цель дисциплины - сформировать у будущих специалистов компетенцию применения своих профессиональных знаний, пониманий и способностей в целях укрепления единства и солидарности страны, повышения интеллектуального потенциала общества.Будут изучены: Понятие об учении Абая. Источники учения

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Предпринимательство
    Кредитов: 5

    Цель – формирование практических навыков осуществления предпринимательской деятельности на основе изучения теории и практики предпринимательства. Результаты обучения: - использовать возможности рынка, соответствующие их личным интересам и способностям; - принять первоначальное решение о начале бизнеса; - эффективно работать в рамках действующих правовых норм; - определять и оценивать потенциальные рыночные возможности старт-ап.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Аль-Фараби и современность
    Кредитов: 5

    Цель – формирование у студентов представлений о научно-философском наследии Абу Насра аль-Фараби в контексте развития мировой и национальной культуры. Результаты обучения: - объяснить основное философское содержание наследие аль-Фараби; - показать характер влияния восточной философии на Европейский Ренессанс; - демонстрировать навыки философского анализа феноменов национальной культуры; - применять в профессиональной деятельности знание традиционных и современных проблем истории национальной и мировой философии.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Алгоритмы, структуры данных и программирование
    Кредитов: 5

    Цель дисциплины: подготовка студентов к решению практических задач в процессе изучения других дисциплин, решению жизненных и научных задач. В результате изучения дисциплины студент будет способен: 1. формировать методы разработки алгоритмов и обработки данных на языке программирования (C#); 2. описать методы создания алгоритмов и их полное использование; 3. классифицировать методы сортировки, обработки массивов; 4. написать код на языке программирования; 5. создать приложение в среде программирования; Назначение дисциплины. Дисциплина «Алгоритмы, структуры данных и программирование» направлена на формирование у будущих специалистов представлений о структуре данных, о способе их представлений, о способах их сохранения и извлечения, о классификации языков программирования, основных принципах проектирования ПО, о способах защиты информации. В результате обучения будут рассмотрены следующие аспекты: двоичная, восьмеричная, шестнадцатеричная система исчислений, способы записи и извлечения данных, создание и распределение заданий среди методов программы, способы формирования блок-схем и диаграмм представления алгоритмов вычислительных процедур, структурирование объектов с помощью типов данных, основные методы и операции над данными, создание и использование массивов, коллекций данных, классах, свойствах, конструкторах, принципах ООП, способах перечисления данных в коллекциях, условных переходах, в основных управляющих операторах, исключениях и причинах их возникновения.

    Год обучения - 1
    Семестр 2
  • Операционные системы и API
    Кредитов: 5

    Цель дисциплины: приобретение студентами теоретических знаний современных операционных систем, их назначения, функциях, структуре и принципов работы. В результате изучения дисциплин студент будет способен: 1. описать основное содержание современных операционных систем 2. объяснить специфику работы в различных интерфейсах различных операционных систем; 3. обосновать роль операционной системы как организатора безопасной работы пользователей и их программ. 4. работать со стандартными программами операционной системы; 5. провести исследование операционных систем, которая делает возможным рациональное использование оборудования компьютера комфортным и благоприятным для пользователя В результате обучения будут рассмотрены следующие аспекты: архитектура компьютеров, структурные единицы компьютера и их функциональные предназначения, периферийнфые устройства и драйверы их функционирования, система загрузки и выгрузка данных, файловые системы операционных систем, системы диспетчеризации и планирования, системы принятия и отправления данных, способах хранения и манипуляции с данными, способы обработки данных, системы внутреннего краткосрочного запоминания временных данных, система адресации и диспетчеризации, система визуализации данных, системы удаленного доступа к данным, система защиты данных, система тестирования основных узлов компьютера.

    Год обучения - 1
    Семестр 2
  • Объектно-ориентированное программирование 1 (Основы языка C#)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о синтаксисе, структуре данных, методах, библиотеках, статической типизации, объектно-ориентированных методах программирования, наборах инструментов для работы с графикой, удаленном доступе к данным. По успешному завершению данного курса студенты должны быть способны: 1. Основные принципы и механизмы объектно-ориентированного программирования, основные тенденции в области развития технологий объектно-ориентированного программирования; 2. использование механизмов объектно-ориентированного программирования при создании программных систем различных уровней сложности; 3. использовать библиотеки и средства Visual Studio для создания объектно-ориентированных программ; 4. оценивать преимущества объектно-ориентированного программирования при построении комплексных приложений в сравнении с методами структурного программирования; 5. комплексная задача с целью повторного использования программного кода будет способна разделить на внутренние задания и создавать модульные решения. При изучении дисциплины студенты будут изучать следующие аспекты: NET Framework, C#. Места хранений данных в компьютере. Типы данных, переменные, массивы, контейнеры, процедуры; Классы, методы. Модификаторы доступа к объектам. Структуры. Индексаторы, циклы, условные переходы, свойства объектов, перечислители. Частичные классы, расширение методов; Сравнение типов объектов, приведение типов, упаковка, распаковка объектов. Наследование классов, интерфейсы. Виды наследования. Запечатанные классы; Обобщения классов, методов, структур, интерфейсов, свойств. Параметризация типов. Вариантность типов; Делегаты, лямбда-выражения и события. Анонимные методы, методы вызова и обработки событий. Характеристика лямбда-выражения.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Математика 2 (Алгебра и геометрия)
    Кредитов: 5

    Цель дисциплины: приобретение студентами теоретических знаний и навыков решения задач в областях алгебра и геометрии; приобретение студентами математической культуры строгих рассуждений и доказательств. В результате изучения дисциплины студент будет способен: 1. формировать основные понятия линейной алгебры и геометрии 2. объяснять основные теоремы и аксиомы для решения задач; 3. применять методы теоретического и экспериментального исследования для решения задач; 4. решать типовые задачи по линейной алгебре и геометрии; 5. предлагать математические модели простейших систем, решать задачи применительно к реальным процессам;

    Год обучения - 2
    Семестр 3
  • Современные инструменты веб-программирования
    Кредитов: 5

