Действующая образовательная программа

8D06104 Вычислительная техника и программное обеспечение в ЕНУ им. Л. Н. Гумилева

  • Цифровая обработка изображении
    Кредитов: 5

    Дисциплина направлена на изучение основных терминов и понятий, связанных с обработкой изображений, возможностей программных и аппаратных средств, способы решения и перспективы развития аппаратного и программного обеспечения в области обработки изображений, основных направлений и проблем цифровой обработки изображений, алгоритмов и методов синтеза обработки изображений.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Методы оптимизации в инженерии
    Кредитов: 5

    Курс направлен на получение знаний и формирование основных навыков по применению математических моделей, развитие логического мышления, решение оптимизационных задач в области программной инженерии. Рассматривается использование математического аппарата для решения теоретических и прикладных задач, оптимизация уравнений регрессии, построение математических моделей и регрессионных зависимостей, оптимизация функций.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Моделирование мобильных роботов
    Кредитов: 5

    В рамках изучения данного курса будут рассмотрены современные принципы моделирования мобильных роботов – магистрального направления развития науки и техники в различных областях деятельности. Курс направлен на обучение современным методам и средствам моделирования робототехнических систем и анализу управления движением мобильных роботов, также на изучение технических средств аппаратной реализации, применяемых в робототехнике.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Машинное обучение и принятие решений
    Кредитов: 5

    В дисциплине изучаются методы машинного обучения, основные алгоритмы машинного обучения, область применения, а также особенности применения машинного обучения для принятия решений в различных областях науки и техники.

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

    Целью изучения дисциплины является формирование готовности и способности обучающихся к реализации собственных исследовательских проектов, умения создавать научные и научно-информационные тексты различных видов с учетом специфики академического дискурса и представлению их результатов в письменной форме в соответствии с нормами международного академического сообщества.

    Год обучения - 1
    Семестр 1
  • Методы экспертной оценки и экспертные системы
    Кредитов: 5

    Основное содержание дисциплины: процедура организации и проведения экспертных оценок, методы экспертных оценок, структура, содержание экспертных систем, функции, виды, назначение и функции экспертных систем, изучение моделей представления знаний и создание базы знаний, технология создания экспертных систем.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Интеллектуальные встроенные системы управления
    Кредитов: 5

    Данный курс представляет собой синергию трёх задач: интеллектуальные системы управления, встроенные системы управления и средства автоматизированного проектирования для моделирования и программирования цифровых систем. Особое внимание в курсе уделяется умению анализировать и адаптировать модели и методы, составляющие предмет искусственного интеллекта, для решения широкого спектра прикладных задач во встроенных системах.

    Селективная дисциплина
    Год обучения - 1
    Семестр 1
  • Методы научных исследований
    Кредитов: 5

    Целью дисциплины является формирование профессиональных компетенций исследователя, овладение основными подходами, методами и инструментами исследования политических событий и явлений, способности к анализу, систематизации и обобщению результатов научных исследований путем применения комплекса исследовательских методов при решении конкретных научно-исследовательских задач с использованием современных научных методов и технологий.

    Год обучения - 1
    Семестр 2
  • Методы моделирования и принятия решений в нечеткой среде
    Кредитов: 5

    Основное содержание дисциплины: теория и методы математического моделирования и теория и методы принятия решений в нечеткой среде на основе математического аппарата теорий нечетких множеств. Методология разработки моделей в условиях дефицита и нечеткости исходной информации. Формализация, постановка и эвристические методы решения задачи принятия решений в нечеткой среде. Концепция построения интеллектуализированных систем поддержки принятия решений.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Фундаментальные алгоритмы для систем моделирования и анализа
    Кредитов: 5

    Дисциплина направлена на изучение алгоритмов разработки программного обеспечения, методов, лежащих в основе методологии проектирования для сложных систем. Рассматриваются также использование интегральной схемы в качестве примера, проектные потоки, дискретные и непрерывные модели и алгоритмы и стратегии для реализации алгоритмов для эффективного программного обеспечения.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Передовые технологии проектирования робототехнических систем
    Кредитов: 5

