6B06103 Анализ больших данных в Astana IT University

Дисциплины

• Математический анализ 1

  Академическая дисциплина включает в себя знание анализа функций, представленных различными способами, и понимание отношений между этими различными представлениями; понимание значения производной с точки зрения скорости изменения и локальной линейной аппроксимации, а также использование производных для решения различных задач. Дисциплина нацелена на формирования у студентов математического аппарата для решения прикладных задач по своей специальности

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Введение в программирование

  Курс учит студентов применять структуры данных, функции, модули, классы и другие возможности языка программирования Python для решения прикладных задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Линейная алгебра

  Курс нацелен на формирование понимания основ линейной алгебры и теории матриц. Предметом изучения дисциплины является основные свойства матриц, включая детерминанты, обратные матрицы, матричные факторизации, собственные значения, линейные преобразования и др.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Математический анализ 2

  Учебная дисциплина знакомит студентов с важными отраслями исчисления и его применениями в прикладных науках. Дисциплина формирует умение применять математические методы и инструменты (дифференциальные уравнения, ряды, двойные и тройные интегралы) для решения сложных прикладных задач по своей специальности.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Объектно-ориентированное программирование

  Дисциплина знакомит студентов с концепцией разработки программного обеспечения, основанной на объектах и их взаимодействии. В ходе изучения этой дисциплины студенты будут создавать классы и объекты, определять их свойства и методы, а также использовать наследование и полиморфизм для создания гибких и модульных программных систем. Объектно-ориентированное программирование является широко применяемой парадигмой программирования, и понимание ее принципов и практик является важным для будущих разработчиков программного обеспечения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Системы управления базами данных

  Курс посвящен основам проектирования, администрирования и использования баз данных. В нем рассматриваются основные принципы работы реляционных и нереляционных баз данных, языки запросов (SQL) и методы оптимизации хранения и обработки данных. Курс дает слушателям фундаментальные знания о базах данных, учит проектировать, разрабатывать и администрировать базы данных, а также работать с современными Системами управления базами данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Дискретная математика

  Курс нацелен на формирование понимания основ математики, комбинаторики и теории графов. Предметом изучения дисциплины является основные математические принципы, такие как доказательство, понимание дискретных объектов; решение задач подсчета с использованием различных методов перебора.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Программирование на Python

  Этот курс знакомит с фундаментальными концепциями программирования с использованием Python. Темы включают структуры данных, поток управления, функции, объектно-ориентированное программирование и библиотеки для обработки данных, веб-разработки и автоматизации. Студенты снова получают практический опыт программирования и решения проблем в реальных приложениях.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Алгоритмы и структура данных

  Курс рассматривает базовые, классические алгоритмы и структуры данных, используемые в программировании. Рассматриваются принципы построения и описания алгоритмов, понятия сложности и производительности алгоритмов, их основные классы.

  Год обучения - 1
  Семестр - 3
  Кредитов - 5
  

• Теория вероятностей

  Этот курс охватывает фундаментальные понятия, включая вероятностные пространства, случайные величины, распределения, математическое ожидание, дисперсию и закон больших чисел. В нем представлены как дискретные, так и непрерывные модели, основное внимание уделяется приложениям в статистике, анализе данных и процессах принятия решений.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Теория графов и сетей

  В этом курсе рассматриваются основы теории графов, сетевого анализа и их приложений. Темы включают графовые алгоритмы, связность, сетевые потоки, оптимизацию и решение реальных задач в таких областях, как информатика, инженерия и социальные сети.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Аналитические методы в информатике

  Курс основан на конкретных примерах. Разрабатывают математические методы на примерах и строят алгоритмы для решения конкретных задач. Курс включает в себя следующие темы: рекурсии, суммы, целочисленные функции, элементарная теория чисел, биномиальные коэффициенты, специальные числа, производящие функции, дискретная вероятность, асимптотика.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Операционные системы и компьютерные сети

  Курс направлен на изучение основ операционных систем и компьютерных сетей, требуемых для разработчиков программного обеспечения для их понимания основных принципов использования, хранения и передачи данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Компьютерная структура и архитектура

