6B06107 Data Science в AIU

Дисциплины

• Высшая математика

  Курс дает необходимый объем фундаментальных знаний в области математики, учит применению элементов линейной алгебры, аналитической геометрии и математического анализа в прикладных задачах физики. Содержание: Линейная алгебра. Аналитическая геометрия. Дифференциальное и интегральное исчисление функции одной переменной.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Алгоритмы и структуры данных

  Дисциплина «Алгоритмы и структуры данных» направлена на подготовку студентов для изучения и разработки эффективных алгоритмов, способных решать различные задачи, такие как поиск, сортировка, хранение и управление данными, а также оценке их временной и пространственной сложности. А также студенты будут работать с различными структурами данных, такими как массивы, списки, деревья, хеш-таблицы, графы, и т.п.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Введение в инженерию данных

  Введение в инженерию данных направлена на изучение основ обработки, хранения и анализа больших объемов данных. Студенты получат вводные знания и навыки работы с данными, их анализом, визуализации результатов и принятие решений на ее основе, будут рассматриваться методы сбора данных, построение баз данных, предварительная ее обработка, а таже применение инженерии данных в бизнесе, науке и общественных исследованиях.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Анализ алгоритмов и оптимизация

  Цель дисциплины Анализ алгоритмов и оптимизация состоит в изучении методов и техник для анализа и улучшения производительности алгоритмов и программного кода. В рамках этой дисциплины исследуются различные подходы к оптимизации времени выполнения, использования памяти и других ресурсов компьютерной системы с помощью оптимизации кода, выбора эффективных алгоритмических подходов и использования специфических особенностей языка программирования, включая С++.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Основы WEB (HTML, CSS, JavaScript, API)

  "Основы WEB (HTML, CSS, JavaScript, API)" - это курс, который знакомит студентов с основами разработки веб-приложений. В ходе обучения студенты изучат HTML для создания структуры веб-страниц, CSS для стилизации и макета страниц, JavaScript для добавления интерактивности и взаимодействия, а также API для интеграции с внешними сервисами. Курс поможет студентам приобрести необходимые навыки для создания и разработки простых веб-приложений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Дискретная математика и математическая логика

  Курс направлен к изучению основных понятий дискретной математики и математической логики, определения и свойства математических объектов, используемых в этой области, формулировки утверждений, методов их доказательств, возможные сферы их приложений и научит решать задачи теоретического и прикладного характера из различных разделов дискретной математики и математической логики.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Программирование на Python

  Этот курс нацелен на получение теоретических знаний и практических навыков программирования на языке Python. Python применяется для разных областей, включая веб-разработку, анализ данных, научные вычисления и разработку игр, и программы, написанные на нем, обычно переносимы на разных платформах без каких-либо изменений. При изучении данной дисциплины будут рассматриваться такие важные понятия, как объектно-ориентированное программирование, функциональное программирование, событийно-ориентированное программирование (GUI-приложения).

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Основы базы данных

  Дисциплина «Основы базы данных» нацелена на изучение основ технологий баз данных, овладение практическими навыками работы с базами данных и системами управления базами данных. При изучении данной дисциплины рассматриваются существующие модели данных, основы реляционной базы данных, основные конструкции языка SQL для выборки и модификации данных, функциональные возможности современных систем управления базами данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Экология и безопасность жизнедеятельности

  Дисциплина направлена на ознакомление с механизмами взаимодействия организмов с окружающей средой и закономерностями действия экологических факторов, формирование знаний, способствующих определению и обеспечению необходимых условий для поддержания благоприятного функционирования организма человека в условиях техносферного развития человечества, а также формирование навыков экологического мышления, прогнозирования и принятия правильных решений в условиях чрезвычайных ситуаций природного и техногенного характера.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Креативное мышление и генерация бизнес идей

  Дисциплина направлена на развитие креативного, творческого мышления, изучение методов генерации бизнес идей, принципов построения бизнес-модели, оценки ее эффективности, коммерциализации научно-технических разработок, представления и обоснования уникальных предпринимательских инициатив с целью создания и реализации стартап проекта. Использование полученных умений и навыков научат генерировать новые идей, предлагать инновационные пути развития, грамотно представлять их перед стейкхолдерами, решать профессиональные задачи нестандартно и наиболее эффективно.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Правовая среда бизнеса и антикоррупционное законодательство

  Дисциплина направлена на изучение бизнес среды, правовых аспектов развития бизнеса, нормативно-правовых документов по предпринимательской деятельности, законодательной базы по антикоррупционной политики, использование полученных умений и навыков научат эффективно управлять и решать профессиональные задачи в сфере бизнеса в условиях конкуренции, применять знания антикоррупционного законодательства в практической деятельности, различать условия и виды коррупционных правонарушений, меры борьбы с коррупцией.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Теория вероятности и математическая статистика

  Дисциплина «Теория вероятности и математическая статистика» ориентирована дать студентам теоретические знания и практические навыки для применения математических методов и инструментов, используемых для анализа данных, принятия решений и выводов на основе вероятностных моделей. В процессе изучения данной дисциплины студенты научатся проводить анализ данных, определять вероятность наступления событий и делать выводы на основе имеющихся данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Система управления базами данных (PostgreSQL)

  Дисциплина "Система управления базами данных (PostgreSQL)" предназначена для изучения основ современных информационных технологий создания, проектирования и использования баз данных и систем управления базами данных. Основными задачами дисциплины является изучение теоретических, методологических и практических проблем построения систем реляционных баз данных, принципов проектирования структур БД на основе реляционный алгебры и метода ER-диаграмм, методов приведения структур БД к нормальным формам, изучение основ языка PostgreSQL и выполнение основных операций по работе с данными.

  Год обучения - 2
  Семестр - 2
  Кредитов - 6
  

• ІТ менеджмент

  В рамках дисциплины IT-менеджмент студенты научатся понимать роль информационных технологий в бизнес-среде и их влияние на организацию. Они изучат методы и инструменты, необходимые для планирования, разработки и реализации IT-стратегии, в том числе управление IT-проектами и операциями. Также они будут рассматривать такие темы, как стратегическое управление ИТ, управление проектами, управление сервисами, управление изменениями, управление рисками, управление качеством и управление бюджетом ИТ.

  Год обучения - 2
  Семестр - 2
  Кредитов - 3
  

• Профессионально-ориентированный иностранный язык (английский)

  При изучении данной дисциплины студент может научиться осуществлять устное и письменное общение на иностранном языке во всех видах речевой деятельности при ведущей роли чтения.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Основы статистического анализа данных

  Дисциплина Основы статистического анализа данных (на R прикладная статистика) ориентирована на изучение методов и инструментов для анализа данных, применяемые в прикладных задачах. Студенты осваивают базовые статистические понятия, методы визуализации данных и изучают применение языка программирования R для выполнения статистических анализов и задач, моделирования и принятия решений на основе данных.

  Год обучения - 2
  Семестр - 2
  Кредитов - 6
  

• Технологическое предпринимательство

  Дисциплина «Технологическое предпринимательство» направлена помогать студентам овладеть знаниями, навыками и компьютерными технологиями, необходимыми для создания и управления технологическими стартап проектами, в том числе способами получения финансирования, коммерциализации, продвижения и управления рисками. В рамках данной дисциплины студенты изучат основы предпринимательства, включая создание бизнес-планов, анализ рынка и конкурентов, маркетинга, финансов и управление рисками.

  Год обучения - 2
  Семестр - 2
  Кредитов - 3
  

• Визуализация данных в Google Data Studio

  Цель дисциплины "Визуализация данных с помощью Google Data Studio" представляет студентам основы визуализации данных с использованием Google Data Studio, бесплатный сервис визуализации данных от Google. В ходе обучения студенты узнают, как создавать профессиональные отчеты и дашборды с помощью Google Data Studio, а также как распространять и публиковать эти отчеты. Дисциплина позволяет студентам овладеть инструментом визуализации данных и использовать его для представления информации в удобной и наглядной форме.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Основы интеллектуального анализа данных и машинного обучения

  Цель дисциплины "Основы интеллектуального анализа данных и машинного обучения"" состоит в том, чтобы предоставить студентам базовые знания и навыки в области анализа и обработки данных, машинного обучения и оценки качества моделей. Студенты будут изучать методы визуализации данных и моделей, учиться интерпретировать результаты машинного обучения и представлять их с помощью визуализаций.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Безопасность и конфиденциальность данных

