7M06106 Системы больших данных (Big data) в ВКГТУ им. Д. Серикбаева

Феномен науки рассматривается как специфическая проблема и предмет анализа. Дает представление о теории науки и техники и их развитие в условиях постиндустриального общества. Актуальность курса связана с ориентацией на процессы, происходящие в области научных знаний и методики научных исследований на основе интеграции философии науки и естественно-технических наук.

Дисциплина является важным элементом профессиональной подготовки магистра. Известно, что психолого-педагогическая культура складывается в результате специальной подготовки (послевузовской). Актуальной проблемой педагогики высшей школы является формирование личности магистранта вуза в условиях его самостоятельной учебно-познавательной деятельности.

В данном курсе рассматриваются программные технологии построения масштабируемых многомашинных информационно-вычислительных систем, обеспечивающих параллельную обработку сверхбольших массивов данных

Курс предусматривает формирование у магистрантов прочные теоретические знания и практические навыки решения актуальных разнообразных психологических проблем, постоянно возникающих в процессе управленческой деятельности современности. Изучение основных подходов к управлению персоналом организации и освоение методов и технологий работы с сотрудниками, особенности стиля руководителя.

Курс посвящен проектированию систем обработки естественного языка (NLPS). Излагаются основы морфологического и синтаксического анализа, языковые модели и моделирование смысла слов. Изучаются популярные приложения в области информационного и вопросно-ответного поиска, автоматического реферирования, анализа тональности, извлечения информации и машинного перевода.

Курс знакомит с техникой и теорией машинного обучения с акцентом на его использование в практических приложениях. Курс сфокусирован на применении алгоритмов для построения систем, таких как распознавание речи, распознавание объектов, поиск изображений и так далее.

Курс посвящен изучению таких методик обработки больших данных как сжатие, кластеризация, слайсинг, фильтрация. Для визуализации больших объемов данных необходимо использование таких аппаратных и программных средств компьютерной графики, как “большие экраны” и среды виртуальной реальности. Требуется анализ и моделирование поведения пользователей, оценка и измерение качества, визуальных и интерактивных систем.

Курс посвящен текущим проблемам исследования и определению потенциальных тем исследования в области визуализации данных. Визуализация данных и информации - это графическое представление данных и информации для целей представления, подтверждения, исследования и анализа

Курс дает представление об основных методах научного познания и этапах научно-исследовательской деятельности. Обучаемый сможет подготовиться к научно-исследовательской работе, внедрить конкретные методики обработки источников информации, продемонстрировать и обеспечить возможность практического применения методов в исследовательской деятельности в том числе для написания магистерских диссертаций.

В курсе дается сравнительный обзор современных парадигм языка программирования. Включает изучение свойств, приложений, синтаксиса и семантики выбранных языков программирования и рассмотрение реализации в средах программирования: R; Python; Node JS; Haskell.

Курс обучения предполагает формирование лингвистической, дискурсивной и социокультурной компетенции магистрантов, приобщение к культуре стран изучаемого языка, приобретение навыков профессиональной речи на иностранном языке, развитие навыков перевода текстов по специальности. Курс включает: обзор грамматики, методики чтения и подготовки к письменной работе, написание эссе, методики аудирования и говорения.

Этот курс представляет собой введение в использование аналитики больших данных в качестве стратегического ресурса для создания конкурентного преимущества для бизнеса. Основное внимание уделяется интеграции знаний аналитических инструментов с пониманием того, как компании могут использовать аналитику данных для получения стратегического преимущества. Аналитика больших данных - это процесс изучения больших объемов данных различных типов для выявления скрытых закономерностей, неизвестных корреляций и другой полезной информации. Business Intelligence (BI) обеспечивает визуализацию и исследование больших данных с полным обнаружением данных и прогнозной аналитикой для улучшения бизнес-стратегии.

В данном курсе рассматриваются: основные задачи и проблемы анализа естественно-языковых текстов; машинный перевод и другие прикладные задачи компьютерной лингвистики; современные методы и средства глубокого семантического анализа текста.

Курс посвящен изучению основных методов интеллектуального анализа данных (DataMining). Эта междисциплинарная область объединяет методы из баз данных, статистики, машинного обучения и поиска информации. Основной задачей курса является изучение подходов и алгоритмов решения задач анализа данных и их применения к решению реальных задач.

