8D06104 Вычислительная техника и программное обеспечение в ЕНУ им. Л. Н. Гумилева

Дисциплины

• Моделирование мобильных роботов

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в формулировании требований к робототехническим комплексам и применении новых технологии разработки. В рамках курса рассматриваются такие вопросы как современные принципы моделирования мобильных роботов – магистрального направления развития науки и техники в различных областях деятельности, методы и средства моделирования робототехнических систем и анализ управления движением мобильных роботов, технические средства аппаратной реализации, применяемых в робототехнике.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы оптимизации в инженерии

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении оптимизационных моделей в вычислениях для систем моделирования, анализа и оптимизации, позволяющие проводить аналитическую и исследовательскую работу. В рамках курса рассматриваются такие вопросы как применение математических моделей, развитие логического мышления, решение оптимизационных задач в области программной инженерии, использование математического аппарата для решения теоретических и прикладных задач, оптимизация уравнений регрессии, построение математических моделей и регрессионных зависимостей, оптимизация функций.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интеллектуальные встроенные системы управления

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в проектировании и разработке интеллектуальных встроенных систем управления, умении отлаживать программное обеспечение, используемое во встраиваемых системах. В рамках курса рассматриваются такие вопросы как интеллектуальные системы управления, встроенные системы управления и средства автоматизированного проектирования для моделирования и программирования цифровых систем, анализ и адаптация моделей и методов, составляющих предмет искусственного интеллекта для решения широкого спектра прикладных задач во встроенных системах.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Машинное обучение и принятие решений

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении методов машинного обучения для задач обработки данных и принятия решений, разработке программных систем машинного обучения. В рамках курса рассматриваются такие вопросы как методы машинного обучения, основные алгоритмы машинного обучения, область применения, а также особенности применения машинного обучения для принятия решений в различных областях науки и техники.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Цифровая обработка изображении

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в решении задач в сфере анализа и обработки данных, цифровой обработки изображений с помощью современных вычислительных систем. В рамках курса рассматриваются такие вопросы как основные термины и понятия, связанных с обработкой изображений, возможностями программных и аппаратных средств, способы решения и перспективы развития аппаратного и программного обеспечения в области обработки изображений, основных направлений и проблем цифровой обработки изображений, алгоритмов и методов синтеза обработки изображений.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы экспертной оценки и экспертные системы

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в решении научных и технических задач экспертной оценки. В рамках курса рассматриваются такие вопросы как процедура организации и проведения экспертных оценок, методы экспертных оценок, структура, содержание экспертных систем, функции, виды, назначение и функции экспертных систем, изучение моделей представления знаний и создание базы знаний, технология создания экспертных систем.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Академическое письмо

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении методологических принципов научного исследования, выполнении требованй к научным статьям, умении научно обосновывать задачи и представлять результаты научного исследования. В рамках курса рассматриваются такие вопросы как ключевые принципы построения академических текстов в научно-исследовательском направлении докторской диссертации, а также приобретение практических навыков написания материалов академического содержания.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Передовые технологии проектирования робототехнических систем

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в рассчете параметров конструктивных схем, проектировании и создании опытных образцов и макет микросистемной техники, мехатронных модулей, роботов и робототехнических систем. В рамках курса рассматриваются такие вопросы как современные технологий проектирования и моделирования робототехнических системам: MathLab, LabView, Webots и другие интегрированные средства разработки; способы проектирования систем адаптивного и интеллектуального управление роботами и автоматическими системами на конкретных примерах; ролевые и генетические алгоритмы управления децентрализованными робототехническими системами прикладного значения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Разработка SCADA систем для робототехнических комплексов

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в формулировании требований к робототехническим комплексам и применении новых технологий разработки SCADA систем. В рамках курса рассматриваются такие вопросы как общие понятия и структура SCADA-систем, проблемы построения эффективных и надежных систем диспетчерского управления робототехническими комплексами, основные требования к диспетчерским системам управления, удаленные терминалы (RTU), каналы связи (CS), диспетчерские пункты управления (MTU), функциональные уровни SCADA-систем, промышленные интерфейсы и контроллеры

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы научных исследований

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в умении определять методы проведения исследования, границ области исследуемой темы, описывать и разрабатывать план работы с данными, применении методов обработки данных и выявлении полезных данных, устанавлении взаимосвязи между исследуемыми объектами и умении давать научное обоснование им; проводить исследование, эксперименты и сбор доказательных данных по теме, подготовить отчет по проведенной экспериментальной базе, проверять гипотезу критическим экспериментом; использовать методы научных исследований и интерпретации экспериментальных данных при решений научных задач для получения новых научно обоснованных результатов. В рамках курса рассматриваются такие вопросы как теоретические и практические аспекты поиска, обработки и анализа информации по конкретной научной деятельности, формирование исследовательских навыков эффективного применения методов научных исследований и развитие наукометрической компетентности обучающихся в докторантуре.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Фундаментальные алгоритмы для систем моделирования и анализа