    В курсе рассматриваются современные технологий проектирования и моделирования робототехнических системам: MathLab, LabView, Webots и другие интегрированные средства разработки. Будут рассмотрены способы проектирование систем адаптивного и интеллектуального управление роботами и автоматическими системами на конкретных примерах. Изучены роевые и генетические алгоритмы управления децентрализованные робототехническими системами прикладного значения.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Современные распределенные интеллектуальные системы
    Кредитов: 5

    Распределённые интеллектуальные системы характеризуются многопоточностью вычислительных и информационных ресурсов, что ведёт к повышению адаптируемой надёжности, а также общего быстродействия системы в виду возможности одновременно обрабатывать большие наборы данных. Дисциплина обеспечивает углублённую теоретическую и практическую подготовку в области создания распределённых интеллектуальных систем на основе технологий интеллектуальных агентов и многоагентных систем.

    Год обучения - 1
    Семестр 2
  • Разработка SCADA систем для робототехнических комплексов
    Кредитов: 5

    В курсе изучаются общие понятия и структура SCADA-систем, проблемы построения эффективных и надежных систем диспетчерского управления робототехническими комплексами, основные требования к диспетчерским системам управления, удаленные терминалы (RTU), каналы связи (CS), диспетчерские пункты управления (MTU), функциональные уровни SCADA-систем, промышленные интерфейсы и контроллеры.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Алгоритмы глубокого обучения для задач видеоаналитики
    Кредитов: 5

    Дисциплина направлена на изучение теоретических основ глубокого обучения нейронных сетей и применение их для решения практических задач видеоналитики. В курсе изучаются модель искусственного нейрона и искусственной нейронной сети; алгоритмы обучения нейронных сетей; архитектуры глубоких нейронных сетей; способы применения глубоких нейронных сетей для задач видеоаналитики; программные системы обучения глубоких нейронных сетей.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Визуализация сигналов и систем в приложениях
    Кредитов: 5

    Дисциплина направлена на изучение основ математического представления и преобразований данных в современных системах регистрации, накопления, обработки и представления данных, изучение методов реализации в системах и на современных персональных компьютерах на основе эффективных алгоритмов преобразования.

    Селективная дисциплина
    Год обучения - 1
    Семестр 2
  • Код ON2

    Оптимально применять современные методы научных исследований, обработки и интерпретации экспериментальных данных при решений научных задач для получения новых научно обоснованных результатов

  • Код ON5

    Применять оптимизационные модели в вычислениях и фундаментальные алгоритмы для систем моделирования, анализа и оптимизации, позволяющие проводить аналитическую и исследовательскую работу

  • Код ON1

    Применять в научной деятельности навыки профессионального написания академического письма и методов научных исследований

  • Код ON7

    Проектировать и разрабатывать интеллектуальные встроенные системы управления. Отлаживать программное обеспечение, используемое во встраиваемых системах. Формулировать требования к робототехническим комплексам и применять новые технологии разработки SCADA систем

  • Код ON8

    Решать научные и технические задачи экспертной оценки. Реализовывать современные методы моделирования и принятия решений в нечеткой среде

  • Код ON6

    Решать задачи в сфере анализа и обработки данных, цифровой обработки изображений и визуализации сигналов с помощью современных вычислительных систем

  • Код ON9

    Применять методы машинного обучения и глубокие нейронные сети для задач обработки данных и принятия решений, разрабатывать программные системы обучения глубоких нейронных сетей.

  • Код ON4

    Рассчитывать параметры конструктивных схем, проектировать и создавать опытные образцы и макеты микросистемной техники, мехатронных модулей, роботов и робототехнических систем

  • Код ON3

    Применять в профессиональной деятельности технологии построения интеллектуальных систем, способы манипулирования знаниями при поиске решений и современные тенденции развития распределенной вычислительной технологии

Top