7M06101 Вычислительная техника и программное обеспечение в AIU

Дисциплины

• Иностранный язык (профессиональный)

  Цель курса - повышение исходного уровня владения иностранным языком магистранта, достигнутого на предыдущей ступени образования (бакалавриат), и дальнейшее развитие их языковой и коммуникативной компетенции, необходимой для профессионального общения. Курс формирует языковые и коммуникативные компетенции достаточные для общения в бытовой, социокультурной и профессиональной сферах, развивает информационную культуру, расширяет кругозор и повышает общую культуру, воспитывает толерантность и уважение к духовным ценностям разных стран и народов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• История и философия науки

  Цель дисциплины - уяснение основных стратегий научного исследования и исторических основ формирования научного знания. Дисциплина дает магистранту целостное представление о возникновении, функционировании и развитии науки и научного знания в историко-культурном контексте. Рассматриваемые темы: философия науки и история науки, мировоззренческие контексты науки, эпистемологическая проблематика науки, аксиология и праксиология научного познания, философия и история отдельных наук.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Системы компьютерного моделирования и проектирования

  После успешного завершения этого курса магистранты получат обширные теоретические знания, а также практические навыки, связанные с процессом разработки системы информационных систем. Обучающиеся успешно завершившие курс, должны иметь возможность: собирать данные для анализа и определения требований к системе, составлять системные компоненты и среды, создавать общие и подробные модели, которые помогают программистам внедрять систему, создавать базу данных для хранения данных и пользовательский интерфейс для ввода и вывода данных, а также элементы управления для защиты системы и ее данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Психолого-педагогические основы и технологии преподавания в высшей школе

  Дисциплина углублённо изучает психолого-педагогические основы и технологии обучения в высшей школе. Внимание уделяется возрастным, личностным и когнитивным особенностям студентов, мотивации обучения, восприятию и усвоению информации. Рассматриваются современные методы и средства преподавания, цифровые и интерактивные технологии, педагогическое общение, развитие критического и самостоятельного мышления и профессионального роста преподавателя. Дисциплина особое значение придаётся формированию у будущих преподавателей универсальных и профессиональных компетенций.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Системы мультимедиа и виртуальной реальности

  Цель дисциплины состоит в обеспечении знаниями и навыками управления и применения мультимедийных данных и виртуальной реальности. Обучающиеся будут создавать интерактивные мультимедийные системы и виртуальные миры, применять 3D-моделирование, использовать их в различных областях, включая образование, развлечения и медицину. А также дисциплина включает технические аспекты, дизайн интерфейсов, взаимодействие с пользователем и практические навыки в области мультимедиа и виртуальной реальности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Облачные вычисления и виртуализация

  Цель дисциплины направлена на формирование понятий об облачных вычислениях, виртуализации и контейнеризации, и применение методов и инструментов, используемых в облачных и виртуализированных средах для эффективного управления ресурсами, масштабированием, развертыванием приложений и решением различных задач. Обучающиеся будут изучать различные облачные архитектуры, платформы и провайдеры, также будут применять технологии виртуализации и контейнеризации.

  Год обучения - 1
  Семестр - 1
  Кредитов - 6
  

• Теория технологии Blockchain

  Цель дисциплины направлена на формирование понятий о функционировании технологии блокчейн, ее архитектуре, ее разновидностях, область применимости технологии на практике. Обучающиеся будут изучать методы и способы создания пилотных проектов с помощью технологии блокчейн; критерии для подбора бизнес-задач, подходящих для использования в них блокчейна; принципы построения блокчейн-приложений и необходимую инфраструктуру; законодательную базу для внедрения технологии блокчейн. А также исследовать рынок блокчейн-решений; осуществлять подбор реализации блокчейн технологий для бизнес-задач.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Обработка и анализ данных

  Целью освоения дисциплины является формирование теоретических и практических компетенций по сбору, обработке, анализу и интерпретации данных, развитие умений работы с программными инструментами, языками программирования и выработке навыков применения методов машинного обучения и искусственного интеллекта. Магистранты будут изучать, как использовать анализ данных для решения реальных проблем и на их основе научатся принимать управленческие решения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Мультиагентные системы

