7M06104 Компьютерные науки в КазНУ им. аль-Фараби
-
Цель образовательной программы Целью образовательной программы «Компьютерные науки» является обеспечение качественной подготовки специалистов для научной, образовательной и производственной сферы, способного интерпретировать и обобщать глубокие современные знания новейших теорий в области разработки программных продуктов, создания эффективных способов решения вычислительных задач.
-
Академическая степень Магистратура
-
Языки обучения Русский, Казахский, Английский
-
Название ВУЗа Казахский национальный университет имени аль-Фараби
-
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
-
Теория распознавания образов
В рамках дисциплины рассматриваются следующие аспекты: Постановка задачи распознавания образов. Представление изображений в цифровой форме. Методы анализа и первичной обработки изображений. Задачи выбора информативных признаков. Методы распознавания образов: детерминистские, статистические, структурные методы решения задач распознавания; алгебраические методы построения решающих правил и распознавания образов; интеллектуальные методы анализа и распознавания.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Модели машинного обyчения
Цель дисциплины-в рамках курса рассматриваются следующие аспекты дисциплины: формальная модель машинного обучения. Основные алгоритмы решения задач классификации регрессии и восстановления. Метрические методы машинного обучения. Байесовские методы машинного обучения. Расчет восстановления плотности распределения. Распределение распределительной смеси. EM-алгоритм. Линейные методы машинного обучения и их обобщение. Визуализация и кластеризация. Искусственные нейронные сети.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Разработка динамических веб-приложений
Цель дисциплины-описание и сравнение современных инструментов, используемых для программирования серверов веб-приложений; применение основных концепций разработки программных приложений к проектированию и программированию веб-приложений; Программирование серверов веб-приложений; обобщение концепций веб-приложений с использованием Django / Python для других технологий и инструментов веб-приложений;
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Архитектура высокопроизводительных компьютеров и параллельные вычисления
В рамках дисциплины рассматриваются следующие аспекты: Современный многоядерный процессор. Модели параллельного программирования. Архитектура GPU и программирование CUDA. Оптимизация производительности. Распределение и планирование работ. Оценка производительности на основе рабочей нагрузки. Базовая многопроцессорная реализация. Транзакционная память. Гетерогенный параллелизм и аппаратная специализация. Распределенные вычисления в памяти.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Математические методы распознавания образов
В рамках дисциплины рассматриваются следующие аспекты: Представление образов и основные подходы к машинному распознаванию. Приложения методов распознавания образов: машинное зрение, распознавание рукописных символов, распознавание речи. Классификация на основе байесовской теории решений. Линейный и нелинейный классификаторы. Комитетные методы решения задач распознавания. Методы распознавания образов на основе нейронных сетей. Методы распознавания образов на основе кластерного анализа.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
История и философия науки
Цель дисциплины - рассматривается на основе исторической динамики и в исторически изменяющемся социокультурном контексте. Знакомит с проблемами феномена науки, являющегося предметом специального философского анализа, формирует знания об истории и теории науки, закономерностях развития науки и структуре научного знания, особенностях науки как профессии и социального института, роли науки в развитии общества.
Год обучения - 1
Семестр - 1
Кредитов - 3
-
Моделирование и симуляция для компьютерных наук
Целью дисциплины является проведение углубленного анализа проблем, обоснование физических задач, выявление их естественнонаучной сущности в ходе научной и исследовательской деятельности; применение для их решения соответствующего математического аппарата и численного алгоритма; анализ, проектирование и проведение численных экспериментов; построение математических моделей промышленных, физико-технологических, нелинейных нестационарных физических, химических, биомедицинских, финансовых процессов.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутый дизайн и анализ алгоритмов
Цель дисциплины - Направлен на изучение подходов к решению задач из различных областей (математический анализ, дискретный анализ, теория графов, теория комбинаторных игр, оптимальная разработка программного обеспечения и др.), которые не освещаются на классических курсах по алгоритмам и структурам данных, но могут быть полезны как часть математического аппарата.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутая сетевая безопасность
Цель дисциплины – дать представление об основных принципах и структурах информации, научить программировать многофункциональные приложения для обеспечения безопасности, разработать модели безопасности. Сформировать у магистрантов систему базовых теоретических знаний со способами защиты сетевых технологий. Помочь магистрантам приобрести навыки противодействия уязвимости базовых мобильных технологий, защиты от атак использующих уязвимости технологий SMS.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Модели речевых технологий
Цель дисциплины состоит в формировании умения ставить задачи в области обработки и анализа речевой информации и находить решения на основе современных подходов. Формирование у магистрантов в результате изучения дисциплины следующих способностей: решение задач обработки естественной речи на основе методов машинного обучения и распознавания образов; выполнение самостоятельных научных исследований в области речевых технологий; эффективное использование теоретических компонентов науки на практике;
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Педагогика высшей школы
Цель – формирование способности к педагогической деятельности в вузе на основе знаний дидактики высшей школы, теорий воспитания и менеджмента образования, анализа и самооценки преподавательской деятельности. Курс рассматривает проектирование образовательной деятельности будущего преподавателя с применением КТО, реализации Болонского процесса, овладения лекторским, кураторским мастерством с использованием стратегий и методов обучения/воспитания и оценивания (TLA-стратегий).
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Разработка мобильных приложений
Цель дисциплины - Нацелен на изучение технологии разработки программного обеспечения для мобильных устройств с операционной системой Android, основ управления качеством и стандартизации разработки программных средств, формирование навыков использования современных технологий программирования, применении подходов объектно-ориентированного программирования в разработке мобильных приложений и использовать базы данных в мобильных приложениях.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутые структуры данных, алгоритмы и анализ
В рамках дисциплины рассматриваются следующие аспекты: Основные алгоритмы: асимптотическая запись, рекурсия, парадигма «разделяй и властвуй», базовые структуры данных; быстрое преобразование Фурье. Алгоритмы сортировки. Структуры данных: приоритетные очереди и кучи, словари, хеш-таблицы, фильтры Блума, деревья двоичного поиска, деревья интервалов. Динамическое программирование, графовые алгоритмы: DFS, BFS, топологическая сортировка, алгоритмы кратчайшего пути, проблемы сетевого потока.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Нейронные сети для распознавания образов
Цель дисциплины - предназначен реализовать сверточную нейронную сеть, которая применяется в компьютерном зрении для распознавания образов, освоение практических основ формирования базы данных для обучения, основных принципов обучения, тестирования и разработки структуры нейронных сетей.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Психология управления
Цель дисциплины: сформировать способность применять важнейшие аспекты сферы управления в процессе профессионального становления. В рамках курса раскрываются предмет, основные принципы психологии управления, личность в управленческих взаимодействиях, управление поведением личности, психология управления групповыми явлениями и процессами, психологические особенности личности руководителя, индивидуальный стиль управления, психология влияния в управленческой деятельности, управление конфликтными ситуациями.
Год обучения - 1
Семестр - 2
Кредитов - 3
-
Организация и планирование научных исследований (англ.)
Цель дисциплины: сформировать способность самостоятельно вести научный поиск, ставить конкретные научные задачи и знать методы и приемы их решения, для создания научной работы. Дисциплина изучает: формы и методы планирования, организации и оформления научных статей и диссертации; формы обобщения результатов научных исследований в презентациях, выступлениях, проектах, статьях.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Иностранный язык (профессиональный)
Цель дисциплины заключается в приобретении и совершенствовании компетенций в соответствии с международными стандартами иноязычного образования, способных конкурировать на рынке труда, т.к. через иностранный язык будущий магистр получает доступ к академическим знаниям, новым технологиям и современной информации, позволяющих использование иностранного языка как средства общения в межкультурной, профессиональной и научной деятельности будущего магистра.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Технология разработки программного обеспечения
Цель дисциплины - предназначен для описания совокупности процессов и методов создания программного продукта. Технология разработки программного обеспечения – это система инженерных принципов для создания экономичного ПО, которое надежно и эффективно работает в реальных компьютерах.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Основы обучения с подкреплением
Цель дисциплины - Развивать умение магистрантов анализировать данные, использовать методы машинного обучения в реальных задачах, проводить самостоятельные исследования на реальных данных, внедрять новые исследования в области ML. Также познакомить магистрантов с основными понятиями и терминологией машинного обучения; научиться выполнять статистический анализ данных и визуализировать их;
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Анализ больших данных
В рамках дисциплины рассматриваются следующие аспекты: Концептуализация и обобщение: представление данных. Моделирование техники машинного обучения. Применение технологий обработки больших данных. Тривиальные данные против больших данных: репрезентативное обучение. Публично доступные наборы данных. Масштабируемость и методы масштабирования. Среда обработки больших данных: современные технологии анализа данных. Языки программирования для аналитики больших данных: Python, Java и C.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Нейронные сети в анализе данных
В рамках дисциплины рассматриваются следующие аспекты: Процесс анализа данных, основанный на нейронной сети. Межнейронные связи. Искусственный нейрон. Архитектуры НС. Предварительный подбор архитектуры сети. Подбор оптимальной архитектуры сети. Методы наращивания сети. Распознавание и классификация образов. Нейронная сеть для сжатия данных. Нейроны типа WTA. Модель нейрона Хебба. Стохастическая модель нейрона.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Продвинутое объектно-ориентированное программирование
В рамках дисциплины рассматриваются следующие аспекты: Диаграммы прецедентов и сценарии для поддержки понимания требований пользователя. Нотации объектно-ориентированного проектирования, включая диаграммы классов UML и диаграммы состояний для моделирования решения задач. Базовые объектно-ориентированные шаблоны проектирования для структурирования решений задач проектирования программного обеспечения.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Теория распределенных систем