  Курс направлен на изучение принципов работы современной микропроцессорной техники, лежащей в основе универсальных и специализированных ЭВМ, и встраиваемых систем, методов организации взаимодействия микропроцессора с памятью и внешними устройствами. В процессе изучения курса студенты должны получить понятие об особенностях внутреннего устройства современного микропроцессора.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Расширенные базы данных (NoSQL)

  Методология проектирования баз данных для систем NoSQL. Подход основан на NoAM (абстрактная модель NoSQL), новой абстрактной модели данных для баз данных NoSQL, которая использует общие черты различных систем NoSQL и используется для определения независимого от системы представления данных приложения. В целом методология направлена на поддержку масштабируемости, производительности и согласованности, необходимых для веб-приложений следующего поколения.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Статистика и наука о данных 1 (Python)

  В первой части дисциплины «Статистика и наука о данных» обучающиеся углубятся в фундаментальные понятия и методы статистики. В этом разделе основное внимание уделяется обеспечению надежной статистической основы, необходимой для работы с большими данными. Они изучат такие темы, как описательная статистика, теория вероятностей, проверка гипотез и регрессионный анализ, а также узнают, как обобщать и интерпретировать большие наборы данных, используя показатели центральной тенденции, дисперсии и графического представления.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Поиск информации и добыча данных

  Дисциплина, изучающая принципы, методы и алгоритмы эффективного извлечения и анализа полезной информации из больших наборов данных. Она охватывает различные аспекты, такие как поиск информации, фокусирующийся на извлечении релевантной информации из неструктурированных источников данных, таких как документы или Интернет, и интеллектуальный анализ данных, который включает обнаружение закономерностей, взаимосвязей и выводов из структурированных и неструктурированных данных. Эта дисциплина охватывает такие темы, как предварительная обработка данных, модели поиска, индексирование, языки запросов, кластеризация данных, классификация, анализ ассоциаций и метрики оценки. Изучая эту дисциплину, учащиеся получат четкое представление о теоретических основах и практических методах, используемых в поиске информации и анализе данных. Они приобретут навыки проектирования и внедрения эффективных систем поиска и извлечения информации, оценки их производительности и применения их к реальным задачам, что позволит им принимать решения на основе данных и извлекать ценные сведения из огромных объемов информации.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Статистический анализ

  Этот курс знакомит с основными методами интерпретации данных и проверки гипотез. Студенты изучат теорию вероятностей, регрессионный анализ, ANOVA и статистическое моделирование, применяя эти методы для анализа данных, составления прогнозов и выводов по различным дисциплинам.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Бизнес-аналитика

  Фундаментальные принципы бизнес-анализа, применимые к проектам любого масштаба в гибкой и традиционной бизнес-среде. Лучшие практики, инструменты и методы, доступные для помощи бизнес-аналитикам в достижении целей проекта и обеспечении ценности бизнеса. Техники фасилитации и подходы к моделированию, планирование и мониторинг бизнес-анализа, а также документация по выяснению требований. Agile и Lean подходы к постановке задач, стратегическому и тактическому анализу, принципы проектного мышления и методы оценки решений. Соответствует отраслевому стандарту A Guide to the Business Analysis Body of Knowledge® (BABOK® Guide), опубликованному Международным институтом бизнес-анализа® (IIBA®).

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Введение в оптимизацию

  Этот курс охватывает фундаментальные методы решения задач оптимизации. Студенты изучат линейное программирование, выпуклую оптимизацию и дискретную оптимизацию, научатся применять эти методы к реальным задачам в бизнесе, инженерии и науке о данных для эффективного принятия решений.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Статистика и наука о данных 2 (Python)

  Вторая часть дисциплины «Статистика и наука о данных» посвящена практическому применению методов науки о данных для извлечения ценной информации из крупномасштабных наборов данных. В этом разделе рассматриваются различные аспекты науки о данных, включая предварительную обработку данных, визуализацию данных, машинное обучение и интеллектуальный анализ данных. Они узнают, как очищать, преобразовывать и предварительно обрабатывать большие данные для решения распространенных проблем, таких как пропущенные значения, выбросы и несоответствия, обеспечивая качество данных для дальнейшего анализа; изучат различные методы визуализации для эффективного представления и обмена информацией, полученной из больших данных, что позволит вам выявлять закономерности, тенденции и аномалии; ознакомятся с алгоритмами и методами машинного обучения, подходящими для анализа больших данных, такими как классификация, регрессия, кластеризация и уменьшение размерности, обеспечивающие автоматическое распознавание образов и прогнозирование; поймут принципы и методы интеллектуального анализа данных, чтобы обнаруживать значимые закономерности и взаимосвязи в больших наборах данных, облегчая принятие решений и раскрывая скрытые идеи.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Вычислительная математика

