8D06103 Ақпараттық жүйелер в Халықаралық ақпараттық технологиялар университеті
-
Білім беру бағдарламасының мақсаты Ақпараттық процестерді білу заңдылықтарын, информатикада, қазіргі ақпараттық жүйелер саласында білім беру мен өндірісте кәсіби маңызды ақпаратты іздеу, өңдеу және ұсыну әдістерін меңгерген ғылым қажеттіліктерін қанағаттандыру үшін құзыретті зерттеуші мамандарды дайындау.
-
Академиялық дәреже Докторантура
-
Оқыту тілі Ағылшын тілі
-
Оқу мерзімі 3 года
-
Кредиттер көлемі 180
-
Білім беру бағдарламаларының тобы D094 Ақпараттық технологиялар
-
Білім беру саласы 8D06 Ақпараттық-коммуникациялық технологиялар
-
Дайындық бағыты 8D061 Ақпараттық-коммуникациялық технологиялар
Пәндер
-
Болжаудағы өзекті мәселелер
Докторанттар болжамдық модельдердің негізгі принциптерін, құрылыс ерекшеліктерін және көлемін зерттейді. Курста болжау классификациясы мен кластерленуінің егжей-тегжейлі шолуы мен сипаттамасы беріледі және болжаумен байланысты практикалық мәселелерге назар аударылады. Докторанттар Python және машиналық оқыту арқылы болжамдық модельдерді жүзеге асырады, сонымен қатар заманауи дизайн әдістерін қолдана отырып, әртүрлі мақсаттарға болжамды модельдерді әзірлеу үшін инновациялық инженерлік жобаларды жүзеге асырады.
Несиелер - 4
-
Бағдарламалаудың мультиагенттік технологиясы
Курс автоматтандырылған іздеу жүйесін, контентті талдауды, іздеу моделдерін, нәтижелерді ұсыну және жүйені бағалауды қамтиды. Интернетте, мультимедиалық және көптілді ортада іздеу әдістерін, сондай-ақ мәтінді жіктеу және оқиғаларды бақылау әдістерін қолдануды зерттейді.
Несиелер - 4
-
АЖ-дегі деректерді интеллектуалды талдау
Бұл курс шешім ағаштарын, жасанды нейронды желілерді, генетикалық алгоритмдерді, эволюциялық бағдарламалау, ассоциативті жады, анық емес логиканы пайдалануға негізделген жіктеу, модельдеу және болжау әдістері сияқты деректерді талдау әдістерінің негіздерін сипаттайды. Студенттер мәліметтерді талдау әдістерімен қоса статистикалық әдістер: сипаттамалық талдау, корреляциялық және регрессиялық талдау, факторлық талдау, дисперсиялық талдау, компоненттік талдау, дискриминанттық талдау, уақытша қатарларды талдау, өміршеңдікті талдау, байланыстарды талдау әдістерін үйренеді. Бұл оларға талданатын деректер туралы кейбір априорлық түсініктерді алуға көмектеседі. Деректерді талдау әдістерінің маңызды мақсаттарының бірі есептеу нәтижелерін визуализациялау (визуализация) болып табылады. Деректерді зияткерлік талдау әдістерінің күрделілігі мен әртүрлілігі нақты салалардағы ақпаратты талдаудың типтік міндеттерін шешу үшін түпкілікті пайдаланушының арнайы құралдарын құруды талап етеді. Бұл құралдар күрделі көпфункционалды шешімдер қабылдауды қолдау жүйелерінде пайдаланылатындықтан, олар осындай жүйелерге оңай интеграциялануы тиіс. Деректерді талдаудың зияткерлік жүйелері ғылыми зерттеулерде, білім беруде, құқық қорғау қызметінде, өндірісте, денсаулық сақтауда және басқа да көптеген салаларда қолданылады. Атап айтқанда, деректерді зияткерлік талдау технологиясы бизнес-қосымшаларда қолданылады.
