Действующая образовательная программа

8D06101 Информационные системы (по отраслям) в ВКТУ им. Д. Серикбаева

Дисциплины

  • Анализ и визуализация данных

    Практико-ориентированная форма обучения в рамках данной дисциплины позволяет реализовать важный этап интеллектуального анализа данных. Визуализация данных позволит оценить степень соответствия ожиданиям и пригодности данных к анализу, выдвижения гипотез о закономерностях и необходимых процедурах первичной обработки. Будут реализованы методы визуализации исходных данных, визуализации результатов первичной обработки, визуализации промежуточных и окончательных результатов.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Методы научных исследований

    Дисциплина направлена на развитие фундаментальных знаний о методологии научных исследований и приобретению практических навыков проведения исследований в области ИКТ с соблюдением принципов и критериев научного исследования. Дисциплина включает практические аспекты формирования цельного представления об информационных технологиях управления знаниями и реализацию методов Data Science.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Академическое письмо

    Дисциплина способствует дальнейшему развитию у обучающихся умений посредством достаточно убедительного научного текста (статьи, диссертации, рецензии, монографии, аннотации) выражать и обосновывать свои мысли при выполнении собственных исследовательских проектов и программ в сфере своей деятельности и предоставлять результаты в письменной форме в соответствии с правовыми нормами Республики Казахстан и международного академического сообщества на казахском, русском и английском языках.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Machine Learning & Data Science

    Дисциплина направлена на развитие навыков работы с алгоритмами машинного обучения для решения реальных научно-технологических задач по направлению диссертационного исследования. Изучаются алгоритмы контролируемого машинного обучения, основанные на фактических данных, алгоритмы неуправляемого машинного обучения, являющиеся прогностическими моделями, а также алгоритмы усиленного обучения, в которых используются программные агенты.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Разработка и экспертиза научно-исследовательских проектов в области ИКТ

    Дисциплина направлена на изучение требований к фундаментальным и прикладным научным исследованиям и экспериментальным разработкам в области ИКТ, процессам организации и проведения экспертизы проектов коммерциализации результатов научной и научно-технической деятельности. Развиваются практические навыки написания заявок по теме исследования на получение научных грантов, навыки научно-технического анализа и экспертизы проектов в области ИКТ

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Аналитика больших данных

    Курс направлен на развитие навыков анализа больших объемов данных для решения научно-технологических задач по направлению диссертационного исследования. Докторант приобретает практические навыки решения экспериментальных и теоретических задач в области аналитики больших данных. Приобретённые практически навыки позволят представить результаты диссертационного исследования в научных журналах и отчетах НИР в виде прилагаемого к статье компьютерного исполняемого модуля вычислительной модели экспериментальных данных.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Методы системного синтеза в управлении сложными системами

    Изучаются методы системной инженерии позволяющие выявить объективные закономерности функционирования сложных объектов и учитывать существенные факторы для повышения качества этих объектов. Дисциплина направлена на развитие практических навыков установления структурных связей между переменными или элементами исследуемой сложной системы, а также приобретение навыков структуризации проблемных ситуаций при управлении сложными системами.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5

Результаты обучения

  • Определять актуальные научные проблемы и методологии построения концепций, стратегий, функциональных моделей деятельности и взаимодействия в области ИКТ с применением методов системной инженерии и Data Science; разрабатывать учебно-методические материалы по преподаваемым дисциплинам с учетом интеграции образования, науки и инноваций; принимать участие в выполнении научно-исследовательских, опытно-конструкторских работ и проектов в команде; соблюдать принципы академической честности и добропорядочности.
  • Анализировать структуру научных публикаций, подготавливать научные статьи, отчеты научно-технического анализа и экспертизы проектов научно-исследовательских и научно-технической деятельности в области ИКТ на основе критериев научного исследования и методов Data Science
  • Разрабатывать многофакторные вычислительные модели экспериментальных данных для решения реальных сложных ресурсоемких научно-технологических задач и структуризации проблемных ситуаций с применением методов Machine Learning, Data Science и системной инженерии
  • Разрабатывать обоснованные заявки или пояснительные записки научно-исследовательских работ в области ИКТ для коммерциализации проектов, ведущие к получению новых знаний и новых решений реальных научно-технологических задач академических или промышленных отраслей.
  • Применять методологию научного творчества и управления знаниями для теоретического и экспериментального исследования информационных процессов и ресурсов в области ИКТ для решения реальных научно-технологических задач в академической или промышленной отрасли.
  • Разрабатывать интеллектуальные информационные системы и компоненты к ним для поддержки принятия решений на различных уровнях управления в академической или промышленной отрасли.
Top