Новая образовательная программа

6B06107 Математические и вычислительные науки в Astana IT University

  • Линейная алгебра
    Кредитов: 5

    Цель курса - дать студентам знания основ линейной алгебры и теории матриц. По завершении этого курса студент освоит основные свойства матриц, включая детерминанты, обратные матрицы, матричные факторизации, собственные значения и линейные преобразования.

    Год обучения - 1
    Семестр 1
  • Математический анализ 1
    Кредитов: 5

    Академическая дисциплина включает в себя знание анализа функций, представленных различными способами, и понимание отношений между этими различными представлениями; понимание значения производной с точки зрения скорости изменения и локальной линейной аппроксимации, а также использование производных для решения различных задач.

    Год обучения - 1
    Семестр 1
  • Введение в программирование (С++)
    Кредитов: 6

    Курс предназначен для изучения основ программирования и отладки программ. Рассматриваются неформальное определение понятия алгоритм, переменные, типы данных языка С++, итеративные конструкции, ветвления в коде, получение доступа к локальным и удаленным файлам, работа с функциями на языке C++.

    Год обучения - 1
    Семестр 1
  • Алгоритмы и структуры данных
    Кредитов: 5

    Курс рассматривает базовые, классические алгоритмы и структуры данных, используемые в программировании. Рассматриваются принципы построения и описания алгоритмов, понятия сложности и производительности алгоритмов, их основные классы.

    Год обучения - 1
    Семестр 2
  • Математический анализ 2
    Кредитов: 5

    Учебная дисциплина знакомит 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 (дифференциальные уравнения, ряды, двойные и тройные интегралы) для решения различных прикладных задач.

    Год обучения - 1
    Семестр 2
  • Обыкновенные дифференциальные уравнения
    Кредитов: 5

    Законы природы выражаются как дифференциальные уравнения. Ученые и инженеры должны знать, как смоделировать мир с точки зрения дифференциальных уравнений, и как решать эти уравнения и интерпретировать решения. Этот курс фокусируется на обыкновенных дифференциальных уравнениях и их приложениях в области науки и техники: Моделирование простой физической системы, чтобы получить уравнение дифференциала первого порядка. Проверка правдоподобности решения дифференциального уравнения (DE), которое моделирует физическую ситуацию. Визуализация решения, метод Эйлера."

    Год обучения - 1
    Семестр 3
  • Профессиональный английский язык
    Кредитов: 4

    Курс включает в себя интенсивную программу изучения английского языка, связанного с профессиональной деятельностью. В курсе включены темы, отражающие последние достижения в области информационных технологий, а терминологический словарь делает их непосредственно соответствующими потребностям студентов.

    Год обучения - 1
    Семестр 3
  • Математический анализ 3
    Кредитов: 5

    Математический анализ 3 расширяет методы и идеи от исчисления до случая, когда существует более одной независимой или зависимой переменной. Исчисление многих переменных является фундаментальным инструментом во многих применениях математики к науке и технике. С математической точки зрения, многовариантное исчисление исследует методы, которые являются фундаментальной предпосылкой для расширенных тем, включая оптимизацию, обычные и частичные дифференциальные уравнения, вероятность и статистику, дифференциальную геометрию и сложный анализ.

    Год обучения - 1
    Семестр 3
  • Технологическое предпринимательство
    Кредитов: 5

    Учебная дисциплина посвящена изучению принципов и методов построения организации, планирования и контроля на предприятии, экономического анализа производственного процесса и оценки его результатов, организации и контроля производственного процесса. Во время курса рассматриваются предпринимательские навыки и лидерские качества, требуемые для успешного становления предпринимателем в области информационных технологий.

    Год обучения - 1
    Семестр 3
  • Объектно-ориентированное программирование C++
    Кредитов: 5

    Курс предназначен для изучения объектно-ориентированного программирования на языке С++. Студенты изучат принципы объектно-ориентированного программирования, дополнительные элементы языка С++ (классы, объекты, шаблоны и т.д.), получат понятийный аппарат объектно-ориентированного программирования (полиморфизм, инкапсуляция, наследование, конструктор и т.д.), сформируют понимание принципа повторного использования кода в программирование, получат понятия о принципах SOLID.