    Цель дисциплины: научить студентов работать с современными средствами web-программирования, сформировать у них способность создавать сайты в глобальной сети. По успешному завершению данного курса студенты должны быть способны: 1. описание функций, выполняемых средствами web-программирования, видов сведений, их классификации, информации, содержащейся в них.; 2. проведение работ по обработке, сортировке текстов, работе с рисунками, созданию ссылок на различные сайты; 3. Использование интернет-ресурсов для поиска, хранения, обработки и распространения информации; 4. Использование программ сети для обработки данных и их аппаратных средств.; 5. с помощью web-технологий можно выполнять различные виды работ на основе программ для различных статей деятельности и т.д. Дисциплина «Современные инструменты веб-программирования» направлена на формирование у будущих специалистов представлений о формах, HTML, DOM, HSLT, SASS, JavaScript, TypeScript, Bootstrap, jQuery, каскадные таблицы стилей, форматирование текста, блочная модель CSS3, о функциях JavaScript, о шаблоных проектирования платформы Node.JS, о приложениях Angular с TypeScript, о базовых классах Bootstrap. В результате обучения будут рассмотрены следующие аспекты: переменные и типы JavaScript, операторы JavaScript, массивы, классы JavaScript, модули JavaScript, архитектура TypeScript, архитектура платформы Angular; привязка данных на платформе Angular, назначение классов и стилей Angular; встроенные директивы и их создание, создание простой директивы атрибута, обращение к данным в директиве, создание простой структурной директивы, работа с формамии, использование форм на базе моделей, компоненты, применение компонентов для формирования структуры приложения, использование и содание каналов, проблема распределения объектов, распределение объектов как служб, использование провайдеров служб, использование и создание модулей.

    Год обучения - 2
    Семестр 3
  • Основы баз данных
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о принципах хранения данных, о реляционных и нереляционных базах данных, об языках DDL и DML, о схемах, видах ограничений в базах данных, типах, формах записи данных, формах и видах извлечения данных, пользовательских функциях, транзакциях. По успешному завершению данного курса студенты должны быть способны: 1. Знает основы синтаксических и семантических правил языка T-SQL; 2. Владеет основными теоретическими и практическими основами создания баз данных в среде Microsoft SQL Server. 3. Создание таблиц с языком T-SQL, выбор типов данных, установление контактов; 4. Способен использовать запросы, предложения, сохраняемые процедуры и функции с языком T-SQL; 5. Управляет языком T-SQL с помощью тригеров, курсоров, транзакций; В результате обучения будут рассмотрены следующие аспекты: создание и изменение таблиц, ключи и ограничения, хранилища SQL Server и система индексов, основы T-SQL, представления, написание скриптов и пакетов, хранимые процедуры, пользовательские функции, транзакции и блокировки, триггеры, интеграция XML в SQL Server, распределенные запросы и транзакции, репликация данных, аналитичекие службы, оптимизация производительности системы, администрирование.

    Год обучения - 2
    Семестр 3
  • Основы объектно-ориентированного языка Python
    Кредитов: 5

    Цель дисциплины сформировать способности пользоваться синтаксисом объектно-ориентированного языка программирования Python и основные конструкции языка для построения высококлассного приложения. Будут изучены: внешние библиотеки Tensorflow, Keras, scikit, mnist и пр., возможности языка Python, средства управления логикой, структуры данных, модули, структура строк программы, встроенные типы данных, интерфейсные классы к встроенным типам.

    Год обучения - 2
    Семестр 3
  • Объектно-ориентированное программирование 1 (Основы языка Java)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о синтаксисе, методах, классах, коллекциях, типах, лямбда-выражениях, многопоточной среде, асинхронных методах, элементах функционального программирования. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в интегрированной среде разработки программ NetBean, Eclipse, IntelliJ IDEAL, Apache NeatBeans, уметь пользоваться инструментарием среды; 2. Разбираться в синтаксисе языков ООП Java и Skala, конструировать программные коды на этих языках, использовать эффективные приемы создания конструкции ПО; 3. Разбираться и умело использовать шаблоны проектирования ПО на языке DSL, конструировать классы, интерфейсы, свойства, конструкторы на ООП Java и Skala; 4. использование механизмов объектно-ориентированного программирования при создании программных систем различных уровней сложности; 5. оценивать преимущества объектно-ориентированного программирования при построении комплексных приложений в сравнении с методами структурного программирования При изучении дисциплины студенты будут изучать следующие аспекты: Типы данных. Архитектура и API; Типы по значению; Ссылочные типы; Преобразование типов; Упаковка\распаковка типов; Инструменты ООП. Массивы; Контейнеры; Методы; Условные операции; Циклические операции; Принципы ООП. Объекты, классы, экземпляры; Состав классов; Сборки, интерфейсы, абстрактные классы; Область видимости; Инкапсуляция; Полиморфизм; Наследование; Параметризованные типы. Обобщенные классы; Обобщенные методы; Обобщенные интерфейсы; Вариантность объектов ООП; Лямбда-выражения; Конвейеры операций.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Основы микросервисной технологии в высоконагруженных приложениях
    Кредитов: 5

    В ходе обучения этого курса студент получит знания о недостатках монолитной архитектуры, об основных принципах гибкого программирования, о принципах модульности, преимуществах и недостатках микросервисной архитектуры, о шаблонах микросервисной программы, изучить стратегии декомпозиции. Студент изучит: принципы определения системных операций, методы разбиения на сервисы, межпроцессное взаимодействие, взаимодействие на основе обмена сообщений, управление транзакций, принципы проектирования на основе микросервисной архитектуры, о методах реализации запросов, способы тестирования программ на микросервисной архитектуре, о взаимосвязи Akka-технологии и программирования на микросервисной архитектуре.

    Год обучения - 2
    Семестр 4
  • Объектно-ориентированное программирование 2 (Параллельное программирование на языке C#)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о программировании в многопоточной среде, о способах синхронизации потоков исполнения, о параллелизме исполняемых потоках, инструментальных средствах программирования, блокировках, конкурентной гонке за ресурсами, о библиотеке TPL, языке PLINQ, о путях конструирования неблокирующих методов. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в синтаксисе многопоточного асинхронного параллельного программирования; 2. Использовать технологии различных неблокирующих методов синхронизации, соблюдать положения манифеста реактивного программирования; 3. Разбираться и пользоваться способами передачи данных между потоками и их задачами на основе агентной технологии; 4. Разбираться способах создания меток ожидания, прикрепления к действующим потокам и отмены выполнения программы; 5. Разбираться в глобальных и локальных методах синхронизации с помощью методов Semaphore, Awaiting, WaitOne и др.; При изучении дисциплины студенты будут изучать следующие аспекты: Многопоточность и параллелизм исполнения задач, инструментальные средства создания и управления потоками. Локальное и разделяемое состояние. Блокировка и безопасность потоков. Передача данных потоку. Обработка исключений. Потоки переднего плана и фоновые потоки. Приоритеты потоков. Передача сигналов. Контексты синхронизации. Пул потоков. Задачи. Создание и запуск задач. Возвращение значений. Исключения. Остановка и продолжение исполняющих потоков. Инструментальные средства остановки и возобновления потоков. Принципы асинхронности. Асинхронное программирование и продолжение. Асинхронные функции, алгоритмы написания асинхронных функций. Асинхронность и контексты синхронизации. Асинхронные шаблоны. Комбинаторы задач.

