Следите за новостями и участвуйте в обсуждениях!
Подписывайтесь на
наш Инстаграм,
Телеграм-канал и
присоединяйтесь к чату сообщества — чтобы не пропустить результаты конкурса грантов!
7M06105 Математическое и компьютерное моделирование в ЕНУ им. Л. Н. Гумилева
-
Цель образовательной программы Подготовка магистров владеющих фундаментальными и обоснованными знаниями по методам математического и компьютерного моделирования, новымирезультатами теоретических и прикладных исследований; способных преподавать в вузах, осуществлять руководство, а также быть исполнителем в научно-исследовательских проектах моделирования в сферах естествоведения, социально-экономических и других процессов; освоивших современные высокопроизводительные компьютерные технологии.
-
Академическая степень Магистратура
-
Языки обучения Русский, Казахский
-
Название ВУЗа Евразийский национальный университет имени Л.Н.Гумилева
-
Срок обучения 2 года
-
Объем кредитов 120
-
Группа образовательных программ M094 Информационные технологии
-
Область образования 7M06 Информационно-коммуникационные технологии
-
Направление подготовки 7M061 Информационно-коммуникационные технологии
Дисциплины
-
Технология параллельного программирования
Математические модели и методы параллельного программирования для многопроцессорных вычислительных систем; научить магистрантов методам написания и модификации программ для систем с параллельными технологиями OpenMPI и MPI.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Байесовские методы в прикладных задачах
Целью курса также является освоение студентами основных способов применения байесовского подхода при решении прикладных задач. Байесовский подход позволяет эффективно учитывать различные предпочтения пользователя при построении решающих правил прогноза. Курс состоит из следующих тем: Байесовский подход к теории вероятностей и примеры байесовских рассуждений. Полный байесовский вывод. Сопряжённые распределения. Примеры. Экспоненциальный класс распределений, его свойства. Байесовский выбор модели. Принцип наибольшей обоснованности. Интерпретация понятия обоснованности. Модель релевантных векторов для задачи регрессии. ЕМ-алгоритм. Вариационный подход. Методы Монте Карло по схеме марковских цепей (МСМС). Байесовские структурные временные ряды. Модель State-Space Model. В результате изучения курса магистрант должен: Знать основы байесовского подходы к теории вероятностей, оценке параметров моделей явлений с учетом неопределенностей. Уметь решать нестандартные профессиональные задачи на основе моделирования явлений с использованием математических методов в условиях наличия фактора неопределенности. Владеть навыками теоретического анализа и экспериментального исследования моделирования явления с использованием Байесовского подхода к теории вероятностей при решении прикладных задач.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Психология управления
Освоение данной учебной дисциплины поможет магистрантам усвоить основные теории и концепции методики преподавания психологии управления в современной отечественной и зарубежной науке, методические и технологические особенности управления в преподавании психологических дисциплин как теоретической, так и практической направленности.
Год обучения - 1
Семестр - 1
Кредитов - 4
-
Педагогика высшей школы
Цель: формирование основ профессионально-педагогической культуры магистрантов, освоение теоретических основ современной педагогической науки. Содержание: педагогика высшей школы: предмет, задачи, функции и место в системе педагогических наук. Сущность явлений и процессов высшего образования, его основных тенденции развития. Структура педагогического процесса высшей школы. Технологии, методы и формы организации обучения и воспитания студентов. Педагогический менеджмент в системе высшего образования.
