8D06102 Информационные технологии и робототехника в КРУ им. Байтурсынова

Дисциплины

• Надежность и отказоустойчивость робототехнических систем

  Дисциплина предполагает изучить общие факторы, влияющие на надежность объектов и технологических систем, методы расчета параметров надежности и методы поиска оптимальных решений в задачах конструирования и эксплуатации технологических систем и математические методы исследования и проектирования этих систем, а также способы диагностики мехатронных систем и проведение их наладки.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Нейронные сети и машинное обучение

  Дисциплина призвана развивать теоретические и этические знания, связанные с использованием машинного обучения и нейронных сетей, практические умения в области искусственного интеллекта, рассматривать принципы и концепции ИИ, исследовать методы машинного обучения такие как градиентный спуск, стохастический градиентный спуск и различные алгоритмы оптимизации для интеллектуальной обработки данных, решать нестандартные профессиональные задачи, в том числе в новой или незнакомой среде, фокусироваться на обучении глубоких нейронных сетей с несколькими слоями.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Академическое письмо

  Дисциплина знакомит с особенностями академического письма, общими требованиями к научной работе, видами академических текстов, стилем изложения, ошибками в письменных научных работах, работой с источниками, ссылками и правилами цитирования, плагиатом, составлением библиографии, структурированием, подготовкой и практическими рекомендациями к написанию научного текста. Докторанты приобретают навыки создания и оформления научного текста, используя правила цитирования, формирования презентации-доклада на тему научного исследования, осваивают навыки научной публикационной активности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Теория сложных систем

  Дисциплина позволяет формирование у будущих докторантов, специализирующихся в области вычислительной техники, профессиональных компетенций в области теоретических основ и закономерностей построения и функционирования систем. «Теория сложных систем» является теоретическая и практическая подготовка докторантов в формировании у будущих специалистов способностей системного рассмотрения проблемы и задач, концептуальных основ и методологических принципов синтеза сложных технических систем, как методологии решения задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Искуcственный интеллект, робототехника и управление

  Данная дисциплина предполагает усвоение современных знаний по искусственному интеллекту, как он реализуется и где может быть использован, а также уяснение основных принципов построения систем с нечеткой логикой, экспертных систем и систем нейросетевого управления. Полученная докторантами в данном курсе совокупность знаний и умений позволит более успешно усваивать другие общепрофессиональные и специальные дисциплины последующей вузовской подготовки.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Технологии Big Data и анализ больших данных

  Дисциплина рассматривает технологии подготовки, хранения, обработки и анализа больших данных. Осваивается практическое применение получаемых знаний в работе с программой R-Studio. Знания, полученные в результате освоения дисциплины, помогут при сборе и анализе огромных объемов структурированной или неструктурированной информации, при разработке моделей.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Суперкомпьютерные вычисления

  Дисциплина дает возможность изучения параллельных вычислительных систем и их классификация, общая характеристика многопроцессорных вычислительных систем, оценка эффективности параллельных вычислений, анализ сложности вычислений и оценка возможности распараллеливания, изложение технологии OpenMP, общая схема разработки параллельных методов, методы параллельных вычислений для задач вычислительной математики.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Моделирование систем реального времени

  Дисциплина предполагает систематизацию знаний в области моделирования процессов и систем, умений эффективного использования моделирующих алгоритмов для исследования характеристик и поведения сложных объектов, способность проводить моделирование процессов и систем, готовность участвовать в постановке и проведении экспериментальных исследований, способность обосновывать правильность выбранной модели сопоставляя результаты экспериментальных данных и полученных решений.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы научных исследований

  Дисциплина формирует у докторантов способности к ведению исследовательской деятельности на основании анализа, систематизации и обобщения результатов научных исследований посредством применения комплекса исследовательских методов при решении конкретных научно- исследовательских задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Исследование и анализ алгоритмов

  Содержание дисциплины охватывает круг вопросов, связанных с задачами, подходами и алгоритмами, возникающими в интеллектуальном анализе данных. Дает представления о типах задач, возникающих в области интеллектуального анализа данных. Изучает основные подходы и алгоритмы решения задач анализа данных и особенностей их применения к решению реальных задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Повышать научную активность и результативность в области публикаций;
• Проводить самостоятельное научное исследование на основе современных теорий и методов, анализировать и обрабатывать информацию исследований;
• Применить методы расчета надежности и отказоусточивости робототехнических систем;
• Производить оценивание точности измерительных и управляющих каналов систем реального времени;
• Владеть принципами построения и функционирования аппаратно-программных комплексов, предназначенных для проведения параллельных вычислений, основных архитектур многопроцессорных вычислительных систем;
• Использовать системный подход к анализу и синтезу сложных систем;
• Применять методы и подходы аналитической обработки больших объемов данных при решении задач, связанных с управлением в сложных технических системах с помощью современного программного обеспечения в предметной области;
• Использовать пакеты прикладных программ для решения задач мехатроники и робототехники методами нечеткой логики и нейронных сетей;
• Применять методы, средства познания и принципы построения систем искусственного интеллекта в технике;
• Анализировать и выбирать оптимальные программные средства для анализа данных;

Похожие ОП