7M06104 Компьютерные науки в КазНУ им. аль-Фараби

Дисциплины

• 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
  

• 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 - 1
  Кредитов - 5
  

• Научные параллельные вычисления

  Дисциплина обучает методам решения научных задач на многоядерных процессорах и кластерах. Магистранты осваивают MPI, OpenMP, CUDA, модели распределённой памяти, балансировку нагрузки, кэш эффективные алгоритмы, отладку ошибок и анализ масштабируемости результатов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Модели речевых технологий

  Цель дисциплины состоит в формировании умения ставить задачи в области обработки и анализа речевой информации и находить решения на основе современных подходов. Формирование у магистрантов в результате изучения дисциплины следующих способностей: решение задач обработки естественной речи на основе методов машинного обучения и распознавания образов; выполнение самостоятельных научных исследований в области речевых технологий; эффективное использование теоретических компонентов науки на практике;

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Математические методы распознавания образов

  В рамках дисциплины рассматриваются следующие аспекты: Представление образов и основные подходы к машинному распознаванию. Приложения методов распознавания образов: машинное зрение, распознавание рукописных символов, распознавание речи. Классификация на основе байесовской теории решений. Линейный и нелинейный классификаторы. Комитетные методы решения задач распознавания. Методы распознавания образов на основе нейронных сетей. Методы распознавания образов на основе кластерного анализа.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Продвинутая архитектура программного обеспечения

  Цель дисциплины – проектирование продвинутых архитектур сложных программных систем. Магистранты изучат микросервисы, проектирование на основе предметной области, шаблоны на основе событий, контейнеризацию, масштабирование, оценку производительности и технического долга, подготовку архитектурной документации, обеспечение безопасности и интеграцию с внешними сервисами.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• 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
  

• 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 - 1
  Кредитов - 5
  

• Численные методы

  Дисциплина знакомит с техникой численного решения математических моделей. Магистранты решают линейные и нелинейные системы, оптимизационные задачи, ОДУ / УЧП, интегрируют, оценивают погрешность, анализируют устойчивость и реализуют эффективные параллельные алгоритмы.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• 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
  

• 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 - 5
  

• Архитектура высокопроизводительных компьютеров и параллельные вычисления

  В рамках дисциплины рассматриваются следующие аспекты: Современный многоядерный процессор. Модели параллельного программирования. Архитектура GPU и программирование CUDA. Оптимизация производительности. Распределение и планирование работ. Оценка производительности на основе рабочей нагрузки. Базовая многопроцессорная реализация. Транзакционная память. Гетерогенный параллелизм и аппаратная специализация. Распределенные вычисления в памяти.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Продвинутые базы данных и системы Big Data

  Курс охватывает хранение, обработку и анализ структурированных и неструктурированных данных. Магистранты изучают NoSQL, NewSQL, графовые и временные БД, многомерные индексы, теорему CAP, экосистемы Hadoop / Spark, потоковую обработку и архитектуры шины репликации.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Цель дисциплины: сформировать практические навыки в различных видах речевой деятельности на иностранном языке. Учебный курс формирует способность воспринимать, понимать и переводить информацию в современном глобальном пространстве, участвовать в научных мероприятиях для апробации собственных исследований. Дисциплина направлена на совершенствование компетенций в соответствии с международными стандартами иноязычного образования.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• 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
  

• Организация и планирование научных исследований (англ.)

  Цель дисциплины: сформировать способность самостоятельно вести научный поиск, ставить конкретные научные задачи и знать методы и приемы их решения для создания научной работы. Дисциплина изучает: формы и методы планирования, организации и оформления научных статей и диссертации; формы обобщения результатов научных исследований в презентациях, выступлениях, проектах, статьях.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• 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 - 5
  

• Теория распределенных систем

  В рамках дисциплины рассматриваются следующие аспекты: Введение в модели распределенных вычислений. Синхронизация часов. Алгоритмы обнаружения прекращения. Распределенные алгоритмы взаимного исключения. Алгоритмы обнаружения тупиковых ситуаций. Распределенная общая память. Распределенные файловые серверы. Распределенные среды программирования: коммуникационные примитивы, отдельные тематические исследования.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Обучение с подкреплением

  Дисциплина углубленно изучает алгоритмы, позволяющие агентам обучаться целевому поведению во взаимодействии со средой. Магистранты освоят марковские процессы принятия решений, динамическое программирование, TD-обучение, градиенты политики, методы «агент-критик», многоагентное RL, модель‑ориентированные методы, стратегии разведки-эксплуатации и буфер опыта.