    Селективная дисциплина
    Год обучения - 2
    Семестр 4
  • Объектно-ориентированное программирование 2 (Параллельное программирование на языке Java)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о моделях потоков исполнения в Java, о синхронизации потоков исполнения, главный и фоновые потоки исполнения, взаимодействие потоков исполнения, получение состояния потоков исполнения. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и проектировать ПО средствами конкурентного реактивного программирования высоконагруженных информационных систем на платформе актеров; 2. Разбираться и использовать приемы удаленной коммуникации с источниками данных с использованием ORM-технологии; 3. Разбираться и использовать технологию Hyperion для создания высокопроизводительного портала с базой данных; 4. Пользоваться пакетами параллельного прикладного интерфейса API; 5. Разбираться в инструментах параллельного программирования. При изучении дисциплины студенты будут изучать следующие аспекты: Пакеты параллельного прикладного интерфейса API; Инструменты параллельного программирования; Параллельное программирование средствами Fork/Join Framework; Асинхронность задач; Потоковый прикладной интерфейс.

    Селективная дисциплина
    Год обучения - 2
    Семестр 4
  • Современные технологии веб-программирования
    Кредитов: 5

    Цель дисциплины: состоит в формировании способности уверенного использования современных компьютерных информационных технологий конструирования веб-приложений на основе платформы Angular. По успешному завершению данного курса студенты должны быть способны: 1. Продемонстрировать знание основ платформы Angular. 2. Объяснить основы моделей, алгоритмов и методов платформы Angular. 3. Применять свои знания основ платформы Angular для интеллектуального анализа данных и систем искусственного интеллекта 4. Проектировать веб-приложения интеллектуального анализа данных на основе платформы Angular. 5. Разработать архитектуры и менеджмент управляющих элементов, используя платформы Angular. Дисциплина «Современные технологии веб-программирования» направлена на формирование у будущих специалистов представлений об архитектуре веб-приложения на платформе ASP.NET Core 2, о веб-службах, протоках передачи данных, веб-формах ASP.NET Core 2, обработчиках ASP.NET Core 2, управление данными состояния и запросами, управление путями и механизмы маршрутизации, привязки моделей в ASP.NET Core 2, управление сценариями и стилями, об интеграции клиент-серверной части с веб-серверной частью, о создании высокоскоростных и отзывчивых веб-приложений. В результате обучения будут рассмотрены следующие аспекты: архитектура технологии ASP.NET MVC Core 2, технология создания веб-приложения ASP.NET MVC Core 2, использование механизма Razor в веб-приложении, методы конфигурирования в ASP.NET MVC Core 2, URL-маршрутизация веб-приложения ASP.NET MVC Core 2, механизмы работы контроллера и действий на их основе, механизмы внедрения зависимостей в веб-приложении, фильтры в веб-приложении ASP.NET MVC Core 2, REST и API контроллеров, представления веб-приложения в ASP.NET MVC Core 2, хелперы веб-приложения, модели взаимодействия в ASP.NET MVC Core 2, механизм валидации в ASP.NET MVC Core 2, технология авторизации и аутентификации, работа с базами данных.

    Год обучения - 2
    Семестр 4
  • Математика 3 (Теория вероятностей и математическая статистика)
    Кредитов: 3

    Цель дисциплины: Формирование базовых знаний и основных навыков по теории вероятностей, необходимых для решения задач, возникающих в математическом обеспечении прикладной деятельности; формирование у студентов теоретико-вероятностного аппарата, необходимого для решения теоретических и прикладных задач; формирование понятийной теоретико-вероятностной базы и уровня алгебраической подготовки, необходимых для понимания основ математической статистики и её применения. В результате изучения дисциплины студент будет способен: 1. формировать основные понятия вероятности и статистики 2. объяснять основные понятия и теоремы теории вероятностей; 3. применять методы теоретического и экспериментального исследования для решения задач; 4. решать типовые задачи по теории вероятности; 5. теоритизировать наиболее важные законы распределения случайных величин и их числовые характеристики; Назначение дисциплины. Дисциплина «Математика III» направлена, на формирование у будущих специалистов навыков логического мышления и умения применять аппарат теории вероятностей и математической статистики при решении прикладных задач. В рамках дисциплины рассматриваются следующие аспекты: Теория вероятности: Вероятности событий; Случайные величины; Предельные теоремы теории вероятностей; Случайные векторы; Цепи Маркова. Математическая статистика: Эмпирические характеристики и выборки; Точечные и интервальные оценки; Статистическая проверка гипотез.

    Год обучения - 2
    Семестр 4
  • Объектно-ориентированное программирование 3 (Реактивное программирование на языке C#)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о Манифесте реактивного программирования, принципах создания гибкого, масштабируемого, эластичного, отзывчивого приложения согласно принципам Манифеста, о семействе актеров, разделении ответственности. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать различные архитектуры соединений и использования компьютеров на основе кластерной технологии и конкурентного ПО; 2. Разбираться и использовать технологию MPI для создания высокоскоростного высоконагруженного приложения на основе технологии актеров; 3. Разбираться и использовать технологию конкурентного программирования для проектирования высоконагруженных и высокопроизводительных приложений; 4. Разбираться и использовать технологии MapReduce и OpenMP для проектирования и использования высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 5. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач. При изучении дисциплины студенты будут изучать следующие аспекты: Философия реактивного программирования, Разработка реактивных систем с использованием шаблонов проектирования Akka.NET, Состояние, поведение и субъекты, Конфигурация, внедрение зависимостей и ведение журнала, Обработка отказов.

