6B06103 Анализ больших данных в Astana IT University

Курс разработан для изучения основы программирования и построения алгоритмов на языке программирования C++.

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.

Дискретная математика является частью математики, посвященной изучению дискретных объектов (здесь дискретные средства, состоящие из отдельных или не связанных между собой элементов). В более общем смысле дискретная математика используется всякий раз, когда подсчитываются объекты, когда изучаются отношения между конечными (или счетными) наборами и когда анализируются процессы, включающие конечное число шагов. Основной причиной роста важности дискретной математики является то, что информация хранится и обрабатывается вычислительными машинами дискретным образом.

В курс входит: Теория матриц, системы линейных уравнений, теория векторов, аналитическая геометрия, предел и дифференцирование функций одной переменной

Курс рассматривает классические алгоритмы (поиск, сортировка и т.д.) и структуры данных (очередь, стэк, дерево, граф), используемые в программировании. Рассматриваются принципы построения алгоритмов, инструменты их описания, понятия сложности и производительности, основные классы алгоритмов.

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.

Курс предназначен для изучения программирования, отладки и реализации задач. Во время курса анализируются принципы работы основных компонентов программирования, получения доступа к локальным и удаленным сетевым ресурсам, программ с использованием языка (Python).

Курс разработан для изучения основных концепции объектно-ориентированного программирования на языке Java.

Курс предназначен для выполнения студентами проекта после первого года обучения, готового минимального продукта, который они смогут презентовать на различных соревнованиях (хакатонах). Курс не предполагает наличие лекции, а все занятия будут практико-ориентированными, с максимальным акцентом на получение результатов готового продукта. Во время курса, студенты должны применить все полученные на первом курсе знания, включая знания по разработке готовых приложении. Большой акцент на данном курсе отводится качественной бизнес составляющей минимального продукта.

Курс предназначен для изучения объектно-ориентированного программирования на языке Python. Студенты изучат принципы объектно-ориентированного программирования, дополнительные элементы языка Python (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.

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.

Курс предназначен для решения задач по программированию повышенной сложности с использованием подхода международной олимпиской системы программирования ACM. Курс не предполагает наличия лекции. Все занятия практико-ориентированные, и направлены на усиление навыков решения алгоритмических задач.

Курс обучает изучению закономерностей случайных явлений и их свойств, и использовать их для анализа данных. В результате изучения данной дисциплины обучающиеся будут знать основные понятия теории вероятностей и математической статистики и их свойства, а также уметь использовать вероятностные модели при решении задач, работать со случайными величинами, выполнять расчет выборочных характеристик, оценивать надежность статистических данных.

Курс включает и предполагает изучение студентами наиболее популярных реляционных и нереляционных систем управления базами данных, а также совокупности программных и лингвистических средств общего или специального назначения, обеспечивающих управление созданием и использованием баз данных.

Этот курс представляет собой промежуточный класс, охватывающий разработку компьютерных алгоритмов и анализ сложных алгоритмов. Студенты учатся анализировать асимптотическую производительность алгоритмов и знакомятся с основными алгоритмами и структурами данных. Они также применяют важные парадигмы алгоритмического проектирования и методы анализа, в дополнение к синтезу эффективных алгоритмов в обычных ситуациях инженерного проектирования. Материалы курса предназначены для того, чтобы помочь студентам понять разницу между поддающимися разрешению и трудноразрешимыми проблемами и ознакомиться со стратегиями борьбы с трудноразрешимостью.

Курс основан на конкретных примерах. Разрабатывают математические методы на примерах и строят алгоритмы для решения конкретных задач. Курс включает в себя следующие темы: рекурсии, суммы, целочисленные функции, элементарная теория чисел, биномиальные коэффициенты, специальные числа, производящие функции, дискретная вероятность, асимптотика.

Курс предполагает изучение архитектуры компьютера, или его описание на некотором общем уровне, включающее описание пользовательских возможностей программирования, системы команд, системы адресации, организации памяти и т. д., а также включает изучение структуры компьютера как совокупности функциональных элементов компьютера и связей между ними.

Целью освоения дисциплины является формирование знаний и умения применять методы вычислительной математики при моделировании современных программных комплексов и систем, освоение основных методов решения простейших подзадач, к которым сводится численная реализация математических моделей реальных процессов и явлений.