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении фундаментальных алгоритмов для систем моделирования, анализа и оптимизации, позволяющие проводить аналитическую и исследовательскую работу. В рамках курса рассматриваются такие вопросы как алгоритмы разработки программного обеспечения, методы, лежащих в основе методологии проектирования для сложных систем, использование интегральной схемы в качестве примера, проектные потоки, дискретные и непрерывные модели и алгоритмы и стратегии для реализации алгоритмов для эффективного программного обеспечения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Визуализация сигналов и систем в приложениях

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в решении задач в сфере визуализации сигналов с помощью современных вычислительных систем. В рамках курса рассматриваются такие вопросы как основы математического представления и преобразований данных в современных системах регистрации, накопления, обработки и представления данных, методы реализации в системах и на современных персональных компьютерах на основе эффективных алгоритмов преобразования.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы моделирования и принятия решений в нечеткой среде

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в реализации современных методов моделирования и принятия решений в нечеткой среде. В рамках курса рассматриваются такие вопросы как теория и методы математического моделирования и теория и методы принятия решений в нечеткой среде на основе математического аппарата теорий нечетких множеств; методология разработки моделей в условиях дефицита и нечеткости исходной информации; формализация, постановка и эвристические методы решения задачи принятия решений в нечеткой среде; онцепция построения интеллектуализированных систем поддержки принятия решений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Алгоритмы глубокого обучения для задач видеоаналитики

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении глубоких нейронных сетей для задач обработки данных и принятия решений, разрабатывать программные системы обучения глубоких нейронных сетей. В рамках курса рассматриваются такие вопросы как теоретические основы глубокого обучения нейронных сетей и применение их для решения практических задач видеоналитики, модель искусственного нейрона и искусственной нейронной сети, алгоритмы обучения нейронных сетей, архитектуры глубоких нейронных сетей, способы применения глубоких нейронных сетей для задач видеоаналитики, программные системы обучения глубоких нейронных сетей.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Современные распределенные интеллектуальные системы

  Целью изучения учебной дисциплины является формирование систематизированных знаний и практических навыков в применении технологий построения интеллектуальных систем, способов манипулирования знаниями при поиске решений и современных тенденций развития распределенной вычислительной технологии. В рамках курса рассматриваются такие вопросы как распределённые интеллектуальные системы, характеризующиеся многопоточностью вычислительных и информационных ресурсов, что ведёт к повышению адаптируемой надёжности, быстродействия системы в виду возможности одновременно обрабатывать большие наборы данных, углублённые теоретические знания и практические навыки в области создания распределённых интеллектуальных систем на основе технологий интеллектуальных агентов и многоагентных систем.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Применять методологические принципы научного исследования, выполнять требования к научным статьям, уметь научно обосновывать задачи и представлять результаты научного исследования
• Уметь определять методы проведения исследования, границ области исследуемой темы, описывать и разрабатывать план работы с данными, применять методы обработки данных и выявлять полезные данные, устанавливать взаимосвязь между исследуемыми объектами и давать научное обоснование им. Проводить исследование, эксперименты и сбор доказательных данных по теме, подготовить отчет по проведенной экспериментальной базе, проверять гипотезу критическим экспериментом. Использовать методы научных исследований и интерпретации экспериментальных данных при решений научных задач для получения новых научно обоснованных результатов
• Применять в профессиональной деятельности технологии построения интеллектуальных систем, способы манипулирования знаниями при поиске решений и современные тенденции развития распределенной вычислительной технологии
• Рассчитывать параметры конструктивных схем, проектировать и создавать опытные образцы и макеты микросистемной техники, мехатронных модулей, роботов и робототехнических систем
• Применять оптимизационные модели в вычислениях и фундаментальные алгоритмы для систем моделирования, анализа и оптимизации, позволяющие проводить аналитическую и исследовательскую работу
• Решать задачи в сфере анализа и обработки данных, цифровой обработки изображений и визуализации сигналов с помощью современных вычислительных систем
• Проектировать и разрабатывать интеллектуальные встроенные системы управления. Отлаживать программное обеспечение, используемое во встраиваемых системах. Формулировать требования к робототехническим комплексам и применять новые технологии разработки SCADA систем
• Решать научные и технические задачи экспертной оценки. Реализовывать современные методы моделирования и принятия решений в нечеткой среде
• Применять методы машинного обучения и глубокие нейронные сети для задач обработки данных и принятия решений, разрабатывать программные системы обучения глубоких нейронных сетей.

Похожие ОП