  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 - 2
  Семестр - 3
  Кредитов - 5
  

• Академическое письмо

  Данная учебная дисциплина нацелена на развитие умения дифференцировать стили письменной речи, навыков конструктивного критического чтения и письма с включением критического анализа написанного; освоение особенностей академической лексики, грамматики и стиля; закрепление на практике умения писать структурно правильные абзацы; позволяет получить практические навыки подкрепления утверждений аргументами и доказательствами в письменной форме, умения писать академическое эссе.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Стохастические процессы

  Многие системы развиваются со временем с неотъемлемой частью случайности. Цель этого курса состоит в том, чтобы разработать и проанализировать модели вероятности, которые захватывают существенные особенности изучаемой системы для прогнозирования краткосрочной и долгосрочной перспективы; эффекты, которые эта случайность окажет на рассматриваемые системы. Обучение моделей вероятности для стохастических процессов включает в себя широкий спектр математических и вычислительных инструментов.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Вычислительная линейная алгебра и итерационные методы

  Курс посвящен численным методам решения линейных систем, матричному разложению, задачам собственных значений и оптимизации. В нем особое внимание уделяется итеративным алгоритмам, анализу сходимости и их применению в технике, физике и науке о данных

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Большие данные в правоохранительных органах 1

  В рамках курса будут рассмотрены возможности легальной атаки на различные веб-ресурсы. В рамках данного курса студенты научатся находить уязвимости и эксплуатировать их. Также будут рассмотрены методы обхода защиты, сетевой протокол TCP/IP, внутреннее устройство ОС Windows, и язык программирования Python.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Предпринимательство

  В рамках учебной дисциплины обучающийся изучает сущность предпринимательской деятельности на основе действующего законодательства РК. На курсе будет продемонстрирована роль и место малых предприятий в современных условиях функционирования экономики государства и общества. Особое внимание уделяется принципам инклюзивного предпринимательства, способствующего созданию равных возможностей для всех, независимо от физических возможностей, пола, возраста или социального положения. Курс рассматривает механизмы поддержки и интеграции различных групп населения в бизнес-среду, подчеркивая важность доступности, справедливости и многообразия в предпринимательской деятельности. Дисциплина позволит понять основные принципы и содержание бизнес-плана субъектов предпринимательской деятельности, а также формирование мышления, основанного на современной антикоррупционной культуре. Рассматриваются организационные формы предпринимательской деятельности, в том числе с учетом принципов устойчивого развития, экологии, безопасности жизнедеятельности персонала и социальной ответственности бизнеса.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Прикладное машинное обучение

  Дисциплина, которая фокусируется на практическом применении методов машинного обучения для решения реальных проблем и создания прогнозов или решений на основе данных. Она охватывает широкий круг тем, таких как предварительная обработка данных, выбор и проектирование функций, выбор и оценка моделей, алгоритмы обучения с учителем и без учителя, ансамблевые методы, глубокое обучение и этические аспекты машинного обучения. Изучая эту дисциплину, учащиеся получат четкое представление о ключевых концепциях и алгоритмах машинного обучения и разовьют навыки их эффективного применения в различных областях и наборах данных. Они узнают, как предварительно обрабатывать и преобразовывать данные, выбирать подходящие функции, обучать и оценивать модели, оптимизировать гиперпараметры, интерпретировать результаты моделей и развертывать решения для машинного обучения. Результаты обучения включают способность определять подходящие методы машинного обучения для конкретных задач, создавать точные и надежные прогностические модели и использовать машинное обучение для получения информации и принятия обоснованных решений на основе сложных наборов данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Высокопроизводительные вычисления