Несиелер - 4
-
DevOPS-инжиниринг
DevOps инженері құрастыруды, тестілеуді автоматтандырады, компанияға кодқа өзгертулерді тез және қауіпсіз енгізуге немесе жаңа өнімді іске қосуға көмектеседі, жоғары жүктелген қызметтердің жұмысын қолдайды. Оқытудың мақсаты – ақпараттық технологиялардың сервистік жүйесін әзірлеуде мамандардың белсенді өзара әрекеттесуі және өнім сапасын қамтамасыз ету үшін жұмыс процестерінің өзара интеграциясы үшін DevOps әдістемесі бойынша докторанттардың білімдері мен дағдыларын дамыту. Курс барысында бағдарламалық жасақтаманың өмірлік циклі (LC) егжей-тегжейлі талданады, LC-дегі DevOps инженерінің рөлі, сонымен қатар DevOps бағдарламалық құралдары: Docker, Jenkins, Ansible, Kubernets және Prometheus.
Несиелер - 4
-
Теориялық компьютерлік инженерия
Компьютерлік жүйелерді жобалаудың, құрудың және конфигурациялаудың күрделі мәселелері мен практикалық мәселелерін шешуді қамтамасыз ете алатын, компьютерлік инженерия технологияларын қолдана алатын және енгізе алатын докторанттың жалпы және кәсіби құзыреттілігін қалыптастыру және дамыту.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Терең оқыту әдістері
Курста нейрондық желілерді терең оқыту, жаттығу және өрістету әдістері қарастырылады. Оқыту барысында студенттер нейрондық желілердің өнімділігін арттыру және мүмкіндіктерін кеңейту үшін деректерді, жаттығу параметрлерін, нейрондық желілердің құрылымы және басқа да параметрлерін сынақтан өткізеді,сондай-ақ нақты есептерді шешу үшін нейрондық желілерді өрістетеді. Курс соңында білім алушылар өз есептерін терең оқыту алгоритмдерінің көмегімен шеше алады.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Қазіргі басқару теориясы
Қазіргі басқару теориясы – ғылымның басқа салаларындағы зерттеулер мен әзірлемелердің нәтижелерін пайдаланатын қолданбалы ғылыми пән. Басқару теориясы саласындағы ғылыми зерттеулердің нәтижелері басқарудың математикалық теориясын (басқару объектісі жататын пәндік аймаққа қатысты инвариантты математикалық нәтижелер), сондай-ақ жүйені интеллектуалды басқаруды қолдануды көздейді.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Деректерді талдау құралдары
Бұл пән деректерді талдау және аналитикалық жүйелердің тиімділігін бағалаудың негізгі принциптерін, ерекшеліктерін, технологияларын, әдістерін, үлгілерін және құралдарын зерттейді. Докторанттар аналитикалық платформалардың мүмкіндіктерін зерттеп жатыр. Курс теориялық және практикалық бөлімдерден тұрады. Практикалық бөлімде аналитикалық платформалар мен құралдарды пайдалана отырып, әртүрлі пәндік салаларда талдау, өңдеу, визуализация және түсіндіру тапсырмалары қарастырылған.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Үлкен деректерді өңдеу
Деректерді сақтау, оларды тиімді талдау және іскерлік және әлеуметтік маңызды ақпаратты алу курсының әдістері. Бұл курс PhD студенттерін үлкен деректерді өңдеу, сақтау және талдау үшін пайдалана алатын бірнеше негізгі АТ технологияларымен таныстырады. Курс параллельді өңдеуге арналған MapReduce әдістерін және MapReduce-ті веб-тапсырмаларда арзан әрі тиімді енгізуге мүмкіндік беретін ашық бастапқы коды Hadoop жүйесін қамтиды. Докторанттар пакеттік және/немесе нақты уақытта құрылымдалмаған деректерді үлкен көлемде қабылдай алатын, сақтай алатын және талдай алатын жоғары масштабталатын жүйелерді жасай алады.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Жетілдірілген бағдарламалық жасақтама архитектурасы
Курс докторанттың сәулеттік дизайнға сенімділігін арттыруға көмектесетін принциптер мен әдістерге бағытталған. Бұған архитектуралық үлгілер, сәулеттердің сапалық және сандық бағасы, AADL және MARTE сияқты сәулет сипаттау тілдерін қолданатын сандық модельдеу және ATAM сияқты сапалы архитектураны бағалау әдістері кіреді. Соңында, курс сонымен қатар ультра ауқымды жүйелерде, блокчