8D06102 Системная инженерия в КазАТУ им. Сейфуллина

Дисциплины

• 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
  

• 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
  

• Нейросетевое моделирование

  Модель нейрона. Обучение однослойных и специальных нейронных сетей. Многослойные нелинейные нейронные сети. Технология нейросетевого моделирования в инструментальной среде. Современные приложения нейронных сетей. Гибридные сети

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы статистического моделирования

  Методы изучения экспериментов, оценивание, выбор и интерпретирование статистических данных и использование методов визуализации данных для передачи результатов. Статистические распределения и закономерности. Планирование эксперимента и дисперсионный анализ. Теория корреляции и регрессии. Статистические методы в прогнозировании явлений и процессов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Системы реального времени

  Принципы проектирования и функционирования систем, обеспечивающих обработку данных с жесткими временными ограничениями. Рассматривает архитектуру, алгоритмы планирования, многозадачность, отказоустойчивость и безопасность. Охватывает работу операционных систем реального времени, встраиваемых систем и индустриальных приложений. Курс готовит специалистов к разработке высоконадежных решений для транспорта, робототехники, медицины и автоматизации.

  Год обучения - 1
  Семестр - 2
  

• Теория сложных систем

  Исследование систем и закономерности их функционирования и развития. Методы и модели теории систем. Переходные процессы. Принцип обратной связи. Изучение элементов теории адаптивных систем. Функционирование систем в условиях неопределенности; управление в условиях риска. Анализ информационных ресурсов

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Моделирование и анализ IoT-систем

  Концепция IoT. Объединение людей, процессов, данных и вещей. Виды подключений IoT. Столпы IoT – данные, передача данных, большие массивы данных, люди и процессы. Виртуализация и облачные технологии. Моделирование решения для IoT. Создание прототипа

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Агроинтеллектуальные системы

  Системы на основе искусственного интеллекта, используемые в сельском хозяйстве. Прогнозирование вредителей, прогнозирование урожайности, определение деградации почвы, распознавание границ сельскохозяйственных угодий и анализ других данных. Искусственный интеллект и алгоритмы машинного обучения в эффективном управлении сельским хозяйством.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Интегрированные SMART-системы

  Понятия и концепция SMART-технологии. Аппаратное и программное обеспечение SMART-технологий. Современные приложения ИИ. Методы ИИ. Интеграция SMART-технологий для задач сельскохозяйственной отрасли с применением ИИ.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Динамические системы

  Понятие динамической системы. Модели на основе динамических систем. Методы и приемы качественного исследования динамических систем. Интегрируемость динамических систем. Управление динамическими системами.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Проводить анализ математических моделей, применять основные математические методы при построении моделей, оценивать результаты моделирования и сопоставлять их с результатами натурных экспериментов. Владеть методами, приемами, алгоритмами статистического моделирования.
• Владеть принципами и этапами научного исследования. Выбирать и применять методы исследования, анализировать и интерпретировать научные тексты. Иметь навыки структурирования и написания научных текстов, оформления и стилистики научных работ в соответствии с требованиями стандартов. Грамотно использовать и цитировать источники, следуя нормам академической этики. Готовить к публикации научные работы, адаптировать их к требованиям конкретных изданий.
• Аргументировать выбор аппаратного и программного обеспечений IoT-систем, методов подключения датчиков. Освоить основные протоколы передачи данных, способы сбора, хранения и агрегации данных от удаленных устройств. Владеть методами разработки и проектирования систем на базе IoT-устройств.
• Создавать архитектуру интегрированных SMART-систем с разработкой программного обеспечения. Проектировать и разрабатывать самообучающиеся SMART-системы на основе ИИ, а также кастомизировать SMART-систему под задачи сельскохозяйственной отрасли.
• Составлять и анализировать структурно-функциональные модели систем. Владеть методологией построения моделей сложных систем. Иметь представление об основных понятиях и принципах теории динамических систем, об аналитических, качественных и численных методах исследования динамических систем с непрерывным и дискретным временем. Применять основные приемы теории динамических систем при решении задач. Уметь проектировать и разрабатывать системы реального времени.
• Создавать нейрокомпьютерную модель, анализирующую и моделирующую знания человека, процессы и явления при реализации программных технологий интеллектуального решения сложных задач. Применять нейронные сети и методы машинного обучения для прогнозирования и анализа данных в сельскоом хозяйстве.

Похожие ОП