8D07110 Автоматизация, управление и системы цифровой обработки данных в ЮКГУ им. М. Ауезова

Дисциплины

• Бортовые цифровые вычислительные системы

  Цель: изучение, систематизация и закрепление знаний принципов построения и использования бортовых цифровых вычислительных средств, необходимых для их высокотехнологической эксплуатации. Содержание: Курс охватывает следующие основные разделы: - Синтез бортовой цифровой вычислительной машины; - Элементы теории точности; - Выбор и обоснование основных характеристик преобразователей информации; - Методы контроля работоспособности бортовой цифровой вычислительной машины; - Бортовые цифровые вычислительные системы; - Надежность бортовых цифровых вычислительных систем.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Проектирование адаптивных информационно-измерительных систем

  Цель: способность анализировать результаты теоретических и экспериментальных исследова-ний, давать рекомендации по оптимизации проектирования устройств и систем, информационно-измерительных систем. Содержание: Курс охватывает следующие основные разделы: - Разработка структуры подсистемы сбора аналоговой информации; - Разработка структуры подсистемы квазиобратимого сжатия данных; - Разработка структуры подсистемы необратимого сжатия данных; - Разработка структуры подсистемы формирования телеметрического кадра; - Разработка структуры подсистемы помехоустойчивого кодирования; - Разработка структуры подсистемы формирования служебной информации.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Академическое письмо

  Цель: формирование умения формулировать мысли кратко и понятно при написании научных работ и публикаций. Содержание: Курс охватывает следующие основные разделы: - правильность академического письма; - профессиональный опыт написания; - поиск подходящих источников с помощью библиотечных сайтов для поиска электронных ресурсов; - развитие критических подходов и критического мышления; - избегать плагиата путем обобщения и перефразирования; - написание официальных писем, электронных писем и резюме; - написание отчетов, тематических исследований и обзоров литературы; - построение академического сотрудничества с коллегами по всему миру; - рассмотрение преимуществ и проблем академического сотрудничества.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Нейронные сети для анализа данных и принятия решений

  Цель: формирование системного представления о нейронных сетях как об инструменте интеллектуального анализа данных и поддержки принятия решений в задачах автоматизации и управления. Углубленное изучение архитектур нейросетей, методов их обучения и применения в реальных инженерных, научных и управленческих задачах. Содержание: курс содержит введение в нейронные сети и интеллектуальный анализ данных. Изучается классификация и регрессия с использованием нейросетей. Анализируется современные методы обучения нейросетей. Рассматриваются вопросы их применения в задачах управления и прогнозирования, оценки параметров и состояний, а также принятие решений на основе нейросетевых моделей. Развитие навыков проектирования, настройки, интерпретации и критического анализа нейросетевых моделей в условиях неопределенности и больших объемов данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Цифровые системы сбора и обработки информации Big Data

  Цель: формирование комплекса знаний и практических навыков, необходимых для разработки, внедрения и эксплуатации интеллектуальных систем управления с использованием информационной технологий Big Data и цифровой обработки данных. Овладение методами интеграции аппаратных и программных решений для сбора, передачи, хранения, визуализации и анализа данных в АСУ. Содержание: курс рассматривает существующие платформы и сервисы для развертывания технологических решений с применением Big Data, и их основные характеристики. Компоненты платформ Intel, Cisco, PTC Thingworx. Понятие цифрового двойника, сферы его использования. Работа с платформой IMS. Приобретение навыков организации сбора, хранения и визуализации данных и интерпретации полученных результатов. Изучается архитектура интеллектуальных сетей и динамических экспертных систем, дифференциально-модельная концепция построения баз знаний и данных. Анализируются комплексные критерии качества, планирование эксперимента, экспериментальное исследование с помощью различных видов натурных или имитационных моделей

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Адаптивные телеизмерительные системы

  Цель: разработка вопросов теории и принципов построения высокоэффективных измерительных систем и систем автоматического контроля, обеспечивающих обработку данных в реальном масштабе времени и имеющих большое практическое значение. Содержание: Курс охватывает следующие основные разделы: - Анализаторы активности входных сигналов; - Структурные схемы передающих устройств; - Теория однопараметрической адаптивной дискретизации; - Теория адаптивной коммутации; - Восстановление и регистрация измеряемых данных в адаптивных телеизмерительных системах; - Оптимизация характеристик телеиз-мерительных систем.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Методы научных исследований

  Цель: уметь преобразовывать экспериментально полученный материал в научных исследованиях. Формирование методологических умений и навыков научно-исследовательской работы и научно-педагогической деятельности. Содержание: Курс рассматривает принципы научного познания, этапы проектирования научного исследования: концептуальную, технологическую и рефлексивную фазы, критерии результативности научного исследования, построение гипотез, создание программы исследования. Позволяет овладеть методологией эксперимента, методами обработки результатов измерений, умениями осмысливать научную деятельность. Формирует этические нормы выполнения и ресурсно-информационную базу научной работы, навыки анализа проблем в смежных областях знаний.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

Профессии

Результаты обучения

• Способность моделировать, развивать и конкретизировать теоретические основы и методы автоматизации и управления технологическими процессами в различных производственных структурах.
• Анализировать и формулировать современные тенденции развития технического обеспечения систем автоматизированного управления с использованием цифровой обработки данных.
• Критически анализировать материалы исследовательских работ и оптимизировать режимы автоматизированных систем управления и систем цифровой обработки данных с использованием технологий искусственного интеллекта и нейросетевых технологии.
• Интерпретировать полученные научные исследования для разработки и реализации предложений различных вариантов реализации профессиональных задач автоматизации и методов цифровой обработки с применением современных теоретических и практических знаний.
• Сравнить и противопоставлять различные модели при разработке и внедрению оптимальных систем автоматизированного управления и систем цифровой обработки данных.
• Применять полученные результаты исследований по модернизации работ по сбору, хранению и обработке информации, (в том числе интеллектуальной), применяемой в сфере профессиональной деятельности.
• Обобщать и адаптировать результаты научных исследований для преподавания дисциплин, соответствующих профилю научной специальности, в высших учебных заведениях, внедряя педагогические инновации.
• Анализировать задачи обработки экспериментальных данных, алгоритмов идентификации математической модели объекта управления, научных и технических решений с использованием алгоритмов тестирования, измерений, сбора данных, в том числе с применением методов искусственного интеллекта.
• Владеть навыками проведения научно-исследовательских работ и подготовки научных публикаций по разработке систем автоматизированного управления технологическими процессами и роботизированных технологических комплексов в различных отраслях промышленности.