Год обучения - 1
Семестр - 1
Кредитов - 4
-
Разностные схемы
Результатом курса будет углубленное изучение и овладение разностными схемами. Рассматриваются методы построения, исследования, обоснования разностных схем и алгоритмы их реализации. В результате изучения дисциплины докторанты должны знать построение разностных схем для дифференциальных уравнений, их обоснования, способы их решения. Приобретать навыки применения разностных схем для решения уравнений в частных производных.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Теоретико-числовые алгоритмы в криптографии
Рассматриваются алгоритмы над большими числами, над полиномами, методы генерации простых чисел, методы факторизации чисел и полиномов, задача дискретного логарифмирования. Наряду с теоретическими основами, изучаются практические алгоритмы решения указанных задач. На лабораторных работах магистранты реализуют, отлаживают и исследуют изучаемые алгоритмы.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Криптографические методы защиты информации
Изучаются методы математической криптографии и государственные стандарты криптографических средств, а также особенности их применения в системах защиты информации. Программа дисциплины включает в себя следующие разделы: шифры; схемы цифровой подписи; хэш-функции; теория секретности Шеннона; теория имитационный стойкости Симмонса; коды аутентификации и ортогональные массивы.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Теория управления линейными системами
Содержание материалов, включенных в курс - познакомить магистрантов с теорией оптимального управления линейными системами и методами проектирования. Магистранты приобретут базовые знания по теории линейных систем, достаточно глубокие, чтобы начать чтение предметной литературы.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Нелинейные модели волновых процессов
Курс охватывает современные методы позволяющие исследовать нелинейную модель по существу методами линейной теории. В результате обучения курса магистранты будут знать по какому критерию можно отличить нелинейное интегрируемое уравнение, при помощи метода обратной задачи, от неинтегрируемого уравнения. Будут уметь решить нелинейных математических моделей, описывающие волновых процессов и построить компьютерные модели их решений.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Компьютерное моделирование и визуализация в графических пакетах
Курс охватывает основные понятия и методы вычислительной геометрии и машинной графики. Двумерные и трехмерные объекты моделируются с использованием OpenGL, MaxScript, DirectX, который является математической и алгоритмической основой компьютерной графики.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Программирование на языке Pyton
Теоретические и практические основы технологий объектно-ориентированного программирования в Python. Современные методы и средства анализировать данные. Библиотека Matplotlib, NumPy. OpenCV. Программирование в среде IDLE. Цель: Освоение практических особенностей процесса объектно-ориентированного программирования в среде IDLE; Владеть практическими навыками программирования в среде IDLE; Уметь использовать библиотеки Python; Иметь навыки анализировать данные в среде IDLE.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
История и философия науки
Дисциплина направлена на изучение истории науки, философских основ научного знания и методологии научного исследования. Цель дисциплины - формирование у магистрантов целостного понимания развития науки как социального института, а также в освоении методологических основ и проблем современной науки. Дисциплина знакомит с историей взаимоотношений науки и философии, включая конкретные онтологические и эпистемологические проблемы, а также с философскими проблемами конкретных наук в их современном состоянии. Дисциплина способствует критическому анализу современных научных достижений, выработке методологической культуры научно-исследовательской работы.
Год обучения - 1
Семестр - 2
Кредитов - 4
-
Математическое и компьютерное моделирование химических и биологических процессов
Понятие о математических и компьютерных моделях. Классификация моделей. Этапы построения математических моделей. Методология компьютерного моделирования. Источники данных и их типы. Физико-математическая теория для исследования атмосферных процессов и динамической метеорологии. Компьютерные и математические модели состояния атмосферы.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Иностранный язык (профессиональный)
Целью дисциплины является приобретение и совершенствование компетенций в соответствии с международными стандартами иноязычного обучения, позволяющих использовать иностранный язык (уровень сверхбазовой стандартности (С1) как средство общения для успешной профессиональной и научной деятельности будущего магистра, способного конкурировать на рынке труда. Курс обучения предполагает изучение английского языка в профессиональном и академическом контексте в соответствии с образовательной программой. Основное внимание уделяется изучению и активному использованию специфической терминологии, связанной с профессиональной и научной сферой, критическому чтению, анализу текстов, восприятию информации, полученной через прослушивание, развитию академических навыков письма, необходимых для написания научных работ, а также развитию навыков устной речи для коммуникации в академической среде.
Год обучения - 1
Семестр - 2
Кредитов - 4
-
Статистическая обработка данных
Результатом обучения курса будет освоение следующих тем и разделов: Общие сведения о системе STATISTICA. Основные компоненты системы STATISTICA. Описание модулей и приложений системы, техническое описание диалоговых окон, терминов и перевод основных опций, используемых для прогнозирования в системе STATISTICA.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Симметрии и высшие иерархии нелинейных моделей
Курс охватывает основные понятия симметрии и высшей иерархии нелинейных моделей, имеющие форму инфинитезимальных преобразований нелинейных эволюционных уравнений. В результате обучения курса магистранты будут знать принцип полной интегрируемости нелинейных систем, уметь различить алгебраические структуры, стоящие за симметриями и высшей иерархии интегрируемых нелинейных эволюционных моделей.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Современные методы вычислительной гидродинамики
Магистранты должны знать основные законы механики сплошной среды, уметь математически моделировать простые гидродинамические процессы, знать аналитические и численные методы решения задач
Год обучения - 2
Семестр - 1
Кредитов - 6
-
Основы технологии ТОФИ
Знакомство с теоретическими основами технологии ТОФИ, знакомство со средой моделирования ТОФИ, освоение возможностей технологии по построению информационных моделей предметной области. Построение конкретной модели по выбранной предметной области.