    Селективная дисциплина
    Год обучения - 2
    Семестр 1
  • Дифференциальные уравнения в частных производных
    Кредитов: 5

    Дифференциальные уравнения в частных производных в науке и технике включают задачи с начальными и граничными условиями для параболических, гиперболических и эллиптических уравнений второго порядка. Акцент делается на разделение переменных, специальных функций, методов преобразования и численных методов. Обучающийся получит четкое интуитивное понимание концепции уравнения в частных производных и его отношения к описанию физических явлений, таких как диффузия и распространение волн, тепло перенос.

    Год обучения - 2
    Семестр 1
  • Объектно-ориентированное программирование Java
    Кредитов: 5

    Курс предназначен для изучения объектно-ориентированного моделирования и программирования на языке Java. Студенты изучат принципы объектно-ориентированного моделирования, основы языка Java (синтаксис, структура программ, пакеты, классы, интерфейсы и т.д.), получат понятийный аппарат объектно-ориентированного программирования (полиморфизм, инкапсуляция, наследование, конструктор и т.д.), сформируют понимание принципа повторного использования кода в программирование.

    Селективная дисциплина
    Год обучения - 2
    Семестр 1
  • Численные методы
    Кредитов: 5

    Данный курс является введением в вычислительные науки, путем изучения простейшых численных методов, использующихся для приближенного решения дифференциальных и интегральных уравнений. Основные темы: математические и вычислительные основы численного приближения и решения научных задач; Простая оптимизация; векторизация; кластеризация; Полиномиальная и сплайновая интерполяция; интегрирование и дифференциация; решение крупномасштабных систем линейных и нелинейных уравнений; моделирование.

    Год обучения - 2
    Семестр 1
  • Математический анализ 4
    Кредитов: 5

    Этот курс разрабатывает исчисление реальных и векторных функций одной и нескольких переменных. Темы включают матричную алгебру и линейные карты; векторные функции и их анализ; геометрия евклидового N-пространства; функции нескольких переменных и их дифференциации; градиенты и направленные производные; частная производная; длина дуги; векторные поля, дивергенция и сгибание; Теорема Тейлора для нескольких переменных; крайность реальных функций в n-пространстве; Мультипликаторы Лагранжа; несколько интегралов и правило цепи; неправильные интегралы; линейные интегралы; площадь поверхности; поверхностные интегралы; Теорема Грина; Теорема Гаусса; Теорема Стокса.

    Год обучения - 2
    Семестр 1
  • Введение в машинное обучение
    Кредитов: 5

    В данном курсе студент изучит основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. А также, они смогут узнать об основных методах машинного обучения и их особенностях, научаться оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи.

    Год обучения - 2
    Семестр 2
  • Химия
    Кредитов: 5

    Цель дисциплины – сформировать у студентов систему фундаментальных знаний химии, необходимых для последующей подготовки бакалавра, способного к эффективному решению практических задач моделирования и вычислений практических задач химического и биоинженерного производства."

    Селективная дисциплина
    Год обучения - 2
    Семестр 2
  • Физика
    Кредитов: 5

    Цель дисциплины – сформировать у студентов систему фундаментальных знаний физики, необходимых для последующей подготовки бакалавра, способного к эффективному решению практических задач моделирования и вычислений практических задач физического производства и прогнозирования результатов физических процессов."

    Селективная дисциплина
    Год обучения - 2
    Семестр 2
  • Численные методы для дифференциальных уравнений
    Кредитов: 5

    Этот курс содержит изучение численных методов для уравнений в частных производных, с акцентом на строгую математическую основу. Особое внимание уделяется качественному пониманию рассматриваемых дифференциальных уравнений в частных производных, основ конечных разностей, конечного объема, конечных элементов и спектральных методов, а также важных понятий, как стабильность, сходимость и анализ ошибок. Задачи: уравнение теплопроводности, волновое уравнение, проблемы с конвекционной диффузией, уравнение Пуассона, уравнения Навье-Стокса. Концепции: согласованность, стабильность, конвергенция, теорема слабой эквивалентности, анализ ошибок, подходы Фурье. Методы: конечные разности, конечные объемы, конечные элементы, спектральные методы.

