7M06150 Вычислительная техника и программное обеспечение в КУ им. Коркыт Ата

Дисциплины

• Педагогика высшей школы

  В ходе курса у магистранта формируются представления о сущности педагогики высшей школы, ее месте среди других наук о человеке, закономерностях педагогического процесса в вузе.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Качественные и численные методы исследования динамических систем

  Целью дисциплины является формирование у магистрантов глубоких знаний и практических навыков в области анализа, моделирования и исследования динамических систем с использованием как качественных, так и численных методов. после окончания курса магистрант знает нелинейные динамические системы, их роль в исследовании природы; основные причины широкого использования нелинейных моделей; методы исследования математических моделей: аналитические, расчетные, качественно-расчетные. Роль вычислительных информационно – динамических систем в изучении движения, эффективность вычислительной экспертизы.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Теория систем

  Теория систем — это дисциплина, изучающая общие принципы, закономерности и методы моделирования сложных объектов, состоящих из множества взаимодействующих компонентов, а также способы анализа, проектирования и оптимизации таких систем. Основной целью дисциплины является развитие у магистрантов навыков системного мышления, то есть способности рассматривать объекты и процессы в их взаимосвязи и целостности. Также целью является освоение методов анализа, моделирования и синтеза сложных систем, что помогает решать разнообразные задачи в инженерии, менеджменте, экономике и других областях. Основные задачи дисциплины: изучение фундаментальных понятий теории систем, таких как система, подсистема, компоненты, взаимодействие и управление; овладение методами анализа динамических, стохастических, линейных и нелинейных систем.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Современные методы теории управления

  Целью дисциплины является предоставление магистрантам углубленных знаний о методах и подходах к оптимальному управлению системами, а также обучение навыкам разработки и анализа систем управления для достижения заданных целей с учетом ограничений. По завершении дисциплины магистранты умеют применять методы и подходы теории оптимального управления для анализа и синтеза систем; навыки разработки и реализации систем оптимального управления для достижения заданных целей; способность разрабатывать алгоритмы управления для систем с учетом различных ограничений. Эта дисциплина готовит магистрантов к профессиональной деятельности в области теории управления, обеспечивая глубокое понимание методов оптимального управления и навыков их практического применения для решения сложных задач управления.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Теория оптимального управления

  Целью дисциплины является предоставление магистрантам углубленных знаний о методах и подходах к оптимальному управлению системами, а также обучение навыкам разработки и анализа систем управления для достижения заданных целей с учетом ограничений. По завершении дисциплины магистранты умеют применять методы и подходы теории оптимального управления для анализа и синтеза систем; навыки разработки и реализации систем оптимального управления для достижения заданных целей; способность разрабатывать алгоритмы управления для систем с учетом различных ограничений. Эта дисциплина готовит магистрантов к профессиональной деятельности в области теории управления, обеспечивая глубокое понимание методов оптимального управления и навыков их практического применения для решения сложных задач управления.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Верификация и анализ программ

  Целью дисциплины является обучение магистрантов методам и инструментам для проверки правильности, безопасности и надежности программного обеспечения. Дисциплина охватывает теоретические основы и практические подходы к статическому и динамическому анализу программ, а также методики формальной верификации. После завершения курса магистрант знает существующие подходы к верификации моделей программного обеспечения. Умеет осуществлять верификацию программного обеспечения. Владеет навыками понимания существующих подходов к верификации моделей программного обеспечения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Психология управления

  Курс психологии для магистрантов сопровождается базовым формированием гуманистического мировоззрения. В состав данного курса входит информация о роли и месте современной психологической науки в обществе. Она развивает профессиональные и профессиональные психологическое мышление перспективных специалистов, преподавателей вузов, научных работников. В основе исследования глубокие знания психологии. На основе фундаментальных и психических концепций, а также на основе высших высших процессов и личностных характеристик человека является целостный подход к личности и деятельности человека, вырабатывается потребность в общепризнанном анализе управления подрастающим поколением

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• История и философия науки

  В ходе курса магистранты изучают историю науки от зарождения до современного этапа неоклассической науки, эволюцию и основные концепции современной философии науки, а также философские проблемы основных подсистем науки. Магистранты формируют культуру научного мышления и развивают свои аналитические способности и исследовательские навыки.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Иностранный язык (профессиональный)

  Целью дисциплины является развитие профессионально-ориентированной иноязычной коммуникативной компетенции магистрантов, которая позволяет им интегрироваться в международную профессиональную среду и использовать иностранный язык как средство межкультурного общения и как средство изучения зарубежного опыта в профилирующей и смежных областях науки и техники.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Прикладные задачи теории автоматического управления

