Новая образовательная программа

7M06111 Информатика и компьютерные науки в ТарГУ им. Дулати

Дисциплины

  • Иностранный язык (профессиональный)

    Цель дисциплины – системное углубление коммуникативной компетенции в рамках международных стандартов иноязычного образования на основе дальнейшего развития навыков и умений активного владения языком в профессиональной деятельности. Результаты изучения дисциплины: применение навыков устной коммуникации на иностранном языке; чтения иностранной литературы по соответствующей специальности и статей общественно-политической направленности с последующей обработкой и интерпретацией извлеченной информации; письменного изложения научной информации на иностранном языке в общепринятых основных формах; перевода текстов с иностранного языка на язык обучения и с языка обучения на иностранный язык на материале аутентичных текстов общенаучной и профессиональной направленности; аудирования на материале профессионально-ориентированного содержания.

    Год обучения - 1
    Семестр - 1
    Кредитов - 4
  • Методология защиты информации

    Методы защиты информации. Инструменты и различные средства защиты информации. Изучение моделей. Комплексные системы безопасности. Гаммирование. Формы исследований и классификация защиты информации. Криптография. Шифр RC4. Алгоритмы шифрования используя программные пакеты. Методы защиты от вредоносных программ. Уязвимости информационных систем. Безопасность в открытых сетях. Криптография с открытым ключом. Способы несанкционированного доступа и противодействия.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Программирование мобильных приложений в Android

    Архитектура приложений для Android. Программирование мобильных приложений в Android. Ресурсы приложения. Инструментарий разработки приложений для Android: Android Studio, Android NDK. Эмуляторы Android. Основные виды Android-приложений. Обзор мобильных платформ. Изучение платформы Google Android. Инструментальные средства разработки, доступные у платформы Google Android. Особенности языка программирования для создания мобильных приложений. Разработка дизайна мобильных приложений.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Криптографические методы защиты информации

    Основные положения о криптографии, криптосистемах, структурах шифров, режимах работы блочных шифров, криптографических алгоритмах. Шифры замены и перестановки. Случайные и псевдослучайные числа. Генератор псевдослучайных чисел. Роторные машины. Гаммирование. Шифр RC4. Блочные шифры. Режимы шифрования. Симметричный алгоритм шифрования DES. Атаки на блочные и поточные шифры. Алгоритм RSA. Открытый ключ. Электронная цифровая подпись.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Методика и технология преподавания профильных дисциплин

    Цель изучения дисциплины – формирование у магистрантов систематизированных знаний в области методики и технологии преподавания профильных дисциплин. В результате освоения дисциплины магистранты будут способны соблюдать этические нормы в профессиональной деятельности; выбирать и эффективно использовать образовательные технологии, методы и средства обучения с целью обеспечения планируемого уровня личностного и профессионального развития обучающегося; применять полученные знания в учебной, научной и профессионально-педагогической деятельности.

    Год обучения - 1
    Семестр - 1
    Кредитов - 4
  • Педагогика и психология высшей школы

    Цель: формирование у магистрантов профессиональных компетенций в области психолого-педагогического сопровождения и управления образовательным процессом в высшей школе, развитие способностей к планированию и реализации преподавательской деятельности с учетом современных требований образования. Будут изучаться: нормативно-правовые основы деятельности вуза и преподавателя, трансформация высшего образования в условиях цифровизации и глобализации, образовательный процесс в высшей школе, коммуникация, взаимодействие и управление в образовательной среде, психолого-педагогическая диагностика и сопровождение, оценка результатов и педагогическая рефлексия. В результате освоения дисциплины магистранты приобретут навыки планирования, проведения учебных занятий с учетом возрастных и индивидуальных особенностей студентов, использования цифровых и активных методов обучения, осуществление диагностики и сопровождение образовательной деятельности, владение навыками педагогического планирования, методами профессионального общения и психолого-педагогической поддержки.

    Год обучения - 1
    Семестр - 1
    Кредитов - 4
  • История и философия науки

    Цель дисциплины – формирование общей научной, философско-методологической, мировоззренческой и дисциплинарно-теоретической базы для научной и научно-педагогической деятельности будущих специалистов, ученых, преподавателей. Результаты изучения дисциплины: магистрант сможет выбирать и применять методы научного исследования; формулировать и решать основные задачи научно-исследовательской деятельности; развивать навыки логического, системного и критического мышления; использовать теоретические знания для обоснования и аргументации собственной позиции по научным проблемам. Владение знаниями о современных концепциях истории и философии науки; навыками анализировать современные проблемы истории и философии науки; концептуальным и методологическим аппаратом современной истории и философии науки.

