7M06104 Вычислительные науки в Astana IT University

Дисциплины

• Психология управления

  Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально - психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Математика для вычислительных наук

  Данная дисциплина охватывает введение в математические курсы необходимые для освоения специализированных дисциплин вычислительных наук, основанных на численных решениях детерминированных и вероятностных уравнений математической физики и прикладных моделях, используемых на техническом производстве и финансовом секторе, а именно, теорию обыкновенных дифференциальных уравнений, их типизацию и базовые методы аналитического решения и введение в дифференциальные уравнения в частных производных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Целью курса является формирование иноязычной профессионально - ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Педагогика высшей школы

  Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Вычислительная геометрия

  Этот курс знакомит обучающихся с понятиями и методами вычислительной геометрии, включая представление, манипулирование и анализ геометрических объектов. Обучающиеся узнают о различных алгоритмах и структурах данных для решения геометрических проблем, с приложениями в таких областях, как компьютерная графика, компьютерное зрение, робототехника и географические информационные системы (ГИС).

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Дифференциальные уравнения в частных производных

  Этот курс знакомит обучающихся с основами дифференциальных уравнений в частных производных, включая классификации, задачи границ и начальной стоимости, а также методы аналитических решений. Обучающиеся узнают, как применять дифференциальные уравнения в частных производных для моделирования и анализа широкого спектра проблем в таких областях, как динамика жидкости, теплопередача и оптимизация.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Численные методы и компьютерное моделирование

  Данная дисциплина предполагает изучение основ численных методов в области моделирования физических процессов, включая алгебраические численные методы, численное интегрирование и численное решение дифференциальных уравнений в частных производных, в ней изучается также введение в методы конечных разностей.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Введение в нейронные сети

  Данная дисциплина предполагает изучение разделов математики и информатики, необходимых для введения в теорию машинного обучения и ее раздел теорию глубокого обучения, основанного на алгоритме обратного распространения ошибки, которая позволяет системе ИИ самообучаться. Данный раздел содержит в себе задачи распознавания изображения, генерации изображений и 3D, распознавание текстов, звуков и т.д и является одним за самых распространенных направлений в современном машинном обучении.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• История и философия науки

  Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Гибкие технологии управления проектом

  Дисциплина дает системное профессиональное представление о гибких подходах к управлению проектами с использованием Agile подхода, фреймворка SCRUM, и передовых программных продуктов для автоматизации управления.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Марковские цепи и процессы принятия решений

  Данная дисциплина предполагает изучение Марковских цепей, в которых каждый элемент полностью определен предыдущим. Данные цепи широко используются в постановке задач привязки искусственного интеллекта к поведению агента в определенной среде, например, робота в реальном окружении, на чем, например, основывается обучение с подкреплением. В результате изучения дисциплины студент должен знать: методы построения вероятностных моделей описывающих стохастическую динамику процессов; системы массового обслуживания; уметь устанавливать свойства решений стохастических систем.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Управление продуктами

  Курс предоставляет всесторонний обзор принципов, стратегий и навыков, необходимых для эффективного управления продуктами и их вывода на рынок. Также этот курс анализирует важность клиентоориентированности и пользовательского опыта в управлении продуктами, включая изучение методов сбора отзывов пользователей, проведения исследований и использования аналитики данных для информирования решений о продукте и постоянного улучшения. Данный курс предназначен для предоставления участникам знаний и инструментов, необходимых для успешного прохождения всего жизненного цикла продукта, от идеи и разработки до запуска и продвижения после запуска продукта.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Высокопроизводительные вычисления

  Целью дисциплины является изучение фундаментальных методов разработки приложений, часто используемых платформ высокопроизводительных вычислений , методов измерения, оценки и анализа производительности высокопроизводительных приложений, а также роли администрирования, управления рабочей нагрузкой и ресурсами в управлении высокопроизводительными вычислениями. Студенты познакомятся с вопросами, связанными с использованием технологий при решении крупных научных задач.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Прикладные математические модели

  Данная дисциплина посвящена распространенным математическим моделям, используемым на производстве, и их решению с использованием численных методов. По освоении дисциплины студент должен знать: базовые математические модели такие, как "хищник-жертва", уравнение теплопроводности и т.д.; базовые модели гидродинамики, фильтрации, химических реакций; уметь: аппроксимировать и иссследовать на сходимость модели; применять основные численные методы для решения прикладных задач.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Стохастическое моделирование

  Данная дисциплина посвящена основам стохастического моделирования, практическому применению методов Монте-Карло, решению стохастических дифференциальных уравнений, вероятностному моделированию для решения практических задач.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Поведенческие компетенции для управления проектами

  Целью изучения курса является формирование современного экономического мышления специалиста сферы проектного менеджмента и определение роли и компетенции проектного менеджера в рамках различных подходов к управлению проектами.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Тематическое исследование (Case study) в вычислительных науках

  Дисциплина фокусируется на применении вычислительных методов и техник для решения сложных задач в различных научных областях. Студенты будут участвовать в углубленных тематических исследованиях, которые требуют компьютерного моделирования, симуляции и анализа. Учебная программа охватывает такие темы, как математическое моделирование, численные методы, оптимизация, имитационное моделирование. Эта дисциплина повышает способность студентов решать реальные научные задачи с использованием вычислительных подходов, что в конечном итоге способствует прогрессу в их соответствующих областях.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Генеративные алгоритмы