  Курс направлен на магистрантов, изучающих информационные технологии, и знакомит с основами мультиагентных систем — систем, состоящих из взаимодействующих интеллектуальных агентов. Студенты изучат принципы координации, сотрудничества и конкуренции между агентами, а также методы построения распределённых систем для решения комплексных задач в динамичной среде. В курсе рассматриваются современные алгоритмы и модели взаимодействия агентов.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Машинное обучение

  Курс направлен на магистрантов, специализирующихся в области информационных технологий, компьютерных наук и анализа данных. Цель курса – углубленное изучение теоретических основ и практических методов машинного обучения, которые позволяют создавать и применять эффективные алгоритмы для обработки больших объемов данных. В рамках программы студенты познакомятся с основами классификации, регрессии, кластеризации, а также методами оценки и оптимизации моделей. Особое внимание уделяется решению реальных задач с использованием современных инструментов машинного обучения и анализу полученных результатов.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Современные методы исследований и анализа данных в науке

  Дисциплина направлена на формирование у магистрантов углублённых знаний и практических навыков в области современных методов исследований и анализа данных с использованием искусственного интеллекта. Рассматриваются алгоритмы машинного обучения, методы интеллектуального анализа, научное моделирование и прогнозирование. Цель дисциплины - междисциплинарный подход, автоматизация научных процессов и применение искусственного интеллекта для решения комплексных исследовательских задач в различных отраслях науки.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Продвинутые сетевые технологии и архитектура

  Данный курс магистратурного уровня ориентирован на глубокое изучение продвинутых сетевых технологий и архитектур цифровых инфраструктур. Особое внимание уделяется многоуровневым сетевым структурам, современным протоколам передачи данных, виртуализации, облачным вычислениям и аспектам сетевой безопасности. Магистранты освоят методы моделирования и анализа сетевых систем, научатся применять исследовательские подходы для решения прикладных и научных задач в области сетевых технологий. Курс формирует компетенции, необходимые для участия в научных проектах и разработке инновационных решений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Нейронные сети

  Целью освоения дисциплины является обширное исследование теории, практики искусственных нейронных сетей. Обучающиеся учатся работать с различными архитектурами нейронных сетей, изучают алгоритмы обучения, включая глубокое обучение, исследуют их применение в различных областях, таких как компьютерное зрение, обработка естественного языка, автономные транспортные системы, биоинформатика.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Технологии Big Data

  Целью освоения дисциплины является исследование различных методов, инструментов и технологии, используемые для работы с большими объемами данных, которые не могут быть эффективно обработаны с использованием традиционных подходов к анализу и хранению информации. Обучающиеся осваивают навыки разработки, анализа концептуальных и теоретических моделей прикладных задач анализа больших данных с применением моделей Data Mining.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Новые телекоммуникационные технологии

  Программа дисциплины направлена на формирование у магистрантов системы профессиональных знаний в областях, связанных с применением средств информационных технологий. Обучающиеся будут изучать общие концепции проектирования телекоммуникационных систем и технологий, принципы построения, функционирования и использования телекоммуникационных технологий и их использования в решении профессиональных задач. А также рассматриваются возможности программного обеспечения применительно к различного рода и направления специализированным телекоммуникационным системам.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Управление проектами в области ИКТ

  Дисциплина направлена на обучение базовым знаниям стандартов управления в ИТ, таких как PMBOOK, программное программное обеспечение Agile, технология и отладочное программное обеспечение с использованием новейших технологий и подходов. Обзор инструментов для управления проектами.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Параллельные вычисления

  Целью дисциплины является формирование у магистрантов знаний и навыков по вопросам организации параллельных вычислительных систем, а также основных технологий организации параллельных вычислений на многопроцессорных вычислительных комплексах с распределенной или общей оперативной памятью. Обучающиеся будут изучать параллельные вычислительные модели, измерение и моделирование параллельных алгоритмов и прикладные исследования на параллельных компьютерах, анализ параллельных алгоритмов и моделей.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Прикладной искусственный интеллект

  Целью изучения дисциплины является изучение методов построения и использования интеллектуальных информационных систем, ознакомление с проблематикой и областями применения искусственного интеллекта в информационных системах, освещение теоретических и организационных вопросов построения и функционирования систем, основанных на знаниях, привитие навыков практических работ по проектированию баз знаний и экспертных систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Высокопроизводительные коммуникационные среды и сети