Этот курс определяет облачные вычисления и устанавливает глубокие практические знания об облаке. В нем описываются преимущества облачных вычислений, а также его потенциальные недостатки. Курс охватывает технологии для создания классических, виртуализированных и облачных сред для центров обработки данных. Эти технологии включают виртуализацию компьютеров, хранилищ, сетей, настольных компьютеров и приложений.

Курс посвящен архитектуре систем больших данных, их созданию, внедрению и управлению, содержит обзор и тематические исследования систем больших данных широкого спектра областей, таких как Интернет, социальные сети, предприятия, облачные, мобильные, сенсорные сети, мультимедиа / потоковая передача, а также киберфизические и высокопроизводительные системы.

Курс посвящен изучению системы управления контейнерами Kubernetes. Kubernetes управляет и запускает контейнеры Docker на большом количестве хостов, а так же обеспечивает совместное размещение и репликацию большого количества контейнеров. Изучение лучших практик для использования контейнеров в целом, и особенно в Kubernetes, при разработке новых микросервисов

Курс посвящен изучению технологий хранения, обработки и анализа больших данных, методов построения информационных систем на основе нереляционных баз данных и распределенных систем хранения. Студенты изучат технологии для анализа очень больших наборов данных: MapReduce, кластеризация, классификация, системы рекомендаций, интеллектуальный анализ текста и т. д.

Курс направлен на понимание роли анализа больших данных для бизнес-аналитики. Содержание курса включает в себя методы анализа больших данных и технологий больших данных. Задачи анализа включают в себя обработку, хранение, поиск, совместное использование, передачу, анализ и визуализацию.

Курс знакомит магистрантов с основными направлениями в теории обучения машин и закладывает необходимую теоретическую базу для понимания и разработки новых алгоритмов машинного обучения. Задачи классификации, восстановления регрессии, ранжирования, кластеризации, поиска ассоциаций

Курс знакомит с технологией Data Mining и рассматривает методы, инструментальные средства Data Mining. Изучение курса дает представление о теоретических аспектах технологии Data Mining, методах и возможностях их применения, а также дает практические навыки по использованию инструментальных средств Data Mining.

Определить основные проблемы в области философии и методологии науки; описать современные актуальные методические, методологические и философские проблемы в области ИТ

Решать психологические проблемы в процессе управленческой деятельности, принимать управленческие решения, оценивать их возможные последствия

Организовать сбор, анализ и систематизацию научно-технической информации по теме исследования, применять научные методы в исследовательской деятельности

Владеть иностранным языком на уровне международных стандартов С1-С2 и грамматическими характеристиками научного стиля; быть способным к работе в интернациональной среде

Обладать базовыми знаниями по педагогике и психологии в высшей школе, знать современную парадигму высшего образования

Знать основные методы и технологии интеллектуального анализа данных. Применять подходы и алгоритмы решения задач анализа данных к решению реальных задач

Разрабатывать и использовать программные решения с использованием современных сред и языков программирования (R, Python) для выполнения анализа больших массивов данных

Знать основные элементы процесса анализа больших данных, интегрировать данные из разных источников, интерпретировать в контексте задачи, анализировать результаты

Применять алгоритмы обучения с учителем для прогнозирования и оценки результатов; применять алгоритмы обучения без учителя к задачам анализа данных и оценивать результаты

Применять технологии распределенной обработки и хранения данных. Знать основные принципы Kubernetes. Разворачивать приложения Kubernetes используя CLI

Знать технологии облачных вычислений: программные архитектуры, виртуализация и контейнер. Настраивать VPS и VPN сервер, запускать приложения на базе Docker

Использовать типовые технологии и средства аналитики данных, такие как MapReduce, Hadoop, NoSQL, языки R, Python

Анализировать существующие методы визуализации данных, создать приложение визуализации данных с использованием имеющихся технологий и инструментов

Формально представлять семантическое содержание предложений и дискурсов в NL, описывать различные классов объектов с помощью языков проекта Semantic Web RDF и RDFS

Разрабатывать архитектуру системы больших данных и программно-аппаратную инфраструктуру, анализировать большие массивы данных используя Scala и Spark