  Цель дисциплины "Безопасность и конфиденциальность данных" обучать студентов основам защиты данных и обеспечивать их конфиденциальность. В ходе обучения студенты изучат методы и технологии шифрования, аутентификации, контроля доступа, обнаружения и предотвращения инцидентов безопасности, а также политики и соглашения о конфиденциальности данных. Курс также включает изучение законодательства и нормативных требований в области безопасности данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Защита баз данных

  Дисциплина "Защита баз данных" знакомит студентов с основными принципами безопасности данных, специфическими угрозами безопасности, а также с методами защиты баз данных. Студенты изучат такие темы, как аутентификация и авторизация, шифрование данных, управление доступом, а также аудит и мониторинг баз данных. Они также будут практиковаться в применении технологий и инструментов для защиты баз данных, включая механизмы обеспечения целостности данных и системы обнаружения вторжений.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Визуализация данных в Power BI

  Целью дисциплины «Визуализация данных в PowerBI» является формирование у студентов теоретических знаний о принципах, методах и инструментах различных типов визуализации данных и получения практических навыков эффективной подготовки отчетов, анализа и визуализации данных с использованием инструментов и функциональности Power BI. Дисциплина направлена на применение и разработку дашбордов в Power BI при решении профессиональных бизнес-задач.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Вычислительная математика

  Цель дисциплины «Вычислительная математика» состоит в развитии у студентов математических знаний и практических навыков для эффективного и точного вычисления с помощью компьютера и направлена на изучение и практическое применение различных численных методов и алгоритмов, которые позволит решать математические задачи и задачи в области моделирования физических систем, оптимизации процессов, анализе данных и при проведении научных исследований.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Хранение и поиск данных

  Цель дисциплины "Хранение и поиск данных" ознакомить студентов с различными инструментами и технологиями для хранения и поиска данных. Студенты изучат такие сервисы, как Amazon S3, Amazon RDS, Amazon DynamoDB, Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, Azure Blob Storage, Azure SQL Database и Azure Cosmos DB. Кроме того, они будут изучать Python-библиотеки SQLite, MySQL и PyMongo для работы с локальными базами данных. В результате прохождения курса студенты приобретут практические навыки хранения, управления и поиска данных в различных хранилищах и базах данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Data science with Python 1

  Дисциплина Data Science with Python 1 представляет собой введение в использование языка программирования Python и его библиотек для решения задач в области Data Science. Студенты будут изучать основные библиотеки, такие как Pandas и NumPy для обработки и анализа данных, а также Matplotlib, Seaborn, Plotly и Bokeh для визуализации данных. Они получат навыки работы с данными и создания графиков, что помогает им извлекать ценную информацию и делать выводы из данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Web mining

  Цель дисциплины Web Mining состоит в изучении методов и техник для сбора, извлечения и анализа информации из веб-ресурсов. Студенты изучат различные алгоритмы и инструменты для обнаружения паттернов, анализа текстов, классификации данных, извлечения структурированной информации и анализа социальных сетей. Они также изучат проблемы конфиденциальности, этики и безопасности веб-данных. Применение Web Mining может помочь в принятии бизнес-решений, предоставлении персонализированной информации и понимании поведения пользователей.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Система управления базами данных NoSQL

  Дисциплина "Система управления базами данных NoSQL" знакомит студентов с основами и принципами работы NoSQL баз данных. Студенты будут изучать различные типы NoSQL баз данных, такие как ключ-значение, столбцовые, документные и графовые базы данных. Курс также будет охватывать примеры использования NoSQL баз данных и их сравнение с традиционными реляционными базами данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Расширенная аналитика и визуализация данных

  Цель дисциплины "Расширенная аналитика и визуализация данных" состоит в изучении расширенных методов анализа данных, такие как многомерный анализ данных (Multidimensional Data Analysis), факторный анализ (Factor Analysis), методы кластеризации (Clustering Methods) и визуализации с помощью R-библиотек. Одна из ключевых тем этого курса графический анализ данных с помощью библиотек ggplot2, lattice и shiny. ggplot2 позволяет создавать высококачественные графики с помощью эстетических маппингов, а lattice предоставляет возможности для создания многомерных графиков. Shiny - это веб-фреймворк для создания интерактивных приложений на R, в том числе для визуализации данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Введение в ИИ и нейронные сети

