8D06108 Компьютерные науки и технологии в КазНУ им. аль-Фараби

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.