Действующая образовательная программа

7M05408 Вычислительные науки и статистика в КазНУ им. аль-Фараби

  • Цель образовательной программы Программа магистратуры «Вычислительные науки и статистика» направлена на подготовку специалистов высшей квалификации в области вычислительных наук, методов стохастических вычислений, методов принятия решений, высокопроизводительных вычислений, построения расчетных сеток, машинного обучения. Выпускник настоящей образовательной программы также может осуществлять научные исследования и педагогическую деятельность в научно-исследовательских институтах и ВУЗах.
  • Академическая степень Магистратура
  • Языки обучения Русский, Казахский, Английский
  • Срок обучения 2 года
  • Объем кредитов 120
  • Группа образовательных программ M092 Математика и статистика
  • Направление подготовки 7M054 Математика и статистика
  • Организация и планирование научных исследований (англ)
    Кредитов: 6

    Цель дисциплины - формирование системы базовых знаний и навыков для организации и проведения научных исследований. Будут изучены: организация научной статьи, международная система научных публикаций, авторские права в системе международных научных публикаций, библиометрические (наукометрические) индикаторы в системе международных научных публикаций: индекс научного цитирования и импакт-фактор

    Год обучения - 1
    Семестр 1
  • Метод решеточных уравнений Больцмана для однофазных потоков
    Кредитов: 6

    Цель: моделирование однофазных потоков жидкости и газа методом решеточных уравнений Больцмана. Будут изучены: физические основы однофазных потоков, анализ решеточных моделей Больцмана для однофазных потоков, реализация численного алгоритма метода решеточных уравнений Больцмана.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Стохастические аппроксимация и управление
    Кредитов: 6

    Решаются задачи стохастической аппроксимации: решение уравнения методом стохастической аппроксимации, нахождение экстремумов и рекуррентное оценивание неизвестного параметра плотности распределения при наличии дополнительного управляющего параметра. Решаются задачи об управляемых марковских цепях, оптимальное управление в области и об оптимальной остановке управляемой цепи Маркова.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • История и философия науки
    Кредитов: 3

    Изучение закономерностей и тенденций развития особой деятельности по производству научных знаний, взятых в их исторической динамике и рассмотренных в исторически изменяющемся социокультурном контексте. Курс вводит в проблематику феномена науки как предмета специального философского анализа, формирует знания об истории и теории науки; о закономерностях развития науки и структуре научного знания.

    Год обучения - 1
    Семестр 1
  • Высокопроизводительные вычисления
    Кредитов: 6

    Дисциплина нацелена на то, чтобы дать знания, умения и основные навыки, позволяющие создавать высокопроизводительные реализации известных методов вычислительной математики, анализа и обработки данных. По освоении дисциплины магистрант будет знать теоретические аспекты распараллеливания алгоритмов; технологии организации кластеров и кластерных вычислений; методы аппаратной реализации алгоритмов обработки данных.

    Год обучения - 1
    Семестр 1
  • Педагогика высшей школы
    Кредитов: 3

    Цель – формирование способности к педагогической деятельности в вузе на основе знаний дидактики высшей школы, теорий воспитания и менеджмента образования, анализа и самооценки преподавательской деятельности. Курс рассматривает проектирование образовательной деятельности будущего преподавателя с применением КТО, реализации Болонского процесса, овладения лекторским, кураторским мастерством с использованием стратегий и методов обучения/воспитания и оценивания (TLA-стратегий).

    Год обучения - 1
    Семестр 1
  • Иностранный язык (профессиональный)
    Кредитов: 6

    Цель дисциплины: сформировать у магистрантов навыки, необходимые для общения в деловой и научной сферах, реализации коммуникативных компетенций, позволяющих вести научно-исследовательскую деятельность в международных исследовательских коллективах. Будут изучены: методы устной, письменной и электронной коммуникации; создание профессионально значимых текстов на английском языке.

    Год обучения - 1
    Семестр 2
  • Психология управления
    Кредитов: 3

    Дисциплина направлена на формирование социально-психологической компетенции по объективной оценке психологических теорий управления и лидерства, динамики группового развития и командообразования, особенностей психологии масс и толпы, психологических теорий коммуникации и стратегии разрешения конфликта, необходимых для своей профессиональной деятельности в рамках управленческих взаимоотношений.

    Год обучения - 1
    Семестр 2
  • Метод решеточных уравнений Больцмана для многофазных потоков
    Кредитов: 9

    Цель: моделирование многофазных и многокомпонентных потоков жидкости и газа методом решеточных уравнений Больцмана. Будут изучены: физические основы многофазных и многокомпонентных потоков, анализ решеточных моделей Больцмана для многофазных и многокомпонентных потоков, теория многокомпонентной диффузии, реализация численного алгоритма метода решеточных уравнений Больцмана.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Алгоритмы квантовых вычислений
    Кредитов: 6

    Целью данного курса является изучение основ квантовых вычислений, квантовых вычислительных моделей и эффективных квантовых алгоритмов. В курсе рассматривается история зарождения квантовых вычислений, вводятся необходимые определения и понятия, опирающиеся на постулаты квантовой механики, изучаются квантовые вычислительные модели, детально рассматриваются известные квантовые алгоритмы, демонстрирующие мощь квантовых вычислений по сравнению с классическими.