  Цель дисциплины состоит в том, чтобы изучить фундаментальные методы разработки приложений высокопроизводительных вычислений (ВВ), часто используемых платформ ВВ, методов измерения, оценки и анализа эффективности приложений ВВ и роли администрирования, рабочей нагрузки и управления ресурсами в управлении ВВ программного обеспечения. Студенты будут ознакомлены с задачами, связанными с использованием методов ВВ в решении больших научных проблем.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Технологическое предпринимательство

  Дисциплина знакомит обучающихся с современными концепциями и инструментами предпринимательства и получения теоретических знаний и практических навыков, необходимых для запуска собственного стартапа с учетом основ безопасности жизнедеятельности. На основе права и антикоррупционной культуры изучается процесс получения патента, законности правообладания технологической разработкой с учетом законодательства РК в сфере интеллектуальной собственности. Обучающиеся применяют стратегический анализ в области экономики, управления, коммуникации и технологического предпринимательства.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Анализ данных в режиме реального времени и принятие решений

  В этом курсе рассматриваются методы анализа потоков данных в реальном времени и быстрого принятия обоснованных решений. Слушатели узнают об обработке данных, прогнозирующем моделировании и стратегиях принятия решений, применяя эти навыки в динамичных, зависящих от времени средах.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Управление проектами

  Учебная дисциплина направлена на формирование навыков пользования инструментальных средств управления проектами на различных этапах жизненного цикла проекта. Предметом изучения дисциплины является качественная и количественная оценка рисков проектов и определение его эффективности.

  Год обучения - 3
  Семестр - 1
  Кредитов - 4
  

• Финансовая грамотность

  Курс направлен на формирование базовых знаний и представлений в области личных и цифровых финансов. Студенты знакомятся с ключевыми финансовыми понятиями, инструментами и стратегиями, необходимыми для эффективного управления финансовыми ресурсами в повседневной жизни и профессиональной деятельности. В рамках дисциплины рассматриваются основы финансового планирования, принципы бюджетирования, особенности современного банковского обслуживания, а также риски и возможности, связанные с цифровыми финансовыми технологиями. Освоение курса способствует развитию финансовой ответственности, критического мышления и способности принимать обоснованные решения в быстро меняющейся экономической среде.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Методы и инструменты исследования

  Курс предназначен для изучения основных методов и инструментов требуемых для ведения научных исследований. Курс также знакомит студентов с наиболее популярными поисковыми и наукометрическими базами данных научных статей, такими как Web of Science, Scopus, ScienceDirect и другие. Во время курса обучающиеся ознакомятся с инструментами цитирования и поиска требуемой научной информации.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Введение в биоинформатику

  Биоинформатика - это междисциплинарная тема, которая разрабатывает и реализует новые методологии и инструменты для анализа и обучения биологических данных. Этот курс охватывает основополагающие знания домена, необходимые как из биологических, так и вычислительных дисциплин для дальнейшего изучения и исследований в этой теме с сильным практическим и теоретическим акцентом на повышение понимания. Никаких предыдущих знаний о биоинформатике не требуется.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Глубокое обучение

  В этом курсе рассматриваются передовые архитектуры нейронных сетей, включая CNN, RNN и GAN. Студенты изучат ключевые методы обучения, оптимизации и применения моделей в таких задачах, как распознавание образов, обработка естественного языка и автономные системы, что позволит усовершенствовать навыки решения задач, основанных на искусственном интеллекте.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Генеративные модели

  Дисциплина знакомит обчающихся с фундаментальными понятиями, методами и приложениями генеративных моделей в искусственном интеллекте и машинном обучении. Курс охватывает ряд генеративных методов, включая вариационные автоэнкодеры (VAE), генеративно-состязательные сети (GAN) и авторегрессионные модели, для создания новых выборок данных из изученных распределений. Студенты изучат практическое применение генеративных моделей в различных областях, таких как синтез изображений, обработка естественного языка и творческий ИИ, а также приобретут практический опыт проектирования, обучения и оценки этих моделей с использованием популярных сред машинного обучения.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Обучение с подкреплением для работы с большими данными