    Селективная дисциплина
    Год обучения - 3
    Семестр 5
  • Объектно-ориентированное программирование 4 (Функциональное программирование на языке C#)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о неизменяемости и изменяемости объектов, о чистых и нечистых функциях, о представлении функций, о функциях высокого порядка, конкурентность и функциональность, параллелизм и функциональность, контейнеры данных. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и умело пользоваться технологическими и пользовательскими инструментами разработки ПО средствам функционального языка программирования F#; 2. Разбираться и пользоваться технологиями на основе рецептов и шаблонов асинхронного конкурентного реактивного программирования ПО с архитектурой актеров; 3. Разбираться и уверенно использовать технологии функционального программирования для высоконагруженных конкурентных систем; 4. Разбираться в технологических приемах PLINQ и MapReduce для агрегирования и сокращения данных в параллельных асинхронных программах; 5. Разбираться в технологии функционального программирования на основе задач, строить функциональные комбинаторы для быстрого конкурентного программирования; При изучении дисциплины студенты будут изучать следующие аспекты: Принципы функционального программирования; Функции, обозначения и дизайн; Преимущества функционального программирования; Модуляризация и составление приложения.

    Селективная дисциплина
    Год обучения - 3
    Семестр 5
  • Компьютерные сети
    Кредитов: 5

    Цель дисциплины состоит в формировании способности выполнять проектирование и администрирование компьютерных сетей, решать вопросы безопасности в сетях. В результате изучения дисциплины сформировать у студентов способности: - производить конфигурирование сетей; - осуществлять выбор необходимого оборудования для сетей; - проектировать компьютерные сети; - проводить верификацию и диагностику неисправностей сети; - выбирать приемлемую политику безопасности. В рамках дисциплины рассматриваются следующие аспекты: Коммуникация через сеть. Функциональность и протоколы уровня приложений модели OSI. Транспортный уровень модели OSI. Сетевой уровень модели OSI. Динамические протоколы маршрутизации. Динамический протокол RIP, версия 1. VLSM и CIDR. Динамический протокол RIP, версия 2. Динамический протокол маршрутизации OSPF. Технологии глобальных сетей. Удалённый доступ. Сетевая безопасность.

    Год обучения - 3
    Семестр 5
  • Объектно-ориентированный анализ и проектирование высоконагруженных приложений
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о принципах гибкого программирования, об основных этапах планирования, проектирования и развертывания приложения, о паттернах и диаграммах, о шаблонах корпоративных приложений. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и проводить объектно-ориентированный анализ высоконагруженных приложений. 2. анализировать требования к системе, связанные с нагрузкой на систему; 3. планировать процесс разработки высокопроизводительных систем; 4. проектировать системы с использованием оптимальных для обеспечения производительности приемов; 5. оптимизировать системы с повышенными требованиями к производительности; При изучении дисциплины студенты будут изучать следующие аспекты: Организация Agile Alliance, манифест Agile Alliance, принципы гибкого программирования; Экстремальное программирование. Единая команда, пользовательские истории, короткие циклы, парное программирование, коллективное владение, непрерывная интеграция; Планирование. Планирование выпуска, итерации, задач, подведение итогов, мониторинг, заключение; Гибкое программирование. Признаки: жесткость, хрупкость, косность, вязкость, ненужная жесткость, непрозрачность.

    Год обучения - 3
    Семестр 5
  • Современные инструментальные средства облачных технологии
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о формах и методах формирования услуг на базе облачных технологий, инструментах удаленного доступа и создания платформ, инфраструктуры, базовых технологий, хранилищ данных, транспортировке и размещении больших данных. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в архитектурах облачных систем, оперирующих с большими данными; 2. Разбираться в технологиях хранения больших данных в облаке на примере Microsoft Azure Storage и Amazon Web Service; 3. Разбираться в различиях и особенностях реляционных и нереляционных базах данных на примерах MS SQL Server, PostgreDB, AzureSQL, MongoDB и Hadoop; 4. Разбираться и использовать реляционные хранилища данных DWH, Azure SQL DWH, AWS RedShift; 5. Разбираться и использовать хранилища данных типа Data Lake, создание и использование специализированных хранилищ данных Azure Lake Store, AWS Data Lake Solutions; При изучении дисциплины студенты будут изучать следующие аспекты: Способы создания ресурсов в облаке, безопасность облачных ресурсов, обработка больших данных. Архитектура облачных систем. Архитектура традиционных информационных систем, бессерверные архитектуры; Хранилища общего назначения. Форматы хранения данных, облачное хранилище данных Microsoft Azure Storage (MAS), облачное хранилище Amazon Web Service (AWS); Реляционные базы данных. Azure SQL, AWS RDS. Нереляционные базы данных NoSQL, сервисы нереляционных баз данных от Azure, от AWS; Реляционные хранилища больших данных DWH. Azure SQL DWH, AWS RedShift. Хранилища Data Lake: Azure Data Lake Store, AWS Data Lake Solutions; Прямая загрузка данных. Доставка данных в облачное хранилище общего назначения, доставка данных в реляционные БД и хранилища, доставка в нереляционные базы данных, доставка данных в HDFS-совместимые хранилища;

    Год обучения - 3
    Семестр 5
  • Объектно-ориентированное программирование 4 (Функциональное программирование на языке Java)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о неизменяемых объектах, об атомарных операциях, функциях высшего порядка, о функциональных коллекциях, о семействах актеров, о принципах синхронизации потоков исполнения в функциональном языке. По успешному завершению данного курса студенты должны быть способны: 1. Решать задачи прикладного программирования с использованием базовых приемов функционального программирования 2. Разбираться и умело пользоваться технологическими и пользовательскими инструментами разработки ПО средствами современных функциональных языков программирования Skala, Kotlin; 3. Разбираться и пользоваться технологиями на основе рецептов и шаблонов асинхронного конкурентного реактивного программирования ПО с архитектурой актеров; 4. Разбираться и уверенно использовать технологии функционального программирования для высоконагруженных конкурентных систем; 5. Разбираться в функциональных структурах данных и неизменяемости, потоковых методах обработки данных на основе технологии Stream API; При изучении дисциплины студенты будут изучать следующие аспекты: Введение в функциональный язык Scala. Определение переменных; Определение функций. Создание сценариев на языке Scala. Организация циклов. Последовательный перебор элементов. Параметризация массивов типами. Использование списков; Применение кортежей; Использование наборов и отображений; Считывание строк из файлов; Классы, поля и методы; Масштабируемый язык Scala. Классы и объекты, литералы, строковая интерполяция, арифметические операции, логические операции, приоритетность и ассоциативность операций; Функциональные объекты. Спецификация класса Rational, добавление полей, рекурсивные ссылки, закрытые поля и методы, определение операторов, перегрузка методов.