  Целью дисциплины является обучение магистрантов основным принципам и методам теории автоматического управления, а также их применению для решения практических задач в различных областях инженерии и науки. После завершения курса магистрант владеет теоретическими и практическими навыками, необходимыми для проектирования и эксплуатации систем управления. Изучает методы и алгоритмы автоматического управления; освоение теории автоматического управления в целях практического использования при поиске технических решений на этапе проектной и при эксплуатационной деятельности

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Системы виртуализации ресурсов

  Дисциплина направлена на ознакомление магистрантов с основами и принципами виртуализации компьютерных ресурсов, включая процессоры, память, сеть и хранилища. Целью является предоставление студентам понимания концепций виртуализации и их применения в различных областях информационных технологий. По завершении дисциплин магистрант понимает принципы и преимущества виртуализации компьютерных ресурсов; способен к проектированию и настройке виртуализированных сред для различных целей, включая облачные вычисления; знает методы обеспечения безопасности и управления виртуализированными средами.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Искусственный интеллект в робототехнике

  Дисциплина изучает принципы и методы применения искусственного интеллекта (ИИ) в робототехнических системах. В рамках курса рассматриваются алгоритмы машинного обучения, компьютерного зрения, обработки естественного языка и другие технологии, обеспечивающие автономность, адаптивность и интеллектуальное поведение роботов. Также изучаются современные платформы и инструменты для разработки роботизированных систем с применением ИИ. Цель курса — дать магистрантам теоретические знания и практические навыки по использованию технологий искусственного интеллекта в робототехнике, необходимых для разработки автономных и интеллектуальных роботизированных систем. После освоения курса магистранты смогут: разрабатывать интеллектуальные системы управления для роботов; применять методы машинного обучения и компьютерного зрения в робототехнике; разрабатывать алгоритмы навигации и автономного передвижения роботов.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Облачные и сетевые инфраструктуры

  Дисциплина предназначена для ознакомления магистрантов с принципами, технологиями и методами проектирования, развертывания и управления облачными и сетевыми инфраструктурами. Основной целью является подготовка студентов к работе с современными технологиями в области облачных вычислений и сетевых инфраструктур. По завершении дисциплины магистранты понимают основные концепций и принципов облачных вычислений и сетевых инфраструктур; способны проектировать и разворачивать облачные и сетевые инфраструктуры для различных целей и потребностей. Дисциплина предоставляет студентам фундаментальные знания и навыки для работы в области современных информационных технологий, а также открывает широкие возможности для дальнейшего профессионального развития в области облачных вычислений и сетевых технологий.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Машинное обучение

  Целью освоения дисциплины «Машинное обучение» являются формирование у магистрантов теоретических знаний и практических навыков по основам машинного обучения, овладение магистрантами инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Передовые технологии робототехники и автоматического управления

  Цель курса направлен на развитие знаний и навыков в области разработки и эксплуатации роботов, а также внедрения автоматических систем управления в различных отраслях. После его завершения магистранты должны знать основы роботехники: концепции, принципы работы роботов, классификация роботов, их применение в промышленности, медицине и других сферах. Уметь моделировать и проектировать роботизированных систем: умение разрабатывать модели роботов и автоматизированных систем, оценивать их параметры и характеристики. Управлять роботами: знание методов и алгоритмов управления движением роботов, таких как теории обратной связи, адаптивное и оптимальное управление.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Искусственные нейронные сети

  Дисциплина предназначена для ознакомления магистрантов с теорией и практикой применения искусственных нейронных сетей (ИНС) в различных областях, включая машинное обучение, распознавание образов, обработку естественного языка и другие. По завершении дисциплины магистрант понимает процессы основных принципов и алгоритмов работы нейронных сетей; умеет разрабатывать и обучать нейронные сети для решения различных задач машинного обучения. Навыки работы с современными инструментами и фреймворками для разработки нейронных сетей. Дисциплина обеспечит магистрантам фундаментальные знания и практические навыки в области глубокого обучения, что является ключевым элементом в современной индустрии искусственного интеллекта и анализа данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Теория нейронных сетей

  Целью освоения дисциплины является изучение теоретических основ обучения нейронных сетей и получение навыков их применения для решения практических задач. Основные задачи обучения: изучить модель искусственного нейрона и искусственной нейронной сети, изучить алгоритмы обучения нейронных сетей, изучить популярные в настоящее время архитектуры глубоких нейронных сетей, изучить способы применения глубоких нейронных сетей для задач компьютерного зрения и анализа текстов, изучить программные системы обучения нейронных сетей.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Модели и методы нейронных сетей