  Этот курс посвящен применению методов обучения с подкреплением к крупномасштабным наборам данных. Курс посвящен разработке алгоритмов, обработке данных и оптимизации в среде реального времени, что подготавливает студентов к решению сложных задач в таких отраслях, где требуется большое количество данных, как искусственный интеллект и аналитика.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Продвинутая биоинформатика

  Темы включают (но не ограничиваются) биоинформатические базы данных, последовательность и структуру выравнивания и анализ экспрессии дифференциального гена. Кроме того, студенты также узнают, как сравнивать результаты разных образцов.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Управление IT-рисками

  Курс охватывает область управления рисками в контексте проекта; содержит основные теории и концепции управления рисками, применимые к проектным средам, включая планирование, подготовку и реагирование на риски проекта; рассматривает области выявления рисков, оценки, мониторинга и контроля. В рамках данного курса студентам будут представлены методы качественного и количественного анализа риска.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Большие данные и распределенные алгоритмы

  Курс предназначен для изучения основ работы с большими данными и принципов высокопроизводительных вычислении. Под большими данными предполагается наличие огромных массивов структурированной и неструктурированной информации, и выбор инструментов для их эффективной обработки и извлечения полезной информации.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Основы информационной безопасности

  Курс формирует у обучающихся понимание области информационной безопасности, её составных компонентов, основных угроз, протоколов и инструментов защиты. В ходе изучения обучающиеся получат базовые навыки обеспечения информационной безопасности и ознакомятся с профессиональными инструментами и программами.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Обработка естественного языка

  Изучение методов обработки естественного языка для анализа медицинских текстов, включая методы классификации, извлечения информации, автоматической обработки текстов и машинного обучения. В ходе обучения студенты знакомятся с принципами работы и применениями методов обработки естественного языка в медицине, а также с программными инструментами для обработки медицинских текстов. После прохождения дисциплины студенты будут способны применять методы обработки естественного языка для анализа медицинских текстов, извлечения информации и оценки качества медицинской документации.

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Анализ временных рядов

  Этот курс знакомит с методами анализа и прогнозирования последовательных данных. Студенты изучат такие методы, как авторегрессионные модели, скользящие средние и анализ сезонности, применяя их к реальным задачам в области финансов, экономики и других областях, где используются временные модели данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Большие данные в правоохранительных органах 2

  Курс посвящен практическому применению распределенных вычислений MapReduce модель. Для реализации алгоритмов был выбран свободно распространяемый набор утилит Hadoop, который используется для реализации поисковых и контекстных механизмов многих высоконагруженных веб-сайтов при массовой параллельной обработке данных. В настоящее время Hadoop считается одной из фундаментальных технологий при работе с большими данными и используется во многих отраслях экономики, промышленности, а также в государственном управлении правоохранительных органов.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Применять алгоритмы сбора данных из открытых источников, методы предобработки собранных данных, базовые и продвинутые модели прогнозирования и принятия решений основанных на этих данных.
• Проектировать, разрабатывать и анализировать алгоритмы решения вычислительных и логических задач, оценивать эффективность и сложность алгоритмов на основе применения формальных моделей алгоритмов и вычисляемых функций.
• Демонстрировать знания об архитектуре компьютерных систем, управлять операционными системами.
• Объяснять и понимать нормативную базу, включая документы, процедуры стандартизации и сертификации в области разработки информационно-коммуникационных технологий.
• Самостоятельно анализировать современные источники, делать выводы, аргументировать их и на основании информации принимать решения.
• Использовать знание закономерностей случайных явлений, их свойств и операций над ними, моделей случайных процессов и современных программных сред для решения задач статистической обработки данных и построения прогнозных моделей.
• Применять технические средства и программные сервисы для обеспечения непрерывности процесса разработки программных систем.
• Применять отечественные и зарубежные стандарты по разработке программного обеспечения в организациях.
• Применять методы и алгоритмы искусственного интеллекта, интеллектуального анализа данных, машинного обучения, нейросетевой и нечеткой обработки данных для решения задач классификации, прогнозирования, кластерного анализа и распознавания различных объектов.
• Применять математические инструменты анализа программных систем и данных на основе статистических и вероятностных моделей.

Похожие ОП