  Этот курс знакомит учащихся с различными методами генеративного моделирования и алгоритмами, такими как вариационные автоподошеры (VAE), генеративные состязательные сети (GANS) и авторегрессивные модели. Обучающиеся узнают, как разрабатывать, тренировать и оценивать генеративные модели, а также изучать свои приложения в таких областях, как компьютерное зрение, обработка естественного языка и синтез данных

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Нейронные сети, основанные на физике

  Дисциплина фокусируется на интеграции физических принципов и архитектур нейронных сетей для решения сложных задач в физике и смежных областях. Студенты изучат синергию между физическим моделированием и методами глубокого обучения, позволяющими им извлекать информацию из среды, богатой данными. Учебная программа охватывает такие темы, как фундаментальные физические концепции, архитектура нейронных сетей, предварительная обработка данных, извлечение признаков и интерпретация моделей. С помощью практических проектов и тематических исследований студенты будут развивать навыки применения нейронных сетей для решения физических задач, анализа экспериментальных данных и моделирования физических систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Теория адаптивных расчетных сеток

  Данная дисциплина посвящена методам построения неструктурированных и структурированных сеток адаптирующихся к определенным свойствам области и их использования для решения численных задач на данных областях. Рассматриваются такие методы структурированных сеток, как методы эквираспределения, метод Томпсона, и такие методы неструктурированных сеток, как триангуляция Делоне, диаграмма Вороного.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Обучение с подкреплением

  Этот курс познакомит студентов с основами обучения с подкреплением. По окончании этого курса студент будет способен: Формализовать проблемы как марковские процессы принятия решений; Понимать основные методы разведки и компромисс между разведкой и эксплуатацией; Понять функции ценности как универсальный инструмент для принятия оптимальных решений; Знать, как реализовать динамическое программирование как эффективный подход к решению проблемы промышленного управления.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Сервисная модель в управлении проектами

  Курс посвящен ключевым компонентам модели обслуживания в управлении проектами, включая проектирование услуг, предоставление услуг, качество услуг и удовлетворенность клиентов. Обучающиеся получат представление о том, как идентифицировать и определять цели проекта, объем и результаты в контексте обслуживания, а также как управлять и снижать риски, характерные для проектов обслуживания. Основное внимание в курсе уделяется решению проблем, возникающих при управлении проектами в отраслях, основанных на услугах.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Управление заинтересованными сторонами проекта

  Курс рассчитан изучение управления заинтересованными сторонами (стейкхолдерами) проекта. Магистранты рассмотрят базовые принципы и анализ внешней и внутренней среды проекта, направленные на идентификацию и систематизацию основных стейкхолдеров, оценку их целей, сбор информации о них и использование этих данных в процессе управления проектом. Также будет рассмотрено ведение переговоров и привлечение стейкхолдеров к сотрудничеству с управлением ожиданиями основных стейкхолдеров.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Управление IT проектами

  дисциплина, которая фокусируется на эффективном планировании, организации и контроле проектов в области информационных технологий. Он включает принципы и методологии, используемые для успешной реализации ИТ-проектов с учетом определенных ограничений, таких как время, бюджет и качество.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Квантовые вычисления

  Данная дисциплина предполагает изучение методов квантовых вычислений и их преимущества по сравнению классическими методами вычислений. В курсе рассматриваются основные положения классической теории вычислительной сложности, гейтовая модель квантовых вычислений, универсальные наборы гейтов, алгоритмы квантовых вычислений основанные на квантовом преобразовании Фурье, в частности, алгоритм Шора, квантовые алгоритмы поиска, алгоритмы квантовой симуляции физических систем, введение в квантовую коррекцию ошибок и устойчивые к ошибкам вычисления, гибридные квантово-классические алгоритмы, в частности вариационные квантовые алгоритмы.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Гетерогенная параллелизация

  Этот курс представляет собой концепции, языки, методы и паттерны для программирования гетерогенных, массово параллельных процессоров. Он охватывает гетерогенные вычислительные архитектуры, модели программного программирования, методы управления полосой пропускания памяти и шаблоны параллельных алгоритмов на примере CUDA и OpenCL.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

Профессии

Результаты обучения

• Использовать методы анализа данных в различных сферах производства, на реальных данных для подбора параметров, адаптации и тестирования вычислительных систем на основе реальных экспериментов
• Разрабатывать методы и алгоритмы вычислительной математики на основе аппроксимирования дифференциальных уравнений методами конечных разностей, объемов или элементов
• Разрабатывать параллельные вычислительные алгоритмы для инженерных задач и реализовывать их в высокопроизводительных системах, разрабатывать алгоритмы квантовых вычислений
• Проводить фундаментальный анализ вычислительных методов и разностных схем на сходимость и корректность, в том числе, в случае высокопроизводительных алгоритмов с использованием элементов математической логики и теории вычислимости
• Разрабатывать и проводить вычислительные симуляции вероятностных процессов из различных отраслей с использованием методов стохастического моделирования
• Решать вычислительные задачи со сложной геометрией областей, строя и используя корректные структурированные, криволинейные, неструктурированные расчетные сетки
• Использовать методы интеллектуального анализа данных на основе глубокого обучения, обучения с подкреплением, генеративно-состязательных сетей для эффективного прогнозирования результатов
• Проводить самостоятельные научные исследования, решая современные актуальные задачи, публикуя результаты в рейтинговых журналах и выступая на конференциях
• Обладать знаниями в смежных областях проектного менеджмента, науки о данных, информационной безопасности

Похожие ОП