  Цель дисциплины – формирование способности применять модели нейронных сетей в решении сложных задач обработки данных. Будут изучены: Модели нейронных сетей. Кластерный анализ данных на выходных параметрах нейронной сети. Вычислительные процессы нейронной сети. Модели и методы извлечения данных. Именованное распознавание объектов. Модели и методы распознавания отношений. Модели и методы определения времени и событий. Модели и методы поиска информации. Структура и части системы ответов на вопросы. Модели и методы обобщения. Создание и обучение нейронных сетей. Метод глубокого обучения нейронной сети. Современные средства с реализацией технологии нейронных сетей. Архитектура нейронных сетей. Алгоритмы нейронных сетей. Готовые библиотеки для обработки данных. Практическая реализация систем с нейронными сетями.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Технология интеллектуальных систем

  Целью дисциплины является предоставление магистрантам знаний и навыков, необходимых для разработки и применения интеллектуальных систем, включая искусственный интеллект (AI), машинное обучение (ML) и системы обработки данных. Приобретение знаний и навыков в области применения систем искусственного интеллекта для решения задач автоматического управления технологическими процессами в условиях неопределенности, изучение современного состояния теории нечеткой логики, экспертных систем и методов ассоциативной памяти; Приобретите навыки и компетенции в области проектирования и эксплуатации интеллектуальных информационных устройств, регулирующих органов, технологических средств и систем автоматизации, основанных на интеллектуальной обратной связи.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методика анализа больших данных

  Целью дисциплины является формирование у магистрантов профессиональной компетенции в области разработки и использования систем обработки и анализа больших массивов данных. Изучает постановку задачи анализа данных, обработку данных, визуализацию данных, реализация и применение методов интеллектуального анализа данных к большим массивом данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Технология высококоростных вычислений

  Дисциплина "Технология высокоскоростных вычислений" направлена на изучение современных методов и технологий, используемых для создания и эксплуатации вычислительных систем, обеспечивающих высокую скорость обработки данных и эффективную работу с большими объемами информации. В рамках курса рассматриваются особенности архитектуры высокоскоростных вычислительных систем, а также методы оптимизации и параллельных вычислений, которые используются в научных исследованиях, инженерных расчетах, обработке больших данных и других сферах, требующих мощных вычислительных ресурсов. Цель дисциплины — подготовить студентов к проектированию, разработке и эффективному использованию высокоскоростных вычислительных систем для решения различных вычислительных задач.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Анализ больших данных

  Дисциплина направлена на обучение магистрантов методам, инструментам и техникам анализа и обработки больших объемов данных с целью извлечения ценной информации, выявления закономерностей и принятия информированных решений в различных областях науки, бизнеса и промышленности. По завершении дисциплины магистранты умеют работать с различными типами данных и проводить их анализ с использованием современных методов и инструментов; навыки применения методов машинного обучения и статистического анализа для извлечения полезной информации из больших объемов данных; способен анализировать полученные результаты и делать информированные выводы для принятия решений в различных областях. Данная дисциплина позволяет магистрантам приобрести востребованные навыки в области анализа данных, что открывает широкие возможности для успешной карьеры в науке, бизнесе и других сферах деятельности.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Научные методы и технологии анализа больших данных

  Дисциплина посвящена изучению научных подходов, методов и инструментов, используемых для анализа больших данных (Big Data). В рамках курса рассматриваются ключевые концепции обработки, хранения и анализа больших объемов информации, а также современные технологии машинного обучения, статистики и искусственного интеллекта, применяемые для извлечения знаний из данных. Цель курса — сформировать у студентов глубокое понимание научных методов анализа больших данных и развить навыки использования современных технологий для обработки и интерпретации сложных и разнородных данных. После освоения курса студенты смогут: разбираться в основных концепциях и технологиях анализа больших данных; применять статистические и машинные методы для анализа данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Оптимизационные методы

  Дисциплина предназначена для изучения различных методов оптимизации, используемых для решения задач максимизации или минимизации функций в различных областях науки и промышленности. Целью курса является овладение студентами основными методами оптимизации, их применением и анализом результатов. По завершении дисциплины магистранты понимают основные методы и алгоритмов оптимизации; умеют анализировать результаты и выбирать наиболее подходящий метод для конкретной задачи; способны к программной реализации оптимизационных алгоритмов и их применению в реальных проектах. Дисциплина предоставляет студентам необходимые инструменты для решения различных задач оптимизации, что является важным компонентом в области научных исследований, инженерии, экономики и других областей.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Методы и модели исследований автоматизированных систем управления