    Год обучения - 2
    Семестр 2
  • Теория вероятностей и математическая статистика
    Кредитов: 5

    Учебная дисциплина посвящена вероятности и статистике любых событий, а также взаимосвязи между математикой и программированием. В курсе подробно рассматриваются функции случайных величин и оценка параметров распределений. Темы включают частоту как оценку вероятности, оценку статистических характеристик, оценку математического ожидания и ковариационной матрицы случайного вектора и проверку гипотез о параметрах распределений.

    Год обучения - 2
    Семестр 2
  • Системы управления базами данных
    Кредитов: 5

    Учебная дисциплина направлена на формирование навыков управления современными системами управления баз данных. Предметом изучения дисциплины является принципы построения информационно-управляющих систем на основе технологий баз данных, основ реляционных баз данных и применение языка SQL, организация интерфейсов для работы с базами данных и взаимодействия с функциональными блоками системы.

    Селективная дисциплина
    Год обучения - 2
    Семестр 2
  • Разработка мобильных приложений (Android)
    Кредитов: 5

    Курс нацелен на формирование понимания основ архитектуры приложений для операционной системы Android и навыков работы со средой разработки IDE. Предметом изучения дисциплины является сервис операционной системы и процессов публикации приложений в Play store, проектирование, разработка и тестирование приложения.

    Селективная дисциплина
    Год обучения - 2
    Семестр 2
  • Web - технологии
    Кредитов: 5

    Курс учит использовать язык программирования PHP, владеть основами базы данных MySQL и разрабатывать защищенные серверные клиентские веб-приложения. Цель дисциплины: развить у студентов теоретические знания и практические навыки работы с современными технологиями W3C, методами и инструментами разработки вебориентированных информационных систем.

    Селективная дисциплина
    Год обучения - 2
    Семестр 2
  • Теория вычислимости
    Кредитов: 5

    Курс содержит продолжение математической логики и введение обучающихся в теорию вычислимости, известную также как теория рекурсивных функций, раздел современной математики, лежащий на стыке математической логики, теории алгоритмов и информатики, возникшей в результате изучения понятий вычислимости и невычислимости, доказуемости и недоказуемости.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Гетерогенная параллелизация
    Кредитов: 5

    Этот курс представляет собой концепции, языки, методы и паттерны для программирования гетерогенных, массово параллельных процессоров. Он охватывает гетерогенные вычислительные архитектуры, модели программного программирования, методы управления полосой пропускания памяти и шаблоны параллельных алгоритмов на примере CUDA и OpenCL.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Метод конечных объемов
    Кредитов: 5

    Данный курс направлен на изучение методов конечных объемов (FVM), которые являются одним из широко используемых численных методов в научном сообществе и в промышленности. Обучающиеся освоят теоретические знания и практические навыки для решения одномерных и многомерных эллиптических, параболических и гиперболических дифференциальных уравнений методами конечных объемов, а так же для анализа их сходимости и устойчивости.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Стохастические процессы
    Кредитов: 5

    Многие системы развиваются со временем с неотъемлемой частью случайности. Цель этого курса состоит в том, чтобы разработать и проанализировать модели вероятности, которые захватывают существенные особенности изучаемой системы для прогнозирования краткосрочной и долгосрочной перспективы; эффекты, которые эта случайность окажет на рассматриваемые системы. Обучение моделей вероятности для стохастических процессов включает в себя широкий спектр математических и вычислительных инструментов. "

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Параллелизация алгоритмов
    Кредитов: 5

    В этом курсе студенты узнают о параллельных алгоритмах. Акцент будет сделан на алгоритмах, которые можно использовать на параллельных машинах общей памяти, таких как многоядерные архитектуры. Курс будет включать как теоретический компонент, так и компонент программирования. Подробные темы включают в себя: моделирование стоимости параллельных алгоритмов, нижних связей и параллельных алгоритмов для сортировки, графиков, вычислительной геометрии и строковых операций. Компонент языка программирования будет включать параллелизм данных, потоки, планирование, типы синхронизации, транзакционную память и передачу сообщений.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Метод конечных элементов
    Кредитов: 5