    Год обучения - 1
    Семестр - 1
    Кредитов - 4
  • Java-программирование интернет-приложений

    Введение в программирование Интернет-приложений. Возможности языка и области применения Java-приложений. Структура файла с исходным текстом, классы, методы, поля, переменные. Типы данных. Простые и объектные типы. Структура JEE, пакеты, используемые для разработки веб-приложений. HTTP протокол. Java servlets: общая структура, организация контейнеров для поддержки Java servlets. Java Server Pages: общая структура JSP, теги JSP, разработка JSP приложений. Популярные фреймворки для создания веб-приложений.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Современные методы научного исследования

    Цель дисциплины: изучение регулирования вопросов организации научно-исследовательской работы, научные исследования и прикладная аналитика, дизайн и конфигурация исследовательских работ, параметры исследования и исследовательского продукта; методы научных исследований и прикладной аналитики. Будут изучены категориальный аппарат научных исследований, понятийный аппарат научно-методического исследования, его содержание и структура, современные методы и методологии научных исследований, парадигмы и концепции научного познания, теоретическое и практическое значение педагогических исследований.

    Год обучения - 1
    Семестр - 1
    Кредитов - 4
  • Передовые методы программирования

    Общая классификация языков по назначению и модели исполнения. Общие свойства динамических языков. Технологии структурного подхода к программированию. Способы разработки прикладного программного обеспечения. Основы современного объектно-ориентированного языка программирования. Основные этапы компьютерного решения функциональных и вычислительных задач. Базовые структуры и алгоритмы компьютерной обработки данных. Современные языки программирования. Элементы метапрограммирования, аспектно -ориентированное программирование.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Сетевая и Web-безопасность

    Теоретические основы сетевой и Web-безопасности. Уязвимости и атаки на Web-приложения. Межсетевые экраны. Системы защиты информации. Методология анализа защищенности Web-приложений и сетевого трафика. Обеспечение и проблемы сетевой безопасности. Принципы оценки надежности защиты в локальных и глобальных сетях. Контроль хакерских атак. Модель сетевой безопасности. Безопасность Web-приложений. Тестирование. Инженерно-техническая и программно-аппаратная защита информации.

    Год обучения - 1
    Семестр - 2
    Кредитов - 6
  • Системы хранения данных

    Распределенные хранилища данных и их классификация. Методы определения, анализа, хранения данных. Обзор систем хранения данных. Администрирования хранилища. Режим оперативной обработки транзакций On-Line Transaction Processing. Инструментальный подход к перемещению данных Extract, Transform и Load. Технология Data Mining.Аналитическая обработка. Сетевая модель. Условие целостности. Распределенные системы хранения данных в виртуальном окружении.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Защита информации в сетевых технологиях

    Компьютерные атаки и их обнаружение. Теории информационного кодирования и системный анализ. Программные средства сетевой зашиты информации. Общие характеристики и классификации. Технология межсетевого экранирования. Беспроводная безопасность и механизмы защиты беспроводных сетей. Технические каналы защиты информации от утечки. Аудит безопасности в сетях. Аутентификация. Криптографические методы защиты информации. Шифровка и расшифровка файлов и криптоконтейнеров.

    Год обучения - 1
    Семестр - 2
    Кредитов - 6
  • Программирование офисных приложений

    Введение в офисное программирование. Новейшие направления в области развития визуальных сред программирования. Язык автоматизации приложений как средство расширения функциональности. Макроязыки офисных приложений. Методы и технологии разработки алгоритмов, описания структур данных и других базовых представлений данных. Разработка элементов программирования в офисных приложениях. Модели интеграции офисных приложений. Реализация офисных приложений и средства интеграции в Visual Studio.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Методы научных исследований в области искусственного интеллекта

