7M06116 Компьютерные науки и технологии в КазНУ им. аль-Фараби

Дисциплины

• 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 - 1
  Семестр - 1
  Кредитов - 5
  

• Разработка мобильных приложений

  Данная дисциплина нацелена 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
  

• 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 - 2
  

• Продвинутые структуры, алгоритмы и анализ данных

  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 - 1
  Кредитов - 5
  

• Алгоритмы

  эта дисциплина представляет собой введение в математическое моделирование вычислительных задач. В нем рассматриваются общие алгоритмы, алгоритмические парадигмы и структуры данных, используемые для решения этих задач. В курсе особое внимание уделяется взаимосвязи между алгоритмами и программированием, а также вводятся основные показатели производительности и методы анализа этих задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Иностранный язык (профессиональный) (Китайский язык I)

  Цель дисциплины - обучить базовым знаниям китайского языка и популяризировать китайскую культуру. Курс предоставляет знания китайского языка по четырем аспектам аудирования, разговорной речи, чтения и письма и фокусируется на развитии навыков аудирования и разговорной речи. Кроме того, здесь есть раздел, посвященный изучению китайской культуры. Сочетание языковой подготовки и изучения культуры может помочь магистрантам лучше подготовиться к изучению дисциплин на китайском языке. В конце этого курса студенты могут в основном понять структуру китайского языка и могут использовать китайский язык для простого устного общения и письма, а также иметь предварительное представление о китайской культуре

  Год обучения - 1
  Семестр - 1
  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 - 1
  Семестр - 1
  Кредитов - 2
  

• 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
  

• 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 - 1
  Семестр - 1
  Кредитов - 5
  

• Краткое введение в Китай

  Цель дисциплины - предоставить обучающимся базовые знания о Китае. Содержание обучения включает в себя различные аспекты, такие как китайская геоморфология, история, политическая система и культура. Методы обучения в основном основаны на личном опыте, чтобы стимулировать интерес студентов к китайской культуре. На занятиях основное внимание уделяется методу сравнительного исследования, чтобы усилить чувство участия иностранных студентов в занятиях; эмоциональное обучение также может способствовать узнаванию студентами китайской культуры. В целом, этот курс полезен не только для всестороннего развития обучающихся, но и для распространения китайской культуры, создания хорошего международного имиджа Китая.

  Год обучения - 1
  Семестр - 1
  Кредитов - 2
  

• 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
  

• Вычислительный интеллект: теория и методы

  Цель курса состоит в том, чтобы ознакомить магистрантов с основными принципами различных вычислительных методов обработки данных, которые обычно можно назвать вычислительным интеллектом (CI). студенты смогут концептуально понять важные термины и алгоритмы CI и выбрать подходящий метод (ы) для данной задачи.

  Год обучения - 1
  Семестр - 1
  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 - 1
  Семестр - 1
  Кредитов - 5
  

• Методы интеллектуального анализа данных

  Цель дисциплины - изучить принципы и знания, скрывающиеся в массивных данных. Магистранты усвоят основные идеи и методы интеллектуального анализа данных, что поможет им понять последние достижения исследований в области интеллектуального анализа данных и разовьют способность анализировать и обрабатывать данные.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Продвинутые операционные системы

  Цель этого предмета состоит в том, чтобы дать магистрантам глубокое понимание технологий современных операционных систем и исследовательских проблем. Предмет охватывает продвинутые темы в области компьютерных операционных систем с особым акцентом на распределенные вычисления и услуги, предоставляемые распределенными операционными системами. Она включает в себя безопасность, связь, синхронизацию, отказоустойчивость, управление виртуальной памятью и распределенную файловую систему.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• 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 - 1
  Семестр - 2
  Кредитов - 5
  

• Конструкция встроенного процессора

  эта дисциплина будет посвящена проектированию и внедрению встроенных процессоров для приложений, которые двоично совместимы с коммерческими наборами команд и имеют специальные функции для наглядности, облегчающие тестирование, отладку и обслуживание систем обработки данных в реальном времени.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• 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 - 2
  Кредитов - 3
  

• 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 - 1
  Семестр - 2
  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 - 2
  Кредитов - 5
  

• Искусственные нейронные сети и их применение

  эта дисциплина включает использование широкого спектра приложений, включая распознавание изображений, речь, машинный перевод и медицинскую диагностику. Поскольку основная цель-воспроизвести вычислительную мощность человеческого мозга, архитектура нейронных сетей, по-прежнему, имеет множество улучшений. Разработка нейронных сетей направлена на сжатие изображений, прогнозирование фондового рынка, банковское дело и компьютерную безопасность, а также на изучение более глубокого применения обучения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• 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 - 1
  Семестр - 2
  Кредитов - 3
  

• Китайский язык II

  Китайский язык 2 - это открытый курс для магистрантов. Основываясь на китайском языке 1, основной целью данной дисциплины является тренировка интонации, тембра и ударения, а ключевым моментом является обучение грамматике и структуре предложений, между тем, этот курс будет тесно сочетать изучение лексики и грамматики. Китайский язык 2 направлен на развитие всесторонних способностей обучающихся и требует от них ежедневной языковой практики и правильной передачи полного смысла, а также обладать первичными навыками общения на китайском языке на основе комплексных требований к аудированию, разговорной речи, чтению и письму.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• 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
  

Профессии

Результаты обучения

• Знать историю, культуру и понимать язык (на среднем уровне) Китая
• Описывать методы оценки вычислительной сложности алгоритмов
• Уметь выбирать методы проектирования и разработки программного обеспечения, программирования, архитектурных языков с учетом присущих им ограничений
• Моделировать задачи и разрабатывать новые инструменты и приложения для сбора, хранения, анализа и управления данными
• Выполнять интеллектуальный анализ, оценку используемых методов и технологий
• Уметь использовать инструменты искусственного интеллекта для решения задач из различных предметных областей
• Уметь реструктуризировать существующего программного контента, выявление проблемных компонентов, выбор стратегии решения
• Уметь осуществлять НИОКР в среде, ориентированной на конечный продукт, научное обоснование стратегических решений
• Анализировать и критически рассматривать различные источники информации, используя их для рассуждений и структурирования
• Проводить самостоятельные научные исследования: понимать текущие проблемы исследования, самостоятельно применять опубликованные результаты или методы в новом контексте
• Вести научно-педагогическую деятельность, учебные занятия (кроме лекций) с учетом принципов студентоцентрированного обучения и оценивания, включая подготовку учебно-методических материалов с учетом интеграции образования, науки и инноваций, устанавливая обратную связь с обучающимися.
• Разрабатывать передовые интеллектуальные компьютерные системы для анализа и обработки данных