    Селективная дисциплина
    Год обучения - 3
    Семестр 5
  • Объектно-ориентированное программирование 3 (Реактивное программирование на языке Java)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о философии реактивного программирования, об абстракциях реактивного программирования, о реактивных расширениях, об операторах и преобразованиях, управление потоками и противодействиями, об исключениях и тестировании, о методах оптимизации, о мониторингах и отзывчивых методах. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и умело программировать в среде EJB для создания высокоэффективных корпоративных приложений; 2. Разбираться и умело программировать в среде Spring для создания высокоэффективных корпоративных приложений; 3. Использовать реактивного расширения и методов. 4. Разбираться и использовать технологии MapReduce и OpenMP для проектирования и использования высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 5. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач. При изучении дисциплины студенты будут изучать следующие аспекты: Реактивные методы; Реактивные расширения; Операторы и преобразования; Применение операторов реактивного программирования; Управление потоком и противодавление.

    Селективная дисциплина
    Год обучения - 3
    Семестр 5
  • Модели и методы нейронных сетей
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о биологических основах нейронных сетей, о ранних попытках математического описания нейронных сетей, принципах функционирования нейронных сетей с учителем, без учителя, с подкреплением, о правилах обучения нейронных сетей, о компьютерном зрении, голосовых помощниках компьютера. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать технологию прямого и обратного распространения в нейронных сетях, методах их оптимизации; 2. Разбираться в архитектурах и способах использования полно связных нейронных сетей, рекуррентных и сверточных сетей; 3. Разбираться в способах решения задач классификации, регрессионного и кластерного анализа входных неструктурированных и несвязанных данных; 4. Разбираться в способах решения задач распознавания, классификации с помощью сверточных и рекуррентных сетей; 5. Разработать архитектуры и менеджмент управляющих элементов, используя платформу Anaconda. Дисциплина «Модели и методы нейронных сетей» направлена на формирование у будущих специалистов представлений о биологических основах нейронных сетей, о ранних попытках математического описания нейронных сетей, принципах функционирования нейронных сетей с учителем, без учителя, с подкреплением, о правилах обучения нейронных сетей, о компьютерном зрении, голосовых помощниках компьютера. При изучении дисциплины студенты будут изучать следующие аспекты: Нейронные модели и архитектура сетей, обучение нейронной сети Хебба с учителем, обучение нейронной сети Видрофа-Хоффа с учителем; Рекуррентные нейронные сети, динамические нейронные сети, ассоциативные нейронные сети с учителем, конкурентоспособные нейронные сети; Радиальные базисные нейронные сети, нейронные сети Гроссберга, нейронные сети Хопфилда; Три типа машинного обучения, использование нейронных сетей и языка Python для машинного обучения, реализация алгоритма обучения персептрона на языке Python; Построение обучающих наборов с помощью предварительной обработки данных, сжатие данных с помощью понижения размерности;

    Год обучения - 3
    Семестр 5
  • Потоковая обработка данных в режиме реального времени на языке C#
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о современных инструментальных средствах потоковой обработки текущей информации в режиме реального времени, о паттернах взаимодействий, о протоколах отправки и получения потоковой информации, о способах сохранения и обработки массивных данных. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать технологию MPI для создания высокоскоростного высоконагруженного приложения на основе технологии актеров; 2. Разбираться и использовать технологию конкурентного программирования для проектирования высоконагруженных и высокопроизводительных приложений; 3. Разбираться и использовать технологии MapReduce и OpenMP для проектирования; 4. Использовать высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 5. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач. При изучении дисциплины студенты будут изучать следующие аспекты:Введение в потоковую обработку данных. Получение данных от клиентов. Транспортировка данных из звена сбора данных. Алгоритмы анализа потоковых данных. Сохранение результатов сбора или анализа данных. Анализ приглашений в режиме реального времени.

    Селективная дисциплина
    Год обучения - 3
    Семестр 6
  • Потоковая обработка данных в режиме реального времени на языке Java
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о системах потоковой обработки текущей информации, структуре, архитектуре систем потоковой обработки информации, о системах анализа, хранения и обработки потоковой информации. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в строении и функционировании модели конкурентного взаимодействия элементов платформы JVM и модели памяти в Java; 2. Разбираться в традиционных строительных блоках конкурентных программ на платформе языка Skala для задач потоковой обработки данных; 3. Разбираться в синтаксисе многопоточного асинхронного параллельного программирования; 4. Использовать технологии различных неблокирующих методов синхронизации, соблюдать положения манифеста реактивного программирования; 5. Разбираться в строительных материалах хранения и обработки массивных данных в высоконагруженных хранилищах; При изучении дисциплины студенты будут изучать следующие аспекты: Введение в потоковую обработку данных, различия между системами реального времени и потоковыми системами, безопасность в контексте потоковых систем; Получение данных от клиентов. Типичные паттерны взаимодействия, масштабирование паттернов взаимодействия, отказоустойчивость; Транспортировка данных из звена сбора данных, основные концепции; Анализ потоковых данных, алгоритмы анализа данных, методы обобщения; Сохранение результатов сбора или анализа данных, хранение данных в памяти; Получение доступа к данным, паттерны взаимодействия, протоколы отправки данных;

    Селективная дисциплина
    Год обучения - 3
    Семестр 6
  • Алгоритмы и методы интеллектуального анализа данных
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о современных технологиях интеллектуального анализа, на примере анализа экономических данных средствами технологии Майкрософта Power BI, о необходимости структуризации и кластеризации исходных данных, о приемах технологии Data Mining, сжатия информации, агрегирования, фильтрации. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и реализовывать проекты по созданию интеллектуальных информационных систем по распознаванию образов; 2. Разбираться и реализовывать проекты по созданию интеллектуальных информационных систем классификации и визуализации объектов; 3. Разбираться и реализовывать проекты по созданию интеллектуального анализа данных - Data Mining, визуального анализа данных – Visual Mining, анализа текстовой информации – Text Mining; 4. Разбираться и реализовывать проекты по созданию приложений Data mining в реальном времени (Real-Time Data Mining); 5. Разбираться и реализовывать проекты по созданию приложений по извлечению знаний из Web – Web Mining. При изучении дисциплины студенты будут изучать следующие аспекты: Многомерный анализ данных, определение и визуализация источников данных, создание запросов на языке MDX; Определение и развертывание многомерных кубов, обновление мер, атрибутов и иерархий, определение зависимостей между размерностями и групп мер; Определение вычислительных процедур, определение ключевых показателей производительности, определение действий интеллектуального извлечения данных.