В рамках дисциплины рассматриваются следующие аспекты: Введение в модели распределенных вычислений. Синхронизация часов. Алгоритмы обнаружения прекращения. Распределенные алгоритмы взаимного исключения. Алгоритмы обнаружения тупиковых ситуаций. Распределенная общая память. Распределенные файловые серверы. Распределенные среды программирования: коммуникационные примитивы, отдельные тематические исследования.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Формальные методы и приложения
Цель дисциплины - Основные принципы использования формальных методов в разработке программ , в том числе, изучаются основные математические модели и методы их анализа и синтеза, формируются навыки анализа и проектирования программного обеспечения с использованием формальных методов.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Технологии разработки компьютерных систем
В рамках дисциплины рассматриваются следующие аспекты: Принципы построения архитектур суперкомпьютеров и кластерных систем. Архитектуры многопроцессорных вычислительных систем: векторно-конвейерные суперкомпьютеры, симметричные мультипроцессорные системы (SMP), системы с массовым параллелизмом (МРР), кластерные системы. Введение в тематику суперкомпьютерных технологий. Основные элементы программного обеспечения суперкомпьютеров и кластерных систем. Администрирование суперкомпьютеров и кластерных систем.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Облачные вычисления
В рамках дисциплины рассматриваются следующие аспекты: основные тенденции развития облачных вычислений и технологий; архитектура «облачных» технологий; способы и особенности проектирования «облачных» сервисов; основные модели предоставления услуг облачных вычислений; решения ведущих вендоров – Microsoft, Amazon, Google; основные преимущества и недостатки моделей облачных вычислений и предлагаемых на их основе решений.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Глубокое обучение
Курс охватывает следующие аспекты: aрхитектура глубоких нейронных сетей; настройка гиперпараметров и платформ глубокого обучения; сверточные нейронные сети, их приложения; классификация объектов и подобные методы; сверточные нейронные сети, их приложения; рекуррентные нейронные сети, их приложения; параллельные алгоритмы глубокого обучения; ускорение обучения нейронной сети.
Год обучения - 2
Семестр - 3
Кредитов - 5
-
Серверы и хранилища данных
Цель дисциплины: реализация платформы хранения данных для поддержки бизнес-решений, формирование способности проверять и очищать данные с помощью служб качества. Формирование у магистрантов в результате изучения дисциплины следующих способностей: описание основных элементов решения для хранилища данных; реализация логического и физического проектирования хранилища данных; развертывание хранилища данных; внедрение службы качества данных;
Год обучения - 2
Семестр - 3
Кредитов - 5
Профессии
Результаты обучения
- Объяснить принципы организации и планирования научных исследований.
- Описание методов оценки вычислительной сложности алгоритмов.
- Выбор методов проектирования и разработки программного обеспечения, программирования, архитектурных языков с учетом присущих им ограничений.
- Моделирование задач и разработка новых инструментов и приложений для сбора, хранения, анализа и управления данными.
- Разработка передовых сетевых компьютерных систем с упором на надежность и безопасность.
- Выполнение высокопроизводительных научных расчетов, оценка производительности параллельных вычислительных систем.
- Реструктуризация существующего программного контента, выявление проблемных компонентов, выбор стратегии решения.
- Уметь разрабатывать и внедрять передовые решения искусственного интеллекта для сложных задач по распознаванию изображений и речи благодаря опыту работы с моделями машинного обучения и глубокого обучения.
- Осуществление НИОКР в среде, ориентированной на конечный продукт, научное обоснование стратегических решений.
- Анализировать и критически рассматривать различные источники информации, используя их для рассуждений и структурирования.
- Самостоятельное проведение научных исследований: понимание текущих проблем исследования, самостоятельное применение опубликованных результатов или методов в новом контексте.
- Ведение научно-педагогической деятельности, руководство исследовательской группой: оценка необходимых средств, распределение задач, планирование времени выполнения задач, отчетность.
Похожие ОП
7M06104 Информационные системы и IT решения по отраслям (1,5 г.)
Казахский агротехнический исследовательский университет имени С.Сейфуллина (КазАТУ им. Сейфуллина)
7M06104 Информационные системы и технологии
Карагандинский университет имени академика Е.А.Букетова (КарУ им. Букетова)
7M06104 Прикладная информатика в дизайне
Атырауский университет имени Х.Досмухамедова (АтУ им. Досмухамедова)
7M06104 Информационные системы
Карагандинский университет Казпотребсоюза (КУ Казпотребсоюза)
7M06104 Безопасность информационных систем
Алматинский университет энергетики и связи имени Гумарбека Даукеева (АУЭС)
7M06104 Менеджмент в ИТ
Казахстанско-Британский технический университет (КБТУ (KBTU))
7M06104 Вычислительные науки
Astana IT University
7M06104 Blockchain-технологии
Карагандинский технический университет имени Абылкаса Сагинова (КарТУ)
7M06104 Информационные технологии и инженерия цифровых коммуникаций
Международный инженерно-технологический университет (МИТУ)
7M06104 Наука о данных
Университет имени Сулеймана Демиреля
7M06104 Вычислительная техника и программное обеспечение
Евразийский национальный университет имени Л.Н.Гумилева (ЕНУ им. Л. Н. Гумилева)
7M06104 Управление IT-проектами
Международный университет информационных технологий (МУИТ (IITU))