  Целью дисциплины является формирование у магистрантов знаний и навыков по использованию современных вычислительных комплексов и программных средств для решения широкого спектра задач в различных областях, ознакомление их с кластерными вычислительными системами с массивно-параллельной организацией функционирования на основе общедоступных серверов и микропроцессоров, современными коммутационными оборудованиями для успешного начала работ в области параллельного программирования и проектирования высокопроизводительных сред хранения и обработки данных, способами организации и осуществления параллельных вычислений в режиме удаленного доступа.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Автоматизация бизнес-процессов с использованием машинного обучения

  Цель изучения данной дисциплины состоит в том, что обучающиеся будут получать знания и навыки о современных технологиях автоматизации бизнес-процессов, используя при этом машинное обучение, выполнять формализацию задачи МО, рассматривать модели машинного обучения (с учителем и без учителя), решать конкретные задачи, проводить классификацию, регрессию и кластеризацию, разрабатывать и тестировать ПО, а также будут применять средства обработки и анализа информации и исходных данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Распознавание образов и изображений

  Цель дисциплины — ознакомление с концептуальными основами теории и практики распознавания образов и изображений; формирование систем знаний о принципах работы систем распознавания; формирование навыков самостоятельной разработки систем распознавания.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Использовать на практике следующие функции нейронных сетей: аппроксимация, интерполяция, распознавания и классификации образов, сжатия данных, прогнозирования, идентификация, управления и ассоциации.
• Магистрант демонстрирует способность к философскому анализу научного знания, понимает закономерности развития науки и её социокультурную роль. Обладает педагогической компетентностью в сфере высшего образования, способен применять современные образовательные технологии, проектировать и реализовывать учебный процесс с учётом психологических особенностей студентов.
• Осуществлять коммуникацию в устной и письменной формах на иностранном языке в научной, производственной и социально общественной сферах деятельности.
• Использовать разные модели высокопроизводительных вычислений при решении разных и сложных инженерных, промышленных и научных проблем, обеспечивать бесперебойным соединением, решать проблемы ухудшения качества связи и периодические технические неполадки, использовать аппаратные и программные средства телекоммуникационных систем, выбирать технологии многоканальных, оптических, мультисервисных, радиотехнических и телевизионных систем.
• Демонстрировать знания и навыки по применению современных компьютерных технологий в образовательном процессе и решать научно-исследовательские и производственно-технологические задачи в профессиональной деятельности.
• Выбирать стандартные протокола и программно-аппаратные средства для постройки вычислительных сетей, использовать протокола стандарта Ethernet и протокола IP для подсетей, уметь работать со специально-коммуникационными аппаратами, маршрутизаторами, знать технологии «сквозной маршрутизации», «защищенный канал», « IP-сеть».
• Проводить сравнительный анализ и выбор технологий визуализации данных, построить понятную и логичную визуализацию данных, проводить анализ и строение технологических процессов обработки данных в реализации прикладных информационных процессов.
• Использовать технологии больших данных, технологии больших систем, аппаратно-программные комплексы, методы класса Data Mining, краудсорсинг, смешение и интеграцию данных, технологии искусственных нейронных сетей, сетевой анализ, оптимизацию, генетический алгоритм, распознавание образов,статистический анализ, анализировать геометрические и географические информации в данных.
• Формулировать проблемы, задачи и методы научного исследования, получать новые достоверные факты на основе наблюдений, опытов, научного анализа эмпирических данных, реферировать научные труды, составлять аналитические обзоры накопленных сведений в мировой науке и производственной деятельности, обобщать полученные результаты, формулировать выводы и практические рекомендации.
• Применять модели и технологии высокопроизводительных вычислительных систем в научных исследованиях, автоматизации управления и производства, разрабатывать криптографические методы защиты информации и предотвращать несанкционированный доступ к сетевым ресурсам и атак, использовать практические правила работы с сетью, протоколами связи и обменом данных.
• Практиковать основные концепции, теории и технологии Blockchain, технологии майнинг, bitcoin, защиту от несанкционированного изменения данных, совершать обмен данными на прямую, обеспечивать прозрачность между участниками сети.

Похожие ОП