Курс нацелен на формирование понимания принципов конфигурации операционных систем, принципов отбора и анализа соответствующего кейса ИТ-операций. Предметом изучения дисциплины является принципы организации сетевых технологий, протоколов обмена информацией и функционирование физических носителей информации.

Курс предназначен для более продвинутого изучения языка программирования Java, включая изучение JSP (Java Server Pages), Servlet, JDBC (Java Database connection), включая многие основные принципы Java to Enterprise Edition (Advanced Java EE)

Этот курс предназначен для изучения основ мобильной разработки. Мобильные приложения, полученные в результате прохождения курса, можно загрузить в репозитории университета, а также отобразить в Play Store.

Методология проектирования баз данных для систем NoSQL. Подход основан на NoAM (абстрактная модель NoSQL), новой абстрактной модели данных для баз данных NoSQL, которая использует общие черты различных систем NoSQL и используется для определения независимого от системы представления данных приложения. В целом методология направлена на поддержку масштабируемости, производительности и согласованности, необходимых для веб-приложений следующего поколения.

Курс предназначен для выполнения студентами проекта, готового минимального продукта, который они смогут презентовать на разлиных соревнованиях (хакатонах) по анализу данных. Курс не предполагает наличие лекции, а все занятия будут практико-ориентированными, с максимальным акцентом на получение результатов готового продукта. Во время курса, студенты должны применить все полученные на втором курсе знания, включая знания по разработке готовых приложении.

Курс предназначен для выполнения студентами проекта, готового минимального продукта, который они смогут презентовать на разлиных соревнованиях (хакатонах). Курс не предполагает наличие лекции, а все занятия будут практико-ориентированными, с максимальным акцентом на получение результатов готового продукта. Во время курса, студенты должны применить все полученные на втором курсе знания, включая знания по разработке готовых приложении.

Дисциплина знакомит студентов с основными направлениями в разработке и использовании систем хранения данных. Цель преподавания учебной дисциплины: создание базы для применения современных методов сбора и анализа данных для решения практических задач и формирование у студентов умения создавать необходимую архитектуру хранилища данных для анализа больших массивов данных с целью получения агрегированной информации.

Целью курса является изучение норм академического языка. Курс направлен на формирование навыков академического письма с использованием профессиональной лексики и терминологии. В содержание курса включены темы, отражающие последние достижения в области информационных технологий и науки о данных.

Фундаментальные принципы бизнес-анализа, применимые к проектам любого масштаба в гибкой и традиционной бизнес-среде. Лучшие практики, инструменты и методы, доступные для помощи бизнес-аналитикам в достижении целей проекта и обеспечении ценности бизнеса. Техники фасилитации и подходы к моделированию, планирование и мониторинг бизнес-анализа, а также документация по выяснению требований. Agile и Lean подходы к постановке задач, стратегическому и тактическому анализу, принципы проектного мышления и методы оценки решений. Соответствует отраслевому стандарту A Guide to the Business Analysis Body of Knowledge® (BABOK® Guide), опубликованному Международным институтом бизнес-анализа® (IIBA®).

Курс предназначен для изучения основ работы с большими данными и принципами высокопроизводительных вычислений. Большие данные даются как огромные объемы структурированной и неструктурированной информации, а также выбор инструментов для эффективного обработки и извлечения полезной информации.

Цель дисциплины состоит в том, чтобы изучить фундаментальные методы разработки приложений высокопроизводительных вычислений (ВВ), часто используемых платформ ВВ, методов измерения, оценки и анализа эффективности приложений ВВ и роли администрирования, рабочей нагрузки и управления ресурсами в управлении ВВ программного обеспечения. Студенты будут ознакомлены с задачами, связанными с использованием методов ВВ в решении больших научных проблем.

Курс предназначен для применения знаний, полученных на курсе «Введение в машинное обучение» для решения реальных бизнес-кейсов.

Курс формирует у обучающихся понимание области информационной безопасности, её составных компонентов, основных угроз, протоколов и инструментов защиты. В ходе изучения обучающиеся получат базовые навыки обеспечения информационной безопасности и ознакомятся с профессиональными инструментами и программами

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.