Год обучения - 2
Семестр - 1
Кредитов - 6
-
Криптографические протоколы
Во вводной части дается классификация криптографических протоколов, а также изучаются атаки на криптографические протоколы. Далее изучаются протоколы аутентификации сообщений, затем изучаются протоколы идентификации, потом изучаются протоколы распределения ключей, после чего изучаются схемы разделение секрета. В заключительной части изучаются прикладные криптографические протоколы.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Криптография на эллиптических кривых
Изучается математический аппарат теории эллиптических кривых над конечными полями и его применение в анализе и синтезе криптографических систем защиты информации. Программа дисциплины включает в себя следующие разделы: определение эллиптической кривой над полем; аддитивная группа точек эллиптической кривой; дискретный логарифм на эллиптической кривой; протоколы Диффи — Хеллмана, проблема Диффи — Хеллмана на эллиптической кривой; шифрсистема 16 ElGamal; шифрсистема Menezes — Vanstone; эллиптический алгоритм Ленстры факторизации чисел.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Управление нелинейными системами
Содержание материалов, включенных в курс - познакомить магистрантов с теорией оптимального управления линейными системами и методами проектирования. Магистранты приобретут базовые знания по теории линейных систем, достаточно глубокие, чтобы начать чтение предметной литературы.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Новые методы математического моделирования
В результате освоения программы магистранты владеют современными методами математического моделирования, используемыми при исследовании проблем естествознания, определяющих передовые рубежи развития фундаментальной и прикладной науки.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Техники машинного обучения
Целью освоения дисциплины являются формирование у студентов теоретических знаний и практических навыков по основам машинного обучения, овладение студентами инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных. Типы задач машинного обучения Предмет и задачи машинного обучения и анализа данных. Основные принципы, задачи и подходы, использование в различных областях науки и индустрии. Основные этапы эволюции алгоритмов машинного обучения. Метрические классификаторы. Алгоритмы кластеризации. Деревья решений, линейные классификаторы. Нейронные сети. Регрессионный анализ, Ансамблевые методы. Стохастический поиск.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Приложения метода Монте - Карло
Обьяснить магистрантам понятие метод Монте-Карло как метода моделирования случайных величин с целью вычисления характеристик их распределений. Ознакомить общей схемой метода Монте-Карло и освоить методов оценки погрешности. Рассмотреть осуществление вычисление интегралов методом Монте-Карло и способы понижения их дисперсии.
Год обучения - 2
Семестр - 1
Кредитов - 6
-
Паттерное проектирование на JavaScript
Теоретические и практические основы технологий объектно-ориентированного программирования в JavaScript. Современные методы и средства разработки проектов программных приложений. Программирование в среде WebStorm. Цель: Освоение практических особенностей процесса объектно-ориентированного программирования и разработки проектов в среде WebStorm; Владеть практическими навыками по разработке проектов в среде WebStorm; Уметь разрабатывать проектов JavaScript web-приложений в среде WebStorm; Иметь навыки программирование в среде WebStorm.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Имитационное моделирование и СМО
Предметом дисциплины является установления зависимости между факторами, определяющими функциональные возможности СМО, и эффективностью её функционирования. Курс лекций охватывает базовые основы имитационного моделирования и систем массового обслуживания. Проводится классификация типов систем обслуживания, определяемая классом решаемых задач и основы используемого математического аппарата. В связи с чем, в курс лекций включен основные понятия Марковских случайных процессов. В едином комплексе рассматривается взаимоувязанное решение задач методами классического математического моделирования с дискретно-событийной парадигмой имитационного моделирования.
Год обучения - 2
Семестр - 1
Кредитов - 5
Профессии
Результаты обучения
- Анализировать основные мировоззренческие и методологические проблемы, в том числе междисциплинарного характера, исследуемые в науке на современном этапе ее развития и использовать результаты в профессиональной деятельности
- Владеть современными педагогическими технологиями и обладать коммуникативными способностями; уметь разрабатывать учебно-методические материалы по преподаваемым дисциплинам с учетом интеграции образования, науки и инноваций, принимать участие в выполнении научно-исследовательских и опытно-конструкторских работ; знать содержания преподаваемых дисциплин, принципов студентоцентрированного обучения и оценивания
- Способность осуществлять профессиональное и личностное самообразование, проектировать дальнейшие образовательные маршруты и профессиональную карьеру; осуществлять профессиональную коммуникацию в устной и письменной формах на русском, казахском и иностранном языках для решения задач профессиональной деятельности; готовность взаимодействовать с участниками образовательного процесса и социальными партнерами, руководить коллективом, толерантно воспринимая социальные, этноконфессиональные и культурные различия
- Моделировать сложные линейные и нелинейные естественные процессы, реализовывать этапы компьютерного моделирования, использовать методы многомерного анализа и линейной алгебры, математические пакеты и языки программирования
- Планировать координацию и проектирование программного обеспечения, включая выбор среды программирования, инструментов разработки, а также проектирование моделей базы данных и бизнес-процессов.
- Планировать разработку, тестирование, отладку, оптимизацию и анализ программного обеспечения, включая выбор структур данных, реализацию кода, настройку инструментов.
- Планировать и обеспечивать комплексную информационную безопасность организации, в том числе и системную безопасность, планировать и контролировать реализацию мероприятий по защите информации
- Демонстрировать знания и навыки, необходимые для полного цикла разработки и применение систем искусственного интеллекта