  Год обучения - 2
  Семестр - 3
  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 - 2
  Семестр - 3
  Кредитов - 5
  

• Разработка облачных приложений

  Курс обучает магистрантов создавать масштабируемые, отказоустойчивые облачные сервисы. Они применяют микросервисный дизайн, принципы 12 факторов, бессерверные архитектуры, CI/CD, инфраструктуру как код, лучшие практики безопасности, наблюдаемость и методы много-регионального развертывания.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Продвинутое тестирование и верификация программного обеспечения

  Дисциплина акцентирует внимание на формальных методах и автоматизированном тестировании. Магистранты изучают разработку через тестирование (TDD), разработку через поведение (BDD), статический анализ, модель ориентированное тестирование, покрытие, fuzzing, конвейеры непрерывной верификации, метрики качества и требования сертификации.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Продвинутое распределенное машинное обучение

  Курс углубляется в крупномасштабные распределенные алгоритмы обучения. Магистранты изучают градиентное сжатие, асинхронный SGD, архитектуры серверов параметров, конвейерный параллелизм, сегментирование моделей, отказоустойчивое обучение, федеративное и раздельное обучение и телеметрию для аналитики обучения.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Научное машинное обучение

  Дисциплина объединяет машинное обучение с физическими и инженерными задачами. Магистранты изучают сбор научных данных, физико-информированные нейронные сети, эмпирически ориентированные модели, оценку неопределённости, обучение с использованием симуляции, суррогатные модели и методы надёжного планирования эксперимента.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Продвинутое программирование графических процессоров

  Дисциплина обучает оптимизации потоковых данных и вычислений на GPU. Магистранты осваивают CUDA, OpenCL, HIP, управление памятью, warp тайминг, модели параллелизма, профилирование производительности, mixed precision и масштабирование на много GPU.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Технология разработки программного обеспечения

  Цель дисциплины - предназначен для описания совокупности процессов и методов создания программного продукта. Технология разработки программного обеспечения – это система инженерных принципов для создания экономичного ПО, которое надежно и эффективно работает в реальных компьютерах.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Управление программным продуктом

  Курс направлен на стратегическое управление жизненным циклом программного продукта. Магистранты проводят анализ рынка, строят дорожные карты, применяют Agile / Lean, приоритизируют требования, собирают метрики, учитывают UX, управляют релизами и координируют командное взаимодействие.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Этика и ответственный искусственный интеллект

  Курс анализирует этические, правовые и социальные последствия систем ИИ. Магистранты изучают справедливость, интерпретируемость, приватность, смягчение предвзятости, подотчётность, ESG стандарты, нормативные требования и разрабатывают фреймворки ответственного управления ИИ.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

Профессии

Результаты обучения

• Объяснить принципы организации и планирования научных исследований.
• Описание методов оценки вычислительной сложности алгоритмов.
• Выбор методов проектирования и разработки программного обеспечения, программирования, архитектурных языков с учетом присущих им ограничений.
• Моделирование задач и разработка новых инструментов и приложений для сбора, хранения, анализа и управления данными.
• Разработка передовых сетевых компьютерных систем с упором на надежность и безопасность.
• Выполнение высокопроизводительных научных расчетов, оценка производительности параллельных вычислительных систем.
• Реструктуризация существующего программного контента, выявление проблемных компонентов, выбор стратегии решения.
• Уметь разрабатывать и внедрять передовые решения искусственного интеллекта для сложных задач по распознаванию изображений и речи благодаря опыту работы с моделями машинного обучения и глубокого обучения.
• Осуществление НИОКР в среде, ориентированной на конечный продукт, научное обоснование стратегических решений.
• Анализировать и критически рассматривать различные источники информации, используя их для рассуждений и структурирования.
• Самостоятельное проведение научных исследований: понимание текущих проблем исследования, самостоятельное применение опубликованных результатов или методов в новом контексте.
• Ведение научно-педагогической деятельности, руководство исследовательской группой: оценка необходимых средств, распределение задач, планирование времени выполнения задач, отчетность.

Похожие ОП