    Метод конечных элементов является незаменимым инструментом для инженеров во всех дисциплинах. Этот курс знакомит студентов с фундаментальной теорией метода конечных элементов как общего инструмента для численного решения дифференциальных уравнений для широкого спектра инженерных задач. В первую очередь представлены задачи Лапласа, и уравнения Пуассона. Описываются все этапы формулировки МКЭ. Обсуждаются специфические классы проблем на основе абстракций и идеализации 3D твердых веществ, таких как плоское напряжение и напряжение, Состав конечных элементов для несжимаемых задач потока вводится посредством дискретизации уравнений Эйлера и Навье-Стокса.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Методы дробных шагов
    Кредитов: 5

    Эта дисциплина направлена на изучение некоторых подходов метода конечных разностей, а именно методы дробных шагов для решения задач с граничными условиями для уравнений в частных производных. Такие методы включают методы переменных направлений, стабилизирующих поправок, продольно-поперечные прогонки и т. д. После освоения дисциплины обучающийся должен знать: основные методы дробных этапов, алгоритмы для итеративного решения задач с граничными условиями для параболических и эллиптических уравнений; уметь: решать практические проблемы, используя описанные методы, исследовать сходимость решений и т. д.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Биостатистика
    Кредитов: 5

    Этот курс будет использовать тематические исследования для обсуждения проблем и применений биостатистики. Темы будут включать в себя исследования когорты и контроль за тем, анализ выживаемости с применениями в клинических испытаниях, оценку диагностических тестов и статистической генетике. Курс завершится обзором областей текущих биостатистических исследований.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Методы Монте-Карло
    Кредитов: 5

    В этом курсе учащиеся решают проблемы генерации случайных выборок из целевых распределений с помощью методов преобразования и цепочек Маркова, оптимизируя численные и комбинаторные проблемы (например, задача с продавцом -путешествующим) и Байесовские вычисления для анализа данных.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Академическое письмо
    Кредитов: 5

    Эта учебная дисциплина учит, как понять основные различия между письменными традициями; узнать, что значит быть конструктивно критичным как читатель и самокритичным как писатель; особенностям академической лексики, грамматики и стиля; попрактикуйтесь в создании хорошо структурированного абзаца; позволяет получить практические навыки использования аргументов и доказательств в письменной форме; умению писать академическое эссе.

    Год обучения - 3
    Семестр 1
  • Биохимия и молекулярная биология
    Кредитов: 5

    Основной целью данного курса является введение в основные классы биомолекул и метаболизм этих молекул, для создания математических моделей. Этот курс предназначен для того, чтобы представить введение в взаимосвязь между компонентами пищи и компонентами живых организмов. Особое внимание уделяется биохимии в контексте питания человека. Рассматриваются основные методы математического моделирования биохимических процессов.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Стохастические дифференциальные уравнения
    Кредитов: 5

    Данный курс направлен на изучение стохастических дифференциальных уравнений (SDE), предлагающих для случайных систем красивый и мощный математический язык в аналогии с тем, что обычные дифференциальные уравнения (ODE) делают для детерминированных систем. В данном курсе обучающиеся освоят теоремы существования для СДУ, свойства решений СДУ, методы интегрирования СДУ.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Введение в науку о данных
    Кредитов: 4

    Дисциплина знакомит обучающихся с предметной областью науки о данных и формирует навыки решения задач обработки и визуализации данных с использованием языка Python. В курсе рассматриваются основы интерактивной работы с Python в блокноте Jupyter Notebook, дается необходимый минимум синтаксических конструкций Python для задач обработки данных, рассматриваются базовые аналитические пакеты: pandas, matplotlib. Рассматриваются вопросы загрузки данных разных форматов, очистки данных, разведочного анализа, визуализации данных.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Теория принятия решений
    Кредитов: 5