    Цель преподавания дисциплины – развитие у магистрантов научного мышления и исследовательской культуры в контексте современных направлений искусственного интеллекта; формирование умений системного подхода к постановке и решению научных задач с использованием ИИ-технологий. Задачи изучения дисциплины – изучение методологических основ и этапов научного исследования в сфере искусственного интеллекта; освоение методов формализации и верификации научных гипотез; развитие навыков построения экспериментальных моделей и проведения вычислительных исследований с использованием ИИ; критический анализ научных публикаций, выявление актуальных проблем и формулирование перспективных направлений исследований. В процессе обучения будут изучены: методология научного поиска и специфика исследований в области ИИ; классификация методов исследования (теоретических, эмпирических, вычислительных); подходы к построению исследовательских моделей и обработке результатов; принципы организации экспериментов с нейросетевыми и алгоритмическими ИИ-системами; оформление научных результатов в виде публикаций, отчетов, докладов и презентаций.

    Год обучения - 1
    Семестр - 2
    Кредитов - 6
  • Хранилища данных

    Инфракструктура и средства пользователя. Инструменты извлечения, преобразования и очистки данных. Инструменты администрирования хранилища. Приложения. Модели построения хранилищ. Среда Microsoft SQL. Многомерная и реляционная модель хранилища данных. Модели в инструментальной среде Rapid Miner. База данных. Технология Data Mining. OLAP технологии. Предметно-ориентированная информационная база данных Data Warehouse. Многомерные кубы. Реализовывать платформу хранилища данных.

    Год обучения - 1
    Семестр - 2
    Кредитов - 5
  • Исскуственный интеллект для устойчивого развития науки

    Цель преподавания дисциплины – формирование у магистрантов понимания роли и потенциала технологий искусственного интеллекта в обеспечении устойчивого развития научной среды; развитие способностей к применению ИИ для анализа, прогнозирования и поддержки научных процессов и решений в различных областях знаний. Задачи изучения дисциплины: изучение концепции устойчивого развития науки и инструментальной роли ИИ в ее реализации; освоение методов ИИ для мониторинга, анализа и прогнозирования научных трендов и технологических изменений; развитие навыков построения интеллектуальных систем поддержки научных решений; оценка социальных, этических и методологических аспектов использования ИИ в науке. В процессе обучения будут изучены: принципы устойчивого развития и их связь с научными инновациями; интеллектуальные методы анализа больших научных данных; алгоритмы предсказания и автоматизированной классификации научной информации; примеры применения ИИ для повышения эффективности научных исследований, управления научными проектами, научной коммуникации и анализа публикационной активности; этические аспекты использования ИИ в академической среде.

    Год обучения - 1
    Семестр - 2
    Кредитов - 6
  • Алгоритмы и программирование в машинном обучении

    Цель преподавания дисциплины – формирование у магистрантов системных знаний в области алгоритмов машинного обучения и развитие практических навыков программной реализации интеллектуальных моделей на основе современных методов анализа данных. Задачи изучения дисциплины – изучение теоретических основ и алгоритмических подходов в машинном обучении; освоение методов подготовки и обработки данных; развитие навыков программной реализации алгоритмов машинного обучения; применение библиотек и фреймворков для построения, обучения и оценки моделей. В процессе обучения будут изучены: базовые и продвинутые алгоритмы машинного обучения (линейные модели, деревья решений, ансамбли, методы опорных векторов, кластеризация и др.); этапы построения ML-моделей — от сбора и подготовки данных до интерпретации результатов; инструменты и библиотеки (Scikit-learn, XGBoost, Keras, PyTorch и др.); методы оценки качества моделей; принципы оптимизации гиперпараметров и обработки переобучения; примеры применения алгоритмов в различных предметных областях.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Нейросетевые технологии в программировании

    Введение в теорию искусственных нейронных сетей и технологий. Структура и свойства искусственного нейрона. Архитектура, классификация и свойства нейронных сетей. Классические модели искусственных нейронных сетей. Математическая формализация нейронной структуры и алгоритмов решения задач Методы анализа и обучения нейронных сетей и технологий. Стандартные программные средства для построения нейронных сетей и нейросетевых систем управления.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Аналитика больших данных и безопасность

