8D06108 Компьютерные науки и технологии в КазНУ им. аль-Фараби
-
Цель образовательной программы Цель образовательной программы - подготовка конкурентоспособных научных и академических кадров, способных проводить оригинальные исследования и разрабатывать инновационные решения в области вычислительных технологий. Программа направлена на формирование интегрированных компетенций в области фундаментальных и прикладных компьютерных наук, включая искусственный интеллект, большие данные, высокопроизводительные вычисления и интеллектуальные системы, а также на развитие навыков критического анализа, научного лидерства и эффективной коммуникации в международной научной среде.
-
Академическая степень Докторантура
-
Языки обучения Русский, Казахский, Английский
-
Название ВУЗа Казахский национальный университет имени аль-Фараби
-
Срок обучения 3 года
-
Объем кредитов 180
-
Группа образовательных программ D094 Информационные технологии
-
Область образования 8D06 Информационно-коммуникационные технологии
-
Направление подготовки 8D061 Информационно-коммуникационные технологии
Дисциплины
-
Теория параллельных вычислений
Цель курса — предоставить докторантам углублённые знания в области параллельных вычислений, с акцентом на теоретические основы, вычислительные модели, параллельные алгоритмы и оценку производительности. Курс направлен на развитие эффективных параллельных систем для решения сложных, крупномасштабных задач в науке и промышленности.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Модели высокопроизводительных вычислений
Эта дисциплина развивает способность управлять технологией параллельных вычислений в многопроцессорных системах с распределенной или общей памятью. Докторанты научатся представлять многопроцессорные структуры, анализировать и декомпозировать вычислительные схемы, оценивать сложности передачи данных, моделировать параллельные программы и создавать модели вычислительных систем. Темы включают механизмы передачи данных, представление топологии, разработку параллельных алгоритмов и системы общей памяти.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Проектирование радиационно-стойких интегральных схем
Этот курс исследует радиационные среды и их влияние на интегральные схемы, с акцентом на принципы и методы радиационной стойкости. В рамках учебы, основанной на исследованиях, рассматриваются взаимодействие частиц, механизмы повреждений, проектирование стойких схем и тестирование. Также рассматриваются передовые достижения и перспективы развития радиационно-стойких ИС для космических, ядерных и наземных приложений.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Академическое письмо
Цель дисциплины: развить профессиональные компетенции докторантов для выполнения ими научных проектов и публикаций при соблюдении норм законодательства. Докторанты научатся формулировать исследовательские вопросы, ориентироваться в литературе, излагать положения исследования, готовить патентные и авторские документы, проводить дискуссии и писать обзоры проектов. Этот курс охватывает аспекты формулирования исследований, междисциплинарных исследований и описания исследовательской работы на разных языках.
Год обучения - 1
Семестр - 1
Кредитов - 2
-
Методы научных исследований
Целью данной дисциплины являются овладение основ методологии научного исследования, рассмотрение различных уровней научного познания. Изучение этапов проведения научно-исследовательских работ, включая выбор направления исследования, постановку научно-технической проблемы, проведение теоретических и экспериментальных исследований, рекомендации по оформлению результатов научной работы. Также курс направлен на рассмотрение основ изобретательского творчества, патентный поиск и примерный план докторской диссертации.
Год обучения - 1
Семестр - 1
Кредитов - 3
-
Аналитика больших данных
Эта дисциплина направлена на развитие навыков оценки технологий анализа больших данных и создания программных продуктов. Докторанты будут характеризовать и сравнивать наборы данных, решать такие проблемы, как высокая размерность и масштабируемость, интегрировать библиотеки машинного обучения с современными технологиями, оптимизировать параметры модели и создавать приложения с использованием нейронных сетей и платформы TensorFlow.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутая конструкция датчика и схемы
Цель курса заключается в предоставлении углубленных знаний о технологиях сенсоров, передовых методах проектирования схем и их интеграции. Курс направлен на оснащение докторантов навыками проектирования, анализа и оптимизации сенсоров и схем для сложных, передовых приложений в различных областях.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Технология распознавания и синтеза речи
Цель курса — предоставить докторантам углубленные знания о технологиях и алгоритмах, лежащих в основе систем обработки речи. Курс охватывает распознавание речи, модели синтеза, акустические характеристики и их применение в реальных системах, способствуя исследованиям и разработке передовых речевых технологий.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Отслеживание движения глаз и приложения
курс направлен на предоставление углубленных знаний о принципах, технологиях и методологиях отслеживания глаз. Он исследует различные области применения этой технологии, такие как психология, нейробиология, маркетинг, взаимодействие человека с компьютером и когнитивные исследования, готовя докторантов к инновационным исследованиям и реальным приложениям.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутый ИИ и его применение
Курс направлен на углубление понимания докторантами передовых методов и технологий искусственного интеллекта. Особое внимание уделяется их практическому применению для решения реальных задач, подготавливая докторантов к разработке и внедрению продвинутых ИИ-систем в различных областях, включая здравоохранение, робототехнику и науку о данных.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутые алгоритмы и их сложность
Цель этой дисциплины: научить анализировать продвинутые алгоритмы и сложность вычислений. Аспиранты научатся определять задачи, оценивать модели ресурсов, применять алгоритмические методы и методы доказательства, распознавать недостатки доказательств и соотносить алгоритмы с показателями сложности. Темы включают жадные алгоритмы, динамическое программирование, сетевые потоки, NP-полноту, вычислимость, машины Тьюринга, алгоритмы аппроксимации, параллельные вычисления.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Продвинутое глубокое обучение с подкреплением
Цель курса — предоставить углубленные знания о сочетании методов глубокого обучения и обучения с подкреплением. Курс направлен на разработку интеллектуальных агентов, способных обучаться оптимальным стратегиям через взаимодействие с динамическими средами, охватывая как теоретические основы, так и практическое применение в сложных задачах принятия решений.
Год обучения - 1
Семестр - 1
Кредитов - 5
Профессии
Результаты обучения
- Применять глубокое понимание фундаментальных концепций в области компьютерных наук и технологий при разработке программных решений
- Самостоятельно проводить оригинальные научные исследования и публиковать их результаты в национальных и международных научных журналах.
- Анализировать надежность и отказоустойчивость компьютерных систем как с теоретической, так и с практической точки зрения.
- Формулировать обоснованные и логически выверенные выводы на основе интерпретации сложных экспериментальных данных
- Исследовать вычислительную сложность и устойчивость алгоритмов в различных инженерных и научных приложениях.
- Применять методы обработки больших данных и интеллектуального анализа для решения прикладных инженерных задач.
- Разрабатывать вычислительные алгоритмы для инженерных задач с использованием высокопроизводительных вычислительных систем.
- Проектировать интегральные схемы и сенсорные технологии, устойчивые к радиации и экстремальным условиям эксплуатации.
- Создавать модели глубокого и подкрепляющего обучения для решения задач принятия решений в динамичных и неопределённых средах.
- Эффективно управлять научными проектами и проводить масштабные вычислительные эксперименты для междисциплинарных исследований с использованием таких технологий, как искусственный интеллект, большие данные, машинное обучение, отслеживание движений глаз и распознавание речи.
- Использовать передовые технологии искусственного интеллекта для разработки и внедрения сложных алгоритмов анализа данных.
- Формулировать новые и сложные научные идеи в области компьютерных наук и технологий на основе критического анализа и оценки научной информации.