  Введение в искусственный интеллект (ИИ) и нейронные сети дисциплина, которая представляет базовые концепции и принципы искусственного интеллекта и нейронных сетей. Студенты изучат основные алгоритмы машинного обучения, включая нейронные сети, и их применение в различных областях, таких как компьютерное зрение, естественный язык и рекомендательные системы. Они также получат представление о текущих трендах и проблемах в области ИИ.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Интеграция и преобразование данных

  Дисциплина "Интеграция и преобразование данных" представляет студентам основы интеграции и преобразования данных с использованием различных инструментов и технологий. В ходе обучения студенты изучат такие инструменты, как Python библиотека SciPy и R библиотека reshape2 для преобразования данных. Они также ознакомятся с платформами и технологиями, такими как Apache Spark, Informatica, Microsoft SQL Server Integration Services (SSIS) и Apache NiFi, для интеграции и обработки данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Data science with Python 2

  Дисциплина Data Science with Python 2 состоит в углублении применения языка программирования Python и его библиотек в области Data Science. На данном этапе студенты будут изучать более сложные алгоритмы обработки данных с использованием Pandas и NumPy, а также расширят свои навыки визуализации с помощью Matplotlib, Seaborn, Plotly и Bokeh. Студенты также изучат методы анализа данных, построение моделей и прогнозирование с использованием Python.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Обработка естественных языков

  Цель дисциплины заключается в изучении методов, алгоритмов, используемых для обработки, анализа текстов, распознавания речи, задач, связанных с естественным языком, которая направлена на автоматизацию, оптимизацию процесса работы с определенной информацией. Данная дисциплина ориентирована на изучение различных подходов к анализу, обработке текстов, включая синтаксический анализ, морфологический анализ, лексический анализ, анализ семантики, дискурса.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Наука о данных в бизнесе и маркетинге

  "Дисциплина «Наука о данных в бизнесе и маркетинге» ориентирована на изучение различных типов маркетинговых данных, таких как данные о клиентах, данные о транзакциях и данные веб-аналитики, а также о том, как использовать методы обработки данных для извлечения информации и принятия решений на основе данных. Студенты ознакомятся с различными методами моделирования для бизнеса и маркетинга, таких как сегментация клиентов, прогнозирование оттока и системы рекомендаций, а также смогут применять их к реальным бизнес-задачам.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Аналитические системы Big Data

  Цель дисциплины "Аналитические системы Big Data" состоит в том, чтобы ознакомить студентов с основами и принципами работы с большими объемами данных (Big Data) и различными аналитическими системами, предназначенными для их обработки и анализа. В рамках курса будут рассматриваться основные инструменты и технологии для обработки, хранения и анализа больших данных, такие как Hadoop, Spark, Apache Kafka, Apache Storm, Apache Flink, и будут пользоваться инструментами и фреймворками для обработки и анализа данных, включая Python библиотеки NumPy и Pandas, R библиотеки dplyr, tidyr и readr, а также инструменты визуализации данных, такие как Tableau, Power BI и Excel.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Компьютерное зрение 1

  Компьютерное зрение 1 знакомит студентов с основами обработки и анализа изображений с использованием библиотек Keras и TensorFlow. Студенты изучат методы предварительной обработки изображений, извлечение признаков, классификацию, сегментацию и детекцию объектов с помощью глубоких нейронных сетей. Они также изучат различные практические приложения компьютерного зрения, включая распознавание лиц, автоматическое тегирование изображений и медицинскую диагностику.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Обработка данных в реальном времени

  Дисциплина "Обработка данных в реальном времени" представляет основы обработки данных в режиме реального времени. В ходе курса студенты ознакомятся с различными инструментами и технологиями, такими как Apache Kafka, Apache Storm, Apache Flink, Spark Streaming, Python Dask, AWS Kinesis и Google Cloud Dataflow. Они изучат принципы обработки данных в режиме реального времени, анализ потоковых данных, управление задержками и обеспечение надежности.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Основы блокчейн технологии