    Теория принятия решений посвящена методам определения оптимального хода действий, когда доступен ряд альтернатив, и их последствия не могут прогнозироваться с уверенностью. Этот курс будет использовать количественные методы (модели) для решения проблем и принятия решений. Теории и модели, которые должны быть усвоены, включают теорию вероятностей, теорию полезности и теорию игр, модели линейного программирования, модели нелинейного программирования и модели целочисленного программирования.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Нечеткая логика
    Кредитов: 5

    Курс предназначен для того, чтобы дать прочную основу фундаментальных концепций нечеткой логики и ее применения. Курс содержит работу с нечеткими операторами, фаззификация, дефаззификация, TSK системы, их применение в машинном обучении и нечетких базах данных.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Введение в квантовые вычисления
    Кредитов: 5

    Этот курс направлен на то, чтобы обеспечить первое введение в квантовые вычисления и алгоритмы. Будут изучены изменения парадигмы между обычными вычислениями и квантовыми вычислениями и введены несколько основных квантовых алгоритмов, в том числе алгоритмы Шора и Гровера. Также будут рассмотрены последствия квантовых вычислений на такие поля, как компьютерная безопасность и машинное обучение.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Облачные вычисления
    Кредитов: 4

    Данный курс предназначен для разработки программных систем и приложении где основной упор будет сделан на применение облачных решении там где это покажет наибольшую эффективность. У обучающихся будет возможность работать с различными провайдерами облачных решении, таких как Amazon, Google, Microsoft. Они научатся развертывать облачные решения для баз данных, аналитики данных, машинного обучения. Курс содержит следующие темы: "Load Balancing", "Scalability, Availability and Fault Tolerance", "BigQuery", "Machine Learning on Unstructured Datasets" и т.д.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Введение в аналитику больших данных
    Кредитов: 5

    Курс предназначен для изучения основ работы с большими данными, огромными массивами структурированной и неструктурированной информации. Обучающиеся научатся работать с технологиями MapReduce, Hadoop, Spark для реализации аналитики и машинного обучения на больших данных.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Аналитика данных в генетике
    Кредитов: 5

    Этот курс охватывает принципы прокариотической и эукариотической генетики клеток. Акцент делается на аналитике данных с учетом молекулярной основы наследственности, хромосомной структуры, моделей менделевского и неменделевского наследования, эволюции и биотехнологических применений. По завершении, обучающиеся должны быть в состоянии распознать и описать генетические явления, демонстрировать знание важных генетических принципов, использовать инструменты для анализа генетических данных большого объема.

    Селективная дисциплина
    Год обучения - 3
    Семестр 1
  • Психометрия
    Кредитов: 5

    В этом курсе обсуждаются принципы и проблемы в области психометрии, отрасли психологии, связанной с количественной оценкой и измерением умственных атрибутов, поведения и производительности, а также с дизайном, анализом и улучшением тестов, используемых в таких измерениях.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Математическая популяционная биология
    Кредитов: 5

    Курс содержит математические модели в биологии популяции, в биологических областях, включая демографию, экологию, эпидемиологию, эволюцию и генетику. Математические подходы включают методы в таких областях, как комбинаторика, дифференциальные уравнения, динамические системы, линейная алгебра, вероятность и стохастические процессы.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Введение в химическую инженерию
    Кредитов: 5

    Курс «Введение в химическую инженерию» включает в себя работу по материальным и энергетическим балансам, термодинамике, разработке реакций, тепло- и массообмену, процессам разделения, управлению химическими процессами, безопасности процессов и проектированию установок.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Методы и инструменты введения исследований
    Кредитов: 5

    Курс предназначен для изучения основных методов и инструментов требуемых для введения научных исследований. Курс также знакомит студентов с популярными поисковыми базами данных научных статей, такими как Web of Science, Scopus и другие. Во время курса студенты ознакомятся с инструментами цитирования и поиска научной информации.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Введение в теорию оптимизации
    Кредитов: 5

    Этот курс введет теоретические основы непрерывной оптимизации. Начиная с первых принципов, будет показано, как разрабатывать и анализировать простые итерационные методы для эффективного решения широких классов задач оптимизации. В центре внимания курса будут достижение доказуемых показателей конвергенции для решения крупномасштабных задач.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Количественный анализ
    Кредитов: 5