  Дисциплина предназначена для ознакомления магистрантов с современными методами анализа, моделирования и исследования систем управления. Основная цель курса - обеспечить студентов знаниями и навыками для проведения анализа и оптимизации работы автоматизированных систем управления. По завершении дисциплины магистранты понимают математических моделей и методов анализа систем управления; навыки программной реализации моделей и проведения экспериментов; умеют анализировать результаты моделирования и предлагать оптимизационные решения.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Реализация методов защиты в информационных системах

  Дисциплина направлена на изучение основных методов и технологий обеспечения безопасности информационных систем, а также на их практическую реализацию и применение. Основная цель курса - обеспечить студентам понимание принципов защиты информации и навыки разработки и внедрения защитных механизмов в информационные системы. Дисциплина играет важную роль в подготовке специалистов в области информационной безопасности, обеспечивая им необходимые знания и навыки для защиты информации от современных угроз и атак.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Организация и планирование научных исследований

  Дисциплина "Организация и планирование научных исследований" охватывает теоретические и практические аспекты организации научных исследований, методы разработки исследовательских проектов, планирования и управления процессом научной работы. В рамках курса рассматриваются этапы подготовки, реализации и анализа результатов научных исследований, включая создание исследовательских гипотез, выбор методов и инструментов для их проверки, а также принципы организации научной работы в условиях междисциплинарного взаимодействия. Целью дисциплины является развитие у магистрантов навыков эффективного планирования, организации и управления научными исследованиями. Основные задачи дисциплины: ознакомление с основными этапами научного исследования: от постановки задач до анализа результатов; развитие навыков разработки научных проектов, включая формулировку целей, задач и гипотез.

  Год обучения - 2
  Семестр - 1
  Кредитов - 3
  

• Компьютерное моделирование

  Дисциплина изучает принципы и методы построения компьютерных моделей для анализа сложных систем и процессов в различных предметных областях. В рамках курса рассматриваются основы математического моделирования, численные методы, алгоритмы симуляции и программные инструменты для создания моделей. Цель курса — сформировать у магистрантов навыки разработки, анализа и интерпретации компьютерных моделей для решения научных и прикладных задач. После освоения курса магистранты смогут: разрабатывать математические модели для анализа сложных процессов; применять численные методы и алгоритмы симуляции; работать с современными инструментами компьютерного моделирования.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Компьютерная математика

  Дисциплина призвана предоставить магистрантам комплексное понимание математических методов и алгоритмов, используемых в информатике и компьютерных науках. Основная цель - оснастить студентов инструментами и знаниями для решения вычислительных задач с использованием математических подходов. По завершении дисциплины магистранты знают основные математические концепций и методов, используемых в компьютерных науках; навыки применения математических подходов для решения различных задач в информатике и компьютерных науках; умеют анализировать и интерпретировать результаты, полученные с использованием математических методов. Дисциплина является важной составной частью образования в области информатики и компьютерных наук, обеспечивая студентам необходимые математические инструменты для успешной работы в данной области

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Методы и системы защиты информационных систем

  Цель дисциплины "Методы и системы защиты информационных систем" заключается в формировании у студентов знаний и практических навыков для обеспечения безопасности информационных систем, защиты данных и предотвращения угроз в области информационных технологий. Курс направлен на изучение теоретических основ и применения различных методов, средств и инструментов, которые позволяют эффективно защищать информационные системы от внешних и внутренних угроз.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Нейронные сети и компьютерное зрение

  Курс посвящен современным методам и алгоритмам, использующим нейронные сети для решения задач, связанных с анализом визуальной информации. В рамках курса рассматриваются теоретические основы, современные методы глубокого обучения и их практическое применение в области компьютерного зрения, включая распознавание объектов, сегментацию, обработку видео и другие сложные задачи.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Технологии и приложения Deep Learning

  Дисциплина "Технологии и приложения Deep Learning" направлена на изучение принципов и методов глубинного обучения (deep learning), который является одной из наиболее популярных и эффективных технологий в области искусственного интеллекта (ИИ). Цель дисциплины — предоставить студентам глубокие знания в области глубинного обучения, научить их разрабатывать и применять модели глубоких нейронных сетей для решения различных практических задач, а также ознакомиться с последними тенденциями и достижениями в этой области.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Организация и планирование научных исследований