    Цель преподавания дисциплины – формирование у магистрантов системного представления о современных подходах к аналитике больших данных и вопросам информационной безопасности при работе с ними. Развитие компетенций в области анализа, обработки и защиты больших объемов данных в научных и прикладных исследованиях. Задачи изучения дисциплины – ознакомление с архитектурой и технологиями обработки больших данных; изучение методов аналитики и инструментов анализа данных; освоение принципов обеспечения безопасности при работе с большими данными; анализ рисков и угроз, связанных с хранением, передачей и обработкой данных в распределённых системах. В процессе обучения будут изучены: принципы организации и архитектура систем хранения и обработки больших данных; методы интеллектуального анализа данных; инструменты и технологии Big Data (Hadoop, Spark и др.); вопросы обеспечения информационной безопасности в системах больших данных; методы защиты данных, а также подходы к оценке уязвимостей и рисков при работе с большими данными.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Big Data и информационная безопасность

    Определение Big Data и информационная безопасность. Основные принципы работы и аналитического исследования больших данных. Принципы проектирования хранилищ Big Data. Классификация угроз. Эффективные решения в области анализа больших данных, программного обеспечения; изучение принципов подхода Big Data; изучение платформы и обеспечения информационной безопасности Big Data. Алгоритмы защиты и комплекс мер обеспечения зашиты Big Data.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Обработка и анализ данных с помощью нейронных сетей

    Цель преподавания дисциплины – формирование у магистрантов теоретических знаний и практических навыков обработки и анализа данных с применением нейронных сетей; развитие компетенций в проектировании, обучении и применении нейросетевых моделей в научных исследованиях и прикладных задачах. Задачи изучения дисциплины – изучение архитектур и принципов работы нейронных сетей; освоение методов предобработки, анализа и интерпретации данных с использованием нейросетевых подходов; развитие навыков построения и настройки моделей глубокого обучения; применение нейросетевых технологий для решения задач классификации, регрессии, кластеризации и прогнозирования. В процессе обучения будут изучены: основные типы нейронных сетей (полносвязные, сверточные, рекуррентные, трансформеры и др.); методы подготовки данных и построения обучающих выборок; алгоритмы обучения нейросетей; платформы и библиотеки (TensorFlow, PyTorch и др.); методы повышения точности и устойчивости моделей; примеры применения нейросетей в различных прикладных и исследовательских областях.

    Год обучения - 2
    Семестр - 1
    Кредитов - 6
  • Геоинформационные системы: обработка и хранение данных

    Цель преподавания дисциплины – формирование у магистрантов теоретических знаний и практических навыков в области обработки, хранения и анализа пространственных данных с использованием геоинформационных систем (ГИС); развитие компетенций в применении ГИС-технологий в научных исследованиях и прикладных задачах. Задачи изучения дисциплины – изучение архитектуры и компонентов геоинформационных систем; освоение методов сбора, хранения, визуализации и анализа пространственных данных; формирование навыков работы с базами геоданных и инструментами пространственного моделирования; применение ГИС для решения прикладных задач в различных отраслях. В процессе обучения будут изучены: принципы построения и функционирования геоинформационных систем; форматы и структуры пространственных данных; технологии хранения и обработки геоданных; работа с базами пространственных данных (PostGIS, GeoPackage и др.); инструменты визуализации и анализа данных (QGIS, ArcGIS и др.); основы картографического моделирования и геоаналитики; практические аспекты применения ГИС в других сферах.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Технологические процессы: автоматизация и обработка данных

    Системный подход к процессам моделирования и управления объектами в интегрированной среде TRACE MODE. Математические, методические и программно-технические средства, перспективные информационные технологии (SCADA- системы) моделирования и управление объектами. Проектирование и исследование автоматизированной системы управления химико-технологическими процессами в SCADA- системе TRACE MODE. Создание статического изображения химико-технологического процесса. Изучение системы управления в TRACE MODE.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Современные проблемы и тенденции в исследованиях нейросетей

    Цель преподавания дисциплины – формирование у магистрантов критического понимания актуальных научных проблем, вызовов и направлений развития в области нейросетевых технологий; развитие исследовательской инициативы в освоении и совершенствовании архитектур и алгоритмов нейросетей. Задачи изучения дисциплины: анализ современных научных публикаций и трендов в развитии нейросетевых моделей; изучение нерешённых теоретических и прикладных задач в области глубокого обучения; освоение методов сравнительного анализа и экспериментальной верификации новых архитектур; формирование способности формулировать научно обоснованные гипотезы и предложения по развитию нейросетевых подходов. В процессе обучения будут изучены: текущие направления исследований в области нейросетей (глубокое обучение, самосупервизия, нейросетевые трансформеры, нейроинтерпретируемость и др.); проблемы устойчивости, переобучения и обобщающей способности моделей; вопросы этики, справедливости и прозрачности в применении нейросетей; обзор новых публикаций, preprint-платформ и конференционных материалов; методы критического анализа и формализации исследовательских проблем для последующей научной проработки.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Технологии прототипирования

