8D06101 Аналитика больших данных в КазАТУ им. Сейфуллина

Дисциплины

• Методы научных исследований

  Курс рассматривает методологию научного познания и научных исследований, учит анализировать современное состояние науки; развивает критическое мышление, навыки поиска, обработки информации, умение формализовать результаты исследований в виде научных статей, отчетов, обзоров, диссертаций.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Технологии управления корпоративными знаниями

  Экономика, основанная на знаниях. Интеллектуальный капитал компании. Знания как объект управления в организациях. Управление знаниями как функция менеджмента. Информационные технологии управления знаниями. Коммуникативные и маркетинговые технологии в управлении знаниями. Методы извлечения и структурирования знаний. Модели представления знаний. Экспертные системы и базы знаний. Информационные системы, обеспечивающие перевод знаний в управляемую форму на предприятии. Современные концепции развития на предприятиях технологий управления знаниями.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Академическое письмо

  Курс направлен на овладение докторантами концепциями и моделями академического письма. У докторантов будут сформированы навыки и умения написания академического, научного текста, различных письменных научных дискурсов. Докторанты смогут анализировать и оценивать различного уровня письменные работы, уметь работать с аутентичными источниками, а также обосновывать собственную точку зрения

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Прикладной статистический анализ

  Дать докторантам знания о многообразии современных подходов статистического исследования, исследовать современные статистические методы, привить критический подход при отборе инструментов анализа и осознание необходимости тщательного тестирования статистической адекватности получаемых моделей, а также развить навыки содержательной интерпретации результатов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Компьютерное и математическое моделирование в научных исследованиях

  Определение и свойства моделей. Цели моделирования. Моделирование в условиях неопределенности, описываемой с позиций теории нечетких множеств. Моделирование и эксперимент. Обследование объекта моделирования. Концептуальная постановка задачи моделирования. Математическая постановка задачи моделирования. Выбор и обоснование выбора метода решения задачи. Реализация математической модели в виде программы для ЭВМ. Проверка адекватности модели. Практическое использование построенной модели и анализ результатов моделирования.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Предиктивная аналитика в научных исследованиях

  Рассматриваются вопросы подходы к разработке прогнозных моделей, анализа исходных данных для выявления детерминированных закономерностей взаимосвязи переменных объекта моделирования, в частности, с привлечением информации о фрактальной размерности рядов, анализа корреляций и расчета динамических модели процесса в виде разностных уравнений. Докторанты научаться определять наиболее эффективные методы исследования и прогнозировать результаты экспериментов ещё до их начала.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Интеллектуальный анализ данных в информационных системах

  Формирование у докторантов навыков работы с современными инструментами для анализа и визуализации данных,методами и алгоритмами интеллектуального анализа данных, а также использование их в научных исследованиях и в профессиональной деятельности

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Способен формулировать цель и задачи исследования, обосновывать и применять научный аппарат, использовать методы сбора, анализа и синтеза информационных потоков, а также реализовывать методы интеллектуального анализа данных в интегрированных системах поддержки принятия решений в междисциплинарных контекстах
• Способен проводить комплексный анализ проблем и разрабатывать решения с применением современных компьютерных технологий и программного обеспечения; планировать и реализовывать теоретические и прикладные исследования в области искусственного интеллекта и проектирования интеллектуальных систем; проводить эксперименты и обоснованный сбор данных; применять инструменты аналитики на основе технологий Big Data и систем поддержки принятия решений
• Анализировать большие информационные потоки данных интернет пространства на основе различных технологии, решать прикладные задачи, основанные на анализе информации с большим объемом данных для структурирования этих сведений в единую, понятную и формализованную математическую модель.
• Использовать навыки работы с информацией из различных литературных источников, представлять ее в различных формах сообщений, презентаций и докладов с учетом специфики аудитории, обосновывая и грамотно излагая свою точку зрения на проблемные вопросы, работать в команде при поиске и решении научно-исследовательских проблем
• Осуществлять критический анализ и оценку современных научных достижений, демонстрировать способность углубленного анализа проблем, постановки и обоснования задач, разрабатывать концептуальные и теоретические модели решаемых научных проблем и задач научной и проектно- производственно-технологической деятельности, применять методы поиска источников информации, а также анализировать качество получаемой информации.
• Применять методы дескриптивного, пространственного, статистического анализа, реализовывать ETL-процессы, OLAP-анализ, а также решать прикладные задачи на основе использования искусственных нейронных сетей.
• Демонстрировать способность самостоятельно приобретать новые знания и умения с помощью информационных технологий и использовать их в практической деятельности, в том числе в новых областях знаний, непосредственно не связанных со сферой деятельности, расширять и углублять свое научное мировоззрение.

Похожие ОП