В рамках учебной дисциплины обучающийся изучает сущность предпринимательской деятельности на основе действующего законодательства РК. На курсе будет продемонстрирована роль и место малых предприятий в современных условиях функционирования экономики государства и общества. Дисциплина позволит понять основные принципы и содержание бизнес-плана субъектов предпринимательской деятельности, сформировать мышление, основанное на современной антикоррупционной культуре, разъяснены организационные формы предпринимательской деятельности, в том числе с учетом устойчивого развития, экологии и безопасности жизнедеятельности персонала.

Курс охватывает область управления рисками в контексте проекта; содержит основные теории и концепции управления рисками, применимые к проектным средам, включая планирование, подготовку и реагирование на риски проекта; рассматривает области выявления рисков, оценки, мониторинга и контроля. В рамках данного курса студентам будут представлены методы качественного и количественного анализа риска.

Уметь пользоваться инструментальными средствами управления проектами на различных этапах жизненного цикла проекта, производить качественную и количественную оценку рисков проектов, определять эффективность проекта

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.

Дисциплина знакомит обучающихся с современными концепциями и инструментами предпринимательства и получения теоретических знаний и практических навыков, необходимых для запуска собственного стартапа с учетом основ безопасности жизнедеятельности. На основе права и антикоррупционной культуры изучается процесс получения патента, законности правообладания технологической разработкой с учетом законодательства РК в сфере интеллектуальной собственности. Обучающиеся применяют стратегический анализ в области экономики, управления, коммуникации и технологического предпринимательства.

Курс предполагает изучение операционных систем реального времени — систем, которые должны реагировать на события во внешней по отношению к системе среде или воздействовать на среду в рамках требуемых временных ограничений.

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

Курс учит студентов использовать язык программирования для разработки логических элементов функциональных веб-сайтов, а также позволяет овладеть основами работы и взаимодействия с базой данных. На практике обучающиеся применяют любой из универсальных языков: PHP, Ruby, Python, Java. Кроме того, при backend-разработке задействуются СУБД (MySQL, PostgreSQL, SQLite, MongoDB и пр.).

Курс является продолжением курса «Статистика и наука о данных 1 (Python)» и учит студентов применять продвинутые структуры данных и другие возможности языка программирования Python для решения прикладных задач в области анализа данных на продвинутом уровне. Во время курса изучаются библиотеки для работы с данными, такие как Pandas, Numpy, и другие библиотеки для визуализации данных и интерпретации результатов анализа данных. Также, студенты будут работать в командах чтобы решить прикладную проблемы компании, которые доступны на портале Kaggle.com.

Учебная дисциплина направлена на формирование навыков использования языков программирования (front end и back end) для разработки функциональных веб-сайтов. Предметом изучения дисциплины является принципы взаимодействия с базой данных для разработки защищенного серверного веб-приложения.

Курс учит студентов применять структуры данных, функции, модули, классы и другие возможности языка программирования Python для решения прикладных задач в области анализа данных на продвинутом уровне. Во время курса изучаются библиотеки для работы с данными, такие как Pandas, Numpy, и другие библиотеки для визуализации данных и интерпретации результатов анализа данных.

Самостоятельно анализировать современные источники, делать выводы, аргументировать их и на основании информации принимать решения.

Использовать знание закономерностей случайных явлений, их свойств и операций над ними, моделей случайных процессов и современных программных сред для решения задач статистической обработки данных и построения прогнозных моделей.

Применять технические средства и программные сервисы для обеспечения непрерывности процесса разработки программных систем.

Объяснять и понимать нормативную базу, включая документы, процедуры стандартизации и сертификации в области разработки информационно-коммуникационных технологий.

Применять отечественные и зарубежные стандарты по разработке программного обеспечения в организациях.

Применять алгоритмы сбора данных из открытых источников, методы предобработки собранных данных, базовые и продвинутые модели прогнозирования и принятия решений основанных на этих данных.

Демонстрировать знания об архитектуре компьютерных систем, управлять операционными системами.

Проектировать, разрабатывать и анализировать алгоритмы решения вычислительных и логических задач, оценивать эффективность и сложность алгоритмов на основе применения формальных моделей алгоритмов и вычисляемых функций.

Применять математические инструменты анализа программных систем и данных на основе статистических и вероятностных моделей.

Применять методы и алгоритмы искусственного интеллекта, интеллектуального анализа данных, машинного обучения, нейросетевой и нечеткой обработки данных для решения задач классификации, прогнозирования, кластерного анализа и распознавания различных объектов.