    Год обучения - 3
    Семестр 6
  • Модели и методы анализа речи и компьютерного зрения
    Кредитов: 5

    Цель дисциплины сформировать способности разбираться в способах решения задач анализа устной речи и компьютерного зрения, задач распознавания, анализе образов, в алгоритмах и методах нейронных сетей. Будут изучены: вычислительные модели и средства глубокого обучения, модели и методы выравнивания лингвистических единиц со звуковым сигналом, модели и методы Deep Speech, Архитектура Wav2Letter, декодирование СТС, вычислительные средства сверточных сетей для распознавания изображений, Сети AlexNet, VGG, NiN, GoogleNet, ResNet, DenseNet, инструменты обработки изображений, обнаружение объектов и ограничивающих рамок, граничные рамки для прогнозов, обнаружение многомасштабных объектов, семантическая сегментация наборов данных, транспонированная свертка, классификация изображений.

    Год обучения - 3
    Семестр 6
  • Инструментальные средства настройки и управления локальными высоконагруженными сетями
    Кредитов: 6

    Цель дисциплины: на формирование у будущих специалистов представлений о потоковой обработке текущей массивной информации, о технологиях анализа пакетов, об имеющихся высокоэффективных инструментальных средствах анализа. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в сетевой архитектуре, в составе и назначении ПО, обеспечивающих службы коммуникационных сетей; 2. Разбираться в назначениях и особенностях использования классов клиентской стороны, назначении и функциональных особенностях прокси-сервера; 3. Разбираться и использовать ПО для аутентификации и авторизации пользователей сети, создавать высоко технологичные системы аутентификации для обеспечения безопасности сети; 4. Разбираться и умело использовать протоколы HTTP и FTP для эффективного создания запросов, загрузки и выгрузки ПО; 5. Разбираться и использовать структурные единицы Active Directories для обеспечения бесперебойной работы сервера; При изучении дисциплины студенты будут изучать следующие аспекты: Анализ пакетов и основы организации сетей, подключение к сети; Введение в Wireshark, основы работы в Wireshark, главное окно Wireshark, глобальные параметры настройки Wireshark; Обработка перехваченных пакетов, задание форматов отображения времени и привязок к нему; Настройка параметров перехвата, применение фильтров; Конечные точки и сетевые диалоги, выявление наиболее активных сетевых узлов с помощью конечных точек и диалогов; Статистические данные по иерархии сетевых протоколов, дешифрование сетевых протоколов;

    Год обучения - 3
    Семестр 6
  • Объектно-ориентированное программирование 5 (конкурентное программирование на языке Java)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о конкуренции на платформе JVM и модели памяти Java, о конкурентных инструментах асинхронного программирования; о параллельных конкурентных коллекциях,о программной транзакционной памяти, об актерах, строительных материалах актеров, архитектуре и механизмах взаимодействиях актеров. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в функциональных структурах данных и неизменяемости, потоковых методах обработки данных на основе технологии Stream API; 2. Разбираться и уметь пользоваться методами и технологиями обработки больших данных на основе шаблонов Fork/Join и «разделяй и властвуй»; 3. Разбираться в технологических приемах PLINQ и MapReduce для агрегирования и сокращения данных в параллельных асинхронных программах; 4. Разбираться в технологии функционального программирования на основе задач, строить функциональные комбинаторы для быстрого конкурентного программирования; 5. Разбираться в технологических способах оптимизации времени жизни ПО, жизненного цикла ПО, синхронизации потоков на основе реактивного программирования с использованием агентов с помощью TPL DataFlow. При изучении дисциплины студенты будут изучать следующие аспекты: Конкуренция в JVM и модель памяти в Java; Традиционные строительные блоки конкурентных программ. Асинхронное программирование с объектами Future и Promise. Параллельные коллекции данных. Конкурентное программирование с Reactive Extensions. Программная транзакционная память.

    Селективная дисциплина
    Год обучения - 3
    Семестр 6
  • Объектно-ориентированное программирование 5 (конкурентное программирование на языке C#)
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о функциональной конкурентности, функциональные структуры данных и неизменяемость, о функциональном параллелизме задач, функциональных комбинаторах задач, об агентном программировании. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в технологических способах оптимизации времени жизни ПО, жизненного цикла ПО, синхронизации потоков на основе реактивного программирования с использованием агентов с помощью TPL DataFlow. 2. Разбираться в функциональных структурах данных и неизменяемости, потоковых методах обработки данных на основе технологии Stream API; 3. Разбираться и уметь пользоваться методами и технологиями обработки больших данных на основе шаблонов Fork/Join и «разделяй и властвуй»; 4. Разработать надежных, масштабируемых и простых в использование моделей данных с использованием транзакционной памяти; 5. Создать высокопроизводительных систем на основе простых, низкоуровневых примитивов асинхронных вычислений; При изучении дисциплины студенты будут изучать следующие аспекты: Выгоды от использования многопоточности; Риски многопоточности; Потоковая безопасность; Разделяемые объекты; Композиция объектов; Конструирование блоков; Приложения с графическим интерфейсом пользователя; Избежание проблемы живучести приложения.

    Селективная дисциплина
    Год обучения - 3
    Семестр 6
  • Современные технологии мониторинга и анализа фондового рынка ценных бумаг
    Кредитов: 5

    Цель дисциплины сформировать способности разбираться в конкретных задачах высоконагруженных приложений, когда высокая производительность моделирования механизмов формирования курса акций, текущая ситуация повышения и понижения курсов акций различных эмитентов, их волатильность играют решающее значение. На таком примере можно продемонстрировать всю мощь конкурентного программирования. В ходе обучения будут исследованы драйверы роста курса акций, причины их падений, расчет объемов выпуска акций, определение сроков эмиссии, расчет стоимости акций, расчет величины прибыли на одну акцию, анализ рынка ценных бумаг в зависимости от различных факторов, исследование механизмов реактивного программирования, способы повышения производительности в зависимости от топологии и архитектуры акторов, атомарность и прозрачность местоположения используемых объектов, конкурентный неблокирующий доступ к ресурсам.