    Введение в технологии прототипирования. Основные понятия 3D моделирования и технологии прототипирования. Математическое представление 3D объектов при технологиии прототипирования. Создание 3D-объектов с использованием технологий FreeCAD, Open SCAD. Основные этапы технологий создания прототипов. Математическое моделирование. Преимущества и недостатки технологии стереолитографии StereoLithography. Технология Selective Laser Sintering. Прототипирование методом послойного наплавления нитей. Многоструйное моделирование с помощью 3D-принтеров. Технология трёхмерной печати.

    Год обучения - 2
    Семестр - 1
    Кредитов - 6
  • Применение нейросетей в научных исследованиях

    Цель преподавания дисциплины – развитие у магистрантов навыков применения нейросетевых технологий в решении научных задач; формирование понимания потенциала и ограничений нейронных сетей в различных формах научного анализа, моделирования и интерпретации данных. Задачи изучения дисциплины: освоение современных архитектур нейронных сетей, применяемых в научных исследованиях; изучение методов адаптации и настройки нейросетевых моделей под специфику предметной области; развитие умений интеграции нейросетевых решений в исследовательские проекты; критическая оценка качества результатов, полученных с использованием нейронных сетей. В процессе обучения будут изучены: структура и функции различных типов нейросетей (полносвязные, сверточные, рекуррентные, генеративные и др.); специфика применения нейросетей в научных задачах – от обработки сигналов и изображений до анализа текстов и временных рядов; методы интерпретации результатов работы нейросетей; программные инструменты и среды моделирования (например, PyTorch, TensorFlow); примеры успешной интеграции нейросетей в междисциплинарные исследования.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5

Результаты обучения

  • Знает особенности научного мировоззрения; владеет иностранным языком на уровне, позволяющем осуществлять основные виды профессиональной деятельности; демонстрирует знание коммуникативной компетенции иноязычного образования для развития навыков и умений владения языком в профессиональной деятельности, подготовки научных статей и свободного устного общения; генезиса, философской сущности и развития научного знания, закономерности организации и развития науки.
  • Применяет знания психологии при решении управленческих задач и планировании профессионального и личностного роста; использует методологические основы педагогики высшей школы и новейшие достижения в области педагогической деятельности; применяет современные педагогические, коммуникативные методы в профессиональной управленческой деятельности, определяет приоритеты в переподготовке специалистов по другим направлениям деятельности; развивает лидерские качества педагога в обучении и воспитании в профессиональном сообществе.
  • Разрабатывает и организовывает систему защиты информации, подбирая методы и средства защиты информации на основе принципов построения систем шифрования данных, применяя основные криптографические методы, алгоритмы, протоколы, используемые в системах шифрования данных в современных локальных и глобальных компьютерных сетях.
  • Описывать вычислительные процессы нейронных сетей, данные и их взаимодействие в системе для разработки его модели, современные средства с реализацией технологией нейронных сетей, разрабатывать архитектуры систем облачных вычислений, применяя специализированные методологии для построения архитектуры.
  • Выполняет интеграцию модулей в программную систему, отладку программного продукта с использованием специализированных программных средств, анализируя проектную и техническую документацию на уровне взаимодействия компонентов программного обеспечения, инспектирует компоненты программного продукта на предмет соответствия стандартам кодирования, используя методы для получения кода с заданной функциональностью и степенью качества.
  • Применяет современные методы научного исследования в области искусственного интеллекта, анализируя специфику их применения для решения научных задач; выполняет формализацию и анализ задач с использованием технологий ИИ и нейросетевых моделей, оценивая их теоретические и практические подходы; анализирует современные тенденции в развитии нейросетевых исследований и использует их для разработки и проведения научных экспериментов, интерпретируя полученные результаты с высокой степенью точности и эффективности.
Top