  Цель дисциплины Основы блокчейн технологии состоит в изучении основных концепций и принципов блокчейна. Студенты узнают, как работает распределенная база данных, основанная на блоках, цепи и смарт-контрактах. Они изучат применение блокчейна в различных областях, включая финансы, контракты, цифровые активы и снабжение. Курс также охватывает проблемы безопасности, приватности и масштабируемости блокчейн технологии.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Интеллектуальный анализ текста и анализ настроений

  Цель дисциплины "Интеллектуальный анализ текста и анализ настроений" состоит в том, чтобы ознакомить студентов с методами и техниками анализа текстовых данных, включая обнаружение и классификацию настроений в тексте. Курс охватывает такие темы, как категоризация и классификация информации, извлечение информации из текстовых данных, построение поисковых роботов для сбора данных и анализ тональности. Студент изучит все основные этапы работы с текстом: эффективное извлечение текста, обработку текста на естественном языке в форме, подходящей для методов статистического машинного обучения.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Управление базой данных

  Цель дисциплины Управление базой данных состоит в изучении концепции, методов и технологий управления базами данных. Студенты изучат модели данных, проектирование и создание баз данных, язык SQL для манипуляции данными, нормализацию, оптимизацию запросов, обеспечение целостности данных и защиту информации. Они также рассмотрят различные системы управления базами данных (СУБД) и применят их для разработки эффективных баз данных в различных сферах.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Компьютерное зрение 2

  Компьютерное зрение 2 (Keras, TensorFlow) продолжение дисциплины, где студенты углубляются в область обработки и анализа видео с использованием библиотек Keras и TensorFlow. Они изучат методы для обнаружения, отслеживания и классификации объектов на видео, а также для анализа движения и извлечения признаков. Студенты также ознакомятся с применением глубокого обучения и нейронных сетей для видеоаналитики и различных приложений, таких как видеонаблюдение, автоматическое распознавание действий и анализ видеоданных.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

• Технологии больших данных: Hadoop и Spark

  Дисциплина "Технологии больших данных: Hadoop и Spark" ориентирована на изучение основ обработки больших объемов данных и получение практических навыков работы с двумя из наиболее популярных технологий для обработки больших данных - Hadoop и Spark. В ходе курса будут изучены концепции обработки больших данных, основные компоненты Hadoop, такие как HDFS, MapReduce и YARN, и высокоуровневые API для Spark, такие как Spark SQL, MLlib и GraphX.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

• Исследовательский проект

  Цель дисциплины заключается в привитии у студентов навыков самостоятельной работы над проектами в выбранной области и ведении научного исследования. Изучив данную дисциплину студенты получат опыт работы с актуальными проблемами, вопросами в своей области, научатся формулировать научные гипотезы, осуществлять исследование литературы, разрабатывать методики исследования, собирать, анализировать данные, оформлять, представлять результаты исследования.

  Год обучения - 4
  Семестр - 2
  Кредитов - 6
  

Профессии

Результаты обучения

• Демонстрировать навыки публичного выступления и письменного аргументированного изложения собственной точки зрения на казахском, русском и иностранном языке в сфере профессиональной деятельности.
• Применять основные философские концепции для понимания политических процессов и прогнозировать их влияние на общество и государство.
• Разрабатывать компоненты программных комплексов и баз данных, выбирать и настраивать СУБД, использовать современные инструментальные средства и технологии программирования.
• Применять алгоритмы машинного обучения и методы глубокого обучения в решении задач распознавания и классификации объектов, сегментации изображений и анализа видеопотоков.
• Применять нормативно-правовые документы и антикоррупционное законодательство РК при решении задач в профессиональной деятельности; показывать знания по экономическим наукам, теории и практике обеспечения безопасности жизнедеятельности в условиях ЧС природного, техногенного и социального происхождения, использовать методы и технологий обеспечения безопасности в обществе и различных сферах деятельности.
• Применять математические методы и алгоритмы для разработки программного обеспечения и решения различных задач в области компьютерных наук и информационных технологий.
• Применять блокчейн технологии и демонстрировать навыки извлечения информации и получения практических знаний из данных для решения бизнес-задач и маркетинговых вызовов.
• Использовать различные методы, техники и инструменты для обработки, анализа и визуализации данных из различных источников в режиме реального времени; применять полученные знания и навыки в реальных проектах и исследованиях, связанных с областью больших данных.

Похожие ОП