    Год обучения - 4
    Семестр 7
  • Современные технологии высокопроизводительной обработки данных на языке C#
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о современных суперкомпьютерах, об основных отличиях суперкомпьютеров от обычных компьютеров, об архитектуре, функциональных предназначениях отдельных модулей суперкомпьютера, о современных способах повышения производительности суперкомпьютера. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в технологических особенностях применения моделей и инструментов нейронных сетей при использовании их в высоконагруженных приложениях с нереляционными базами данных; 2. Разбираться в инструментальных средствах балансировки нагрузки с помощью маршрутизаторов .NET Akka в высоконагруженных приложениях с массивными данными; 3. Разбираться в структуре и алгоритмах файловой системы Hadoop при использовании этой базы данных в высокопроизводительных приложениях; 4. Разбираться в вопросах повышения производительности и отказоустойчивости высоконагруженных приложений с нереляционными базами данных. 5. Выполнять операции с параллельными данными испльзуя технологию OpenMP. При изучении дисциплины студенты будут изучать следующие аспекты: Понятия о высокопроизводительных вычсилениях. Архитектура суперкомпьютеров. Оценка высокопроизводительных систем. Современные технологии высокопроизводительных вычислений. Программирование для высокопроизводительных вычислений. Параллельное программирование на основе MPI.

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Конкурентное программирование высоконагруженных приложений в среде .NET Akka на языке C#
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений об основных отличиях конкурентного программирования от других видов программирования, о ветвлении и соединений, об асинхронном выполнении задач, о функциональных комбинаторах, о шаблонах конкурентного программирования. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в синтаксисе многопоточного асинхронного параллельного программирования; 2. Использовать технологии различных неблокирующих методов синхронизации, соблюдать положения манифеста реактивного программирования; 3. Разбираться и пользоваться способами передачи данных между потоками и их задачами на основе агентной технологии, способах создания меток ожидания, прикрепления к действующим потокам и отмены выполнения программы; 4. Разбираться в глобальных и локальных методах синхронизации с помощью методов Semaphore, Awaiting, WaitOne и др.; 5. Разбираться и использовать различные архитектуры соединений и использования компьютеров на основе кластерной технологии и конкурентного ПО; При изучении дисциплины студенты будут изучать следующие аспекты: Основы функциональной конкурентности. Технологии функционального программирования для конкурентных систем. Функциональные структуры данных и неизменяемость. PLINQ и MapReduce для распараллеливания даных. Функциональные комбинаторы для конкурентного программирования.

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Конкурентное программирование высоконагруженных приложений в среде .NET Akka на языке Java
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о задачах технологии Akka, об универсальных моделях, о неблокирующих свойствах, о масштабируемости приложений, о каналах сообщений, о кластерах, хранимых акторах. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться в программной транзакционной памяти языка программирования Skala и способах потоковой обработки данных; 2. Пользоваться современным инструментарием Java-разработки и применять различные техники и подходы к решению проблем, стоящих в реальных проектах высоконагруженных систем. 3. Разбираться и использовать технологию MPI для создания высокоскоростного высоконагруженного приложения на основе технологии актеров; 4. Разбираться и использовать технологии MapReduce и OpenMP для проектирования и использования высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 5. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач. При изучении дисциплины студенты будут изучать следующие аспекты: Введение в технологию Akka. Отказоустойчивость. Распределенное приложение Akka. Настройка, журналирование и развертывание. Шаблоны структуризации акторов. Каналы обмена сообщениями. Конечные автоматы и агенты. Интеграция с другими системами. Анализ производительности.

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Современные технологии разработки высоконагруженного ПО с базами данных на языке Java
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о надежности приложения, об языках запросов данных, о графовых моделях данных, о столбцово-ориентированных хранилищах, о слабо изолированных уровнях, о согласованности и консенсусе. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать технологии MapReduce и OpenMP для проектирования и использования высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 2. Разбираться в технологических особенностях применения моделей и инструментов нейронных сетей при использовании их в высоконагруженных приложениях с нереляционными базами данных; 3. Разбираться в инструментальных средствах балансировки нагрузки с помощью маршрутизаторов и диспетчеров Akka, а также с использованием конфигураторов в высоконагруженных приложениях с массивными данными; 4. Разбираться в структуре и алгоритмах файловой системы Hadoop при использовании этой базы данных в высокопроизводительных приложениях; 5. Разбираться в вопросах повышения производительности и отказоустойчивости высоконагруженных приложений с нереляционными базами данных. При изучении дисциплины студенты будут изучать следующие аспекты: Надежные, масштабируемые и поддерживаемые приложения. Реляционные версии моделей документов. Языки запросов данных. Графовые модели данных. Настраиваемые базу данных структуры данных. MapReduce и распределенные файловые системы.

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Современные технологии защиты сетей и данных от несанкционированного доступа
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о современных инструментах обнаружения и очистки компьютера от действий вредоносного программного средства, о статическом и динамическом анализе действий вредоносов, о бэкдорах и других средствах вторжения в операционную систему сервера. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и уверенно использовать статический и динамический анализ вредоносных программ; 2. Разбираться и уверенно использовать язык Assembler для анализа кода и создания сигнатур вредоносных программ; 3. Разбираться и использовать методы отладки ядра ОС с помощью WinDbg, создания сетевых сигнатур для вредоносов; 4. Разбираться и пользоваться методами противодействия вредоносным программам на основе виртуальных машин; 5. Разбираться и использовать инструментарий интегрированной среды разработчика WireShark для эффективного анализа и перехвата передаваемых и получаемых пакетов. При изучении дисциплины студенты будут изучать следующие аспекты: Исследование динамически скомпонованных функций с помощью Dependency Walker, исследование PE-файлов с помощью PEview, Resource Hacker; Анализ вредоносных программ в виртуальных машинах, основы динамического анализа вредоносных программ, мониторинг с помощью Process Monitor, просмотр процессов с помощью Process Explorer, перехват пакетов с помощью Wireshark;Обнаружение вредоносных программ с помощью итеративного дисассемблера IDA Pro, анализ функций, использование перекрестных ссылок в коде, ссылки на данные;

    Год обучения - 4
    Семестр 7
  • Модели и методы генеративных нейронных сетей
    Кредитов: 6

    Цель дисциплины сформировать представления о внутренней архитектуре генеративных нейронных сетей, задачах, приемах, методах, моделей таких сетей, вероятностных основах исследования нейронных сетей. Будут изучены вероятностные модели, модели и методы глубокого обучения в генеративных сетях, автокодировщики, основы генеративно-состязательных сетей, применение в изобразительном, литературном и музыкальном творчествах, в игровых ситуационных моделях поведения, системы тестирования и вычис-ления производительности генеративных систем, генерация нового текста, модели LSTM и GRU, модели внимания, импульса и вопросов-ответов.