    Курс предполагает получение знаний в области прикладной статистики, в том числе изучение теории и практики методов сбора, обработки, расчета и анализа статистических данных, изучение закономерностей и тенденций массовых явлений и процессов в технологической сфере, их количественных характеристик.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Основы молекулярной эволюции
    Кредитов: 5

    Курс рассказывает о методах анализа молекулярной эволюции, такие как эволюционная конструкция деревьев, методы из вычислительной протеомики, и как на их основе были доказаны такие эволюционные утверждения как происхождение птиц от динозавров и нахождение региона происхождения человеческого вида.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Глубокое обучение с подкреплением
    Кредитов: 5

    На данном курсе обучающийся научится внедрять агентов на основе Deep Reinforcement Learning, типе машинного обучения, где агент узнает, как вести себя в среде, выполняя действия и видя результаты. Обучающиеся будут создавать агентов с использованием Tensorflow и Pytorch, для самостоятельного обучения в простые игры. По изучении данных методов обучающийся погрузится во внедрение агентов на основе глубокого обучения с подкреплением в прикладных отраслях.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Вычислительная механика жидкости
    Кредитов: 5

    В данной дисциплине будут изучены фундаментальные законы, уравнения в частных производных и вычислительные алгоритмы для задач течения жидкости. Основной целью этого курса является получение прочной основы знаний о численных методах для задач конвекционной диффузии. Акцент делается на физические процессы, и лежащюю в их основе математику. Преподается метод контрольного объема, который является надежным физически интуитивным численным подходом, широко используемым как в промышленности, так и в научных кругах.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Компьютеризированное адаптивное тестирование
    Кредитов: 5

    Курс направлен на изучение компьютеризированного адаптивного тестирования (CAT), основаного на принципе, что дополнительная информация может быть получена, когда тест адаптируется к уровню тестируемого человека, что позволяет избежать ситуаций, когда задается вопрос, ответ на который известен или понятен заранее. Вычислительные и статистические методы из теории элементного отклика (IRT) и теории принятия решений объединяются для реализации теста, который может вести себя интерактивно в течение процесса тестирования, и адаптируется к знаниям и уровню тестируемого лица.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Клеточная инженерия
    Кредитов: 5

    Данная дисциплина знакомит обучающихся бакалавриата с клеточной инженерией, областью, решающей проблемы, связанные с пониманием и управлением взаимосвязанными функциями структуры клеток. Курс является мостом между биологами и инженерами, охватывает следующие темы: Основная клеточная биология и процессы, Механика клеток и субклеточных элементов, поток, гидростатическое давление, растяжение, кручение, изгиб и комбинированные нагрузки, Кинетика ферментов, Инженерия метаболических путей.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Теория элементного отклика
    Кредитов: 5

    Этот курс познакомит студентов с классической теорией тестирования (КТТ) и часто используемыми моделями теории элементного отклика (Item response theory - IRT) для анализа дихотомических и политомических тестовых данных. Хотя большая часть курса будет прикладной, будут приведены некоторые технические детали, облегчающие понимание IRT и подчеркивающие ее преимущества перед КТТ. К концу курса студент должен понимать следующее: различия между моделями IRT для элементов с дихотомической и политомической оценкой; математические и теоретические допущения, лежащие в основе IRT; различие в оценках латентных признаков и стандартной ошибке измерения между IRT и CTT; выполнение анализов IRT с помощью IRTPro.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Моделирование личностных черт
    Кредитов: 5

    Курс описывает использование концепции личностных черт «большой пятерки», взятой из психологии и включающей в себя пять широких областей, которые описывают личность. Эти пять черт личности используются для понимания и моделирования взаимосвязи между личностью и различным поведением. Предполагается, что эти пять факторов представляют основную структуру, лежащую в основе всех черт личности. Эти пять факторов были определены и описаны несколькими различными исследователями в течение нескольких периодов исследований. Данный курс ориентирован на методы прогнозирования мнения общественности на основе моделирования с использованием личностных черт. "

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Инженерия тканей
    Кредитов: 5

    Этот курс предназначен для того, чтобы охватить основы тканевой инженерии, новейшего терапевтического подхода для лечения дегенерированных или поврежденных тканей/органов. Темы в этом курсе будут включать в себя математические модели и стратегии тканевой инженерии, такие как проектирование, изготовление и использование биоматериалов; клеточная инженерия, включая клеточную терапию, доставку лекарств; а также клеточные биоматериальные взаимодействия. Последние достижения и основные проблемы, относящиеся к тканевой инженерии, также будут представлены и обсуждены.

    Селективная дисциплина
    Год обучения - 3
    Семестр 2
  • Дискретная математика
    Кредитов: 5

    Курс предназначен для изучения разделов традиционной математики: логика, множества, отношения и функции в контексте моделирования задач для программирования. В данном курсе студент сформирует понимание связи между традиционной математикой и разработкой программного обеспечения, получит достаточный формальный аппарат для самостоятельного перевода сложных теоретических концепций в их инженерную реализацию.

    Год обучения - 3
    Семестр 3
  • Код ON1

    Обладать общими гибкими навыками подготовки и презентации результатов и документов, критически мыслить и анализировать поставленные задачи, знать языки и социальные взаимодействия для обеспечения плодотворной работы, как индивидуальной, так и в составе команд.

  • Код ON2

    Проводить все этапы разработки информационных систем и программного обеспечения на разных масштабах для подготовки частей или целых программных продуктов.

  • Код ON3

    Формулировать и доказывать фундаментальные законы и теоремы в сферах математического моделирования и вычислительных наук, анализировать и обсуждать результаты вычислительных экспериментов для проведения исследований и научных изысканий.

  • Код ON4

    Подбирать эффективные математические модели и анализировать их на сходимость и устойчивость для прогнозирования течения реальных процессов в соответствующей отрасли производства.

  • Код ON5

    Формулировать и настраивать методы вычислительных наук с целью оптимизации, решения новых задач, адаптации алгоритмов к новым вычислительным платформам.

  • Код ON6

    Собирать, обрабатывать и анализировать данные, с использованием методов математической статистики, науки о данных и машинного обучения для составления прогнозов и подготовки управленческих и оперативных рекомендации.

  • Код ON7

    Применять высокопроизводительные вычислительные алгоритмы на базе встроенных, средне- и крупномасштабных вычислительных систем для решения реальных производственных задач индустрии.

  • Код ON8

    Разрабатывать математические модели и численные алгоритмы и выбирать вычислительные методы для проведения вычислительных экспериментов и прогнозирования течения детерминированных и вероятностных процессов.

  • Код ON9

    Формулировать и применять методы математического моделирования, вычислительных методов и методов аналитики данных для инженерных производственных задач

  • Код ON10

    Формулировать и применять методы математического моделирования, вычислительных методов и методов аналитики данных для задач биоинформатики и генетики

  • Код ON11

    Формулировать и применять методы математического моделирования, вычислительных методов и методов аналитики данных для социальных инженерных задач и анализа социальных сетей

6B06107 Криптология
Бакалавриат

Евразийский национальный университет им. Л.Н. Гумилева (ЕНУ им. Л. Н. Гумилева)

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Русский, Казахский
6B06107 Вычислительная техника и программное обеспечение
Бакалавриат

Костанайский инженерно-экономический университет имени. М.Дулатова (КИНЭУ им. Дулатова)

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Русский, Казахский
6B06107 Киберфизические системы
Бакалавриат

Международный университет информационных технологий (МУИТ (IITU))

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Английский
6B06107 Mobile computing
Бакалавриат

Казахстанско-Немецкий университет (КНУ (DKU))

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Русский
6B06107 Информационные системы
Бакалавриат

Евразийский Технологический Университет (ЕТУ)

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Русский, Казахский, Английский
6B06107 Информационные системы и технологии
Бакалавриат

Рудненский индустриальный институт (РИИ)

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения:
6B06107 Data Science
Бакалавриат

Международный университет Астана (AIU)

ГОП: B057 Информационные технологии

Новая образовательная программа | Языки обучения: Русский, Казахский, Английский
Top