  Дисциплина посвящена изучению основ научной деятельности, методов планирования и организации исследований. Курс охватывает этапы научного исследования — от формулирования проблемы и постановки целей до анализа полученных результатов и их представления в научных публикациях. В рамках дисциплины рассматриваются методы планирования научной работы, управление исследовательскими проектами, выбор методологии, анализ данных и оформление научных отчетов. Особое внимание уделяется вопросам организации работы исследователя, управлению временными и ресурсными затратами, а также принципам научной этики. Цель курса — формирование у студентов системного подхода к организации и планированию научных исследований, освоение методов управления исследовательской деятельностью и повышения ее эффективности. После освоения курса студенты смогут: разрабатывать планы научных исследований и грамотно организовывать исследовательскую деятельность; выбирать подходящие методы исследования и анализировать полученные данные; эффективно управлять ресурсами в научной работе.

  Год обучения - 2
  Семестр - 1
  Кредитов - 3
  

• Основы исследований и технологии академического письма

  Дисциплина направлена на изучение ключевых принципов научных исследований и развитие навыков академического письма. В рамках курса рассматриваются методы проведения научных исследований, сбор и анализ данных, работа с литературными источниками, а также принципы структурирования и оформления научных текстов. Особое внимание уделяется логике научного изложения, стилю академического письма, этическим нормам публикационной деятельности и правилам оформления научных работ (курсовых, дипломных, статей, отчетов). Цель курса — сформировать у студентов навыки самостоятельного научного исследования и академического письма, необходимых для успешной работы в научной и образовательной среде. После освоения курса магистранты смогут: понимать ключевые принципы научного исследования и методы сбора данных; грамотно искать и анализировать научные источники, оформлять библиографию; структурированно и логично писать научные тексты; применять стили цитирования и избегать плагиата.

  Год обучения - 2
  Семестр - 1
  Кредитов - 3
  

• Методы исследования систем

  Дисциплина направлена на ознакомление магистрантов с основными методами и инструментами, используемыми для анализа и исследования различных типов систем. Основная цель курса - обеспечить студентам знаниями и практическими навыками для проведения качественного исследования систем, включая моделирование, симуляцию и анализ данных. По завершении дисциплины магистрант знает основные методы и инструменты исследования систем; умеет проводить эксперименты, собирать и анализировать данные.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Знает парадигматические теории в истории науки и методологии педагогики высшей школы и достижения психологической науки. Умеет использовать знание современных проблем науки и образования при решении профессиональных задач. Применяет методы и средства познания для интеллектуального развития, повышения культурного уровня, профессиональной компетентности.
• Применяет при обработке данных методы классификации, кластеризации, регрессии, ассоциации, анализ отклонений, последовательного шаблона. Разрабатывает методы по проведению анализа данных, которые используются для разработки корпоративных систем и приложений для получения знаний и информации, улучшающих бизнес-процессы. Выполняет математические расчеты для извлечения знаний
• Разрабатывает проекты реализации программы для обработки графической и визуальной информации. Определяет математическую модель программы. Разрабатывает алгоритм и методы реализации вычислительных систем с нейронными сетями. Использует готовые алгоритмы нейронных сетей (программные средства), библиотеки для обработки данных. Использует средства с технологией нейронных сетей для обработки текстовых, звуковых, графических данных. Применяет методы исследования математических моделей: аналитические, расчетные, качественно-расчетные
• Применяет выбранные языки программирования для написания программного кода систем искусственного интеллекта. Разрабатывает выбранную среду программирования и средства системы управления базами данных и знаний. Применяет системы искусственного интеллекта для решения задач автоматического управления технологическими процессами в условиях неопределенности. Работает с различными типами данных и проводить их анализ с использованием современных методов и инструментов. Анализирует результаты моделирования и предлагать оптимизационные решения.
• Применяет методы предотвращения сетевых атак, анализа защищенности внешнего периметра корпоративной сети и анализа защищенности внутренней ИТ-инфраструктуры объекта аудита. Владеет методами программных средств для проведения нагрузочного тестирования и языками программирования. Разрабатывает алгоритмы управления для систем с учетом различных ограничений.
• Проектирует отдельные элементы информационно-технологических платформ (операционных систем, систем управления базами данных и т.п.). Планирует использование облачных сервисов в рамках одной облачной платформы. Проектирует системы защиты облачных платформ. Проектирует архитектуру облачных платформ.