    Год обучения - 4
    Семестр 7
  • Научное письмо
    Кредитов: 5

    Цель дисциплины сформировать способность совершенствования коммуникативной профессионально-ориентированной иноязычной компетенции, необходимой для осуществления научной и профессиональной деятельности, позволяющей использовать иностранный язык в научной работе. Дисциплина направлена на изучение: международных систем научных публикаций, работ с информационными источниками, особенностей стиля научных публикаций на английском языке.

    Год обучения - 4
    Семестр 7
  • Современные технологии разработки высоконагруженного ПО с базами данных на языке C#
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о моделях данных и запросах содержимого, секционировании, о маршрутизации, о распределенных системах, о транзакциях, о сериализуемости данных, отложенных запросах. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать технологию MPI для создания высокоскоростного высоконагруженного приложения на основе технологии актеров; 2. Разбираться и использовать технологии MapReduce и OpenMP для проектирования и использования высоконагруженных и высокопроизводительных приложений с нереляционными базами данных; 3. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач; 4. Разбираться в инструментальных средствах кластерного анализа высоконагруженных приложений средствами .NET Akka; 5. Масштабировать базу данных по вертикали, выделяя дополнительные ресурсы (ЦП, память, хранилище), для улучшения производительности и обрабатывать больше транзакций. При изучении дисциплины студенты будут изучать следующие аспекты: Надежные, масштабируемые и удобные в сопровождении системы; Модели данных и языки запроса, реляционная модель в сравнении с документоориентированной моделью; Подсистемы хранения и извлечения данных, базовые структуры данных БД; Кодирование и эволюция, форматы кодирования данных, режимы движения данных; Распределенные данные, репликация, ведущие и ведомые узлы, проблемы задержки репликации; Секционирование. Секционирование данных типа «ключ-значение», секционирование и вторичные ключи, перебалансировка секций, маршрутизация запросов;

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Современные технологии высокопроизводительной обработки данных на языке Java
    Кредитов: 5

    Цель дисциплины: формирование у будущих специалистов представлений о потоках выполнения, синхронизации потоков, о блокирующих и неблокирующих операциях, о каналах сообщений, об издателях и подписчиках, о противодавлении, о завершаемых фьючерсах. По успешному завершению данного курса студенты должны быть способны: 1. Разбираться и использовать технологию MPI для создания высокоскоростного высоконагруженного приложения на основе технологии актеров; 2. Разбираться и использовать программные комплексы высокопроизводительных вычислений для решения проблемно-ориентированных вычислительно-трудоемких задач; 3. Разбираться в инструментальных средствах кластерного анализа высоконагруженных приложений средствами .NET Akka; 4. Создавать алгоритмы анализа и обработки большого объема данных с применением моделей Data Mining. 5. Разрабатывать и анализировать концептуальные и теоретические модели прикладных задач анализа больших данных. При изучении дисциплины студенты будут изучать следующие аспекты: Эволюция поддержки конкурентности в Java. Синхронные и асинхронные API. Публикация\подписка и реактивное программирование. Реактивные системы и реактивное программирование. Реализация асинхронного API. Преобразование метода в неблокирующий метод. Конвейерная организация асинхронных задач.

    Селективная дисциплина
    Год обучения - 4
    Семестр 7
  • Код ON1

    Уметь разрабатывать, применять математические модели и методы для решения профессиональных задач

  • Код ON7

    Проектировать и эксплуатировать интеллектуальные корпоративные информационные системы на основе методов и алгоритмов статистического анализа и принятия статистических решений, и результатов тестирования программного и аппаратного обеспечения в многопоточной среде с мультипроцессорным обеспечением

  • Код ON5

    Анализировать имеющиеся технологии разработки и создавать одностраничные высоко динамические, высокотехнологичные и высоконагруженные сайты и порталы на современной платформе веб-программирования;

  • Код ON11

    Разрабатывать архитектуру и дизайн на основе шаблонов современного объектно-ориентированного языка анализа и проектирования предметной области высоконагруженного приложения на платформе реактивного конкурентного программирования;

  • Код ON8

    Разрабатывать, исходя из аппаратной компьютерной инфраструктуры предприятия, развертывать и эксплуатировать высоконагруженные системы веб-приложений на основе сетевых технологий и новейших протоколов передачи информации и уметь пользоваться основными программными продуктами удаленной работы с базами данных

  • Код ON10

    разрабатывать модели финансовых потоков конкурентной среды рыночных отношений предприятий на основе конкурентного программирования высоконагруженных приложений с искусственным интеллектом и высокопроизводительных интерактивных приложений;

  • Код ON12

    Работать в коллективе, толерантно воспринимая социальные, культурные, конфессиональные и иные различия, предупреждать и конструктивно решать конфликтные ситуации в процессе профессиональной деятельности

  • Код ON2

    Пользоваться основными структурами объектно-ориентированного языка программирования, твердо и уверенно конструировать алгоритмы и архитектуры программных продуктов

  • Код ON9

    Администрировать и разрабатывать высоконагруженные информационные системы финансового менеджмента предприятия на основе алгоритмов и методов технологии управленческого учета производственных процессов

  • Код ON3

    Проводить объектно-ориентированный анализ и разрабатывать высоконагруженные системы с искусственным интеллектом на основе отечественных и зарубежных стандартов в области проектирования программных продуктов и компьютерной безопасности

  • Код ON6

    Разработать высокотехнологичные и эффективные алгоритмы вычислительных процедур и успешно использовать структуру данных и различные формы их представления

  • Код ON4

    Проводить объектно-ориентированный анализ и разрабатывать высоконагруженные интеллектуальные информационные системы на основе технологии искусственных нейронных сетей и разрабатывать высокопроизводительные системы распределенных видеоконференций, чат-ботов, вебинаров с потоковой обработкой текущей информации в режиме реального времени с хранилищем массивных данных

Top