8D05405 Вычислительные науки и статистика в КазНУ им. аль-Фараби

Дисциплины

• Big Data и высокопроизводительные статистические вычисления

  Целью курса является обучение студентов методам и технологиям обработки, анализа и интерпретации больших объемов данных с использованием высокопроизводительных вычислений и статистических методов. Они смогут использовать различные подходы, технологии и языки программирования для работы с большими наборами данных и методами, требующими значительных вычислительных ресурсов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Метод конечных элементов

  Цель: сформировать расширенные знания в области метода конечных элементов для научно-исследовательской работы. В результате докторанты должны: уметь разрабатывать алгоритмы, проводить исследования и анализировать результаты научных экспериментов с использованием метода конечных элементов и программы FreeFem++, овладеть навыками исследовательской работы в области метода конечных элементов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Криволинейные адаптивные сетки

  Цель: ознакомление с фундаментальными понятиями и методами использования криволинейных адаптивных сеток в численных методах решения дифференциальных уравнений и других задач математического моделирования. Основной упор делается на разработку и применение алгоритмов, позволяющих строить и эффективно использовать криволинейные сетки для приближенного решения сложных задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы научных исследований

  Цель: сформировать способность применять современные методы и методологии научного исследования при выполнении диссертационной работы докторанта. В рамках дисциплины рассматриваются: методы и методологии научного исследования; современные экспериментальные подходы к научному исследованию докторанта; этапы и принципы планирования научного эксперимента; специфика компьютерного эксперимента в научном исследовании; правила осуществления эксперимента, обработки и интерпретации результатов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Академическое письмо

  Цель дисциплины – сформировать навыки грамотной коммуникации, правильного изложения идей и написания научных трудов Назначение дисциплины: овладение правилами и методами написания научных статьей, учебных пособий и диссертационного исследования. Правила написания научных статьей, ошибки структуры и написания научных статьей, требования к содержанию и правила оформления рукописей к публикации.

  Год обучения - 1
  Семестр - 1
  Кредитов - 2
  

• Квантовые вычисления

  Целью изучения курса «Квантовые вычисления» является расширение знаний докторантов в области квантовых вычислений и квантовых технологий, а также развитие навыков проектирования и программирования сложных квантовых алгоритмов для решения более сложных задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Продвинутая статистика

  Курс направлен на обучение математическим методам анализа данных и статистического моделирования для решения различных задач в прикладных областях. В целом курс дает необходимые знания и навыки для эффективного использования методов анализа данных и машинного обучения в своей научной работе.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интеллектуальные системы мониторинга и прогнозирования процессов

  Цель курса «Интеллектуальные системы мониторинга и прогнозирования процессов» — ознакомить студентов с принципами, методами и приложениями интеллектуальных систем мониторинга и прогнозирования различных процессов. Курс направлен на развитие у студентов понимания теоретических основ и практических методологий, используемых при разработке, внедрении и использовании интеллектуальных систем в задачах мониторинга и прогнозирования.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Организовывать учебные занятия с учетом принципов студентоцентрированного обучения и оценивания, учебно-методические материалы по преподаваемым дисциплинам, интегрируя образование, науку и инновации, а также обеспечение обратной связи обучающимся, используя цифровые технологии.
• Проводить научные исследования и получение новых фундаментальных и прикладных результатов, критический анализ и оценка полученных данных, формулирование обоснованных выводов даже в условиях неполной или ограниченной информации, а также участие в выполнении научно-исследовательских и опытно-конструкторских работ/творческих проектов, повышение научной результативности и публикационной активности, работа с национальными и международными базами данных.
• Организовывать педагогическое взаимодействие, осваивая интеграцию психолого-педагогических знаний и предметной области, наставляя молодых преподавателей, ознакамливаясь с нормативно-правовыми актами и современными технологиями обучения.
• Повышать гражданскую и профессиональную активность обучающихся, соблюдая принципы академической честности и добропорядочности, формируя устойчивый интерес к выбранной профессии.
• Писать научные статьи в зарубежные и отечественные научные журналы и информировать широкую научную общественность о передовых темах и результатах исследований на международных и национальных конференциях, семинарах и практикумах, критически оценивая их значимость.
• Самостоятельно писать научные проекты и приложения, ставя актуальную для общества теоретическую или практическую расчетную задачу или метод решения, реализовывать и корректировать, при необходимости, процесс самостоятельного научного исследования.
• Проводить научные исследования в области методологии вычислительных экспериментов на основе аппроксимации дифференциальных уравнений методами конечных разностей, объемов и/или элементов.
• Провести фундаментальный анализ вычислительных методов и разностных схем на сходимость и корректность, в том числе в случае высокопроизводительных алгоритмов.
• Создавать и использовать в вычислительных задачах правильные структурированные, криволинейные, неструктурированные расчетные сетки.
• Разработать алгоритмы параллельных вычислений для инженерных задач и внедрить их в высокопроизводительные системы, разработать алгоритмы квантовых вычислений.
• Использовать методы математической статистики на основе реальных данных для подбора параметров, адаптации и тестирования вычислительных систем на основе реальных экспериментов.
• Использовать методы глубокого обучения и интеллектуального анализа данных для эффективного прогнозирования результатов исследований.