    Год обучения - 1
    Семестр 2
  • Стохастические дифференциальные уравнения и их приложения
    Кредитов: 9

    Рассматриваются стохастические процессы и случайные функции, стохастический анализ процессов, основные свойства стохастических процессов как непрерывность и дискретность. Как следствие стохастических процессов рассматривается теория марковских процессов. Определением марковских процессов является интегро-дифференциальные стохастические уравнения и стохастические дифференциальные уравнения (СДУ). Рассматривается задача Коши для СДУ.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Аналитика Big Data
    Кредитов: 9

    Цель: изучение основных концепций и задач Big Data, таких как сбор, хранение, совместное использование, управление и анализ больших данных. Будут изучены: современные технологии больших данных, проблемы конфиденциальности и безопасности, популярные платформы больших данных, принципы работы с большими данными, методы и инструменты для анализа больших данных.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Методы построения неструктурированных сеток
    Кредитов: 9

    Целью данного курса является изучение продвинутых алгоритмов триангуляции и разбиений пространств, таких как разбиения Вороного и триангуляция Делоне с дополнительными ограничениями, для дальнейшего построения расчетных сеток и реализации методов конечных объемов и конечных элементов на построенных сеточных структурах.

    Год обучения - 2
    Семестр 3
  • Непараметрическая статистика и факторный анализ
    Кредитов: 9

    Рассматриваются непараметрические (предполагаемая функция распределения не зависит от параметров) методы обработки данных по своим возможностям сопоставимые с гауссовской. В факторном анализе предполагается, что наблюдаемые переменные являются линейной комбинацией некоторых латентных (гипотетических или ненаблюдаемых) факторов.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Глубокое обучение
    Кредитов: 9

    В первую очередь курс направлен на формирование у студентов навыков решения прикладных задач при помощи глубоких нейронных сетей. Курс содержит изучение основ и практическое применение обучения с подкреплением и рассматривает новейшие методы, используемые для создания агентов, которые могут решать множество сложных задач с приложениями.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Марковские процессы принятия решений
    Кредитов: 9

    Рассматриваются марковские процессы принятия решений или управляемые марковские процессы. Марковские процессы принятия решений используются для решения задач: в исследовании операций, в системном анализе, теории надежности, диагностике, управлении запасами, теории массового обслуживания, прогнозировании, профилактическое обслуживание сложных технических систем. Применения оптимальных стратегий управления марковских процессов дает значительный экономический эффект.

    Селективная дисциплина
    Год обучения - 2
    Семестр 3
  • Код ON1

    Разрабатывать и использовать алгоритмы вычислительных исследований и экспериментов используя современные эффективные методы вычислительной математики

  • Код ON5

    Использовать методы интеллектуального анализа данных на основе глубокого обучения, обучения с подкреплением для адаптации вычислительного алгоритма для эффективного прогнозирования результатов

  • Код ON7

    Разрабатывать параллельные вычислительные алгоритмы для инженерных задач и реализовывать их в высокопроизводительных системах, разрабатывать алгоритмы квантовых вычислений

  • Код ON6

    Проводить занятия по математическим дисциплинам в оффлайн и онлайн режиме на основе инновационных технологий, разрабатывая методические рекомендации для СРС, лабораторные, практические, курсы лекций, учебники, учебные пособия, планы воспитательной работы и т.д.

  • Код ON3

    Проводить фундаментальный анализ вычислительных методов и разностных схем на сходимость и корректность, в том числе, в случае высокопроизводительных алгоритмов с использованием элементов математической логики и теории вычислимости

  • Код ON2

    Разрабатывать методы и алгоритмы вычислительной математики на основе аппроксимирования дифференциальных уравнений методами конечных разностей, объемов или элементов

  • Код ON10

    Проводить самостоятельные научные исследования, решая современные актуальные задачи, публикуя результаты в рейтинговых журналах и выступая на конференциях

  • Код ON9

    Использовать методы математической статистики в различных сферах экономики и производства, на реальных данных для подбора параметров, адаптации и тестирования вычислительных систем на основе реальных экспериментов

  • Код ON4

    Решать вычислительные задачи со сложной геометрией областей, строя и используя корректные структурированные, криволинейные, неструктурированные расчетные сетки

  • Код ON8

    Разрабатывать и проводить вычислительные симуляции вероятностных процессов из различных отраслей с использованием методов стохастического анализа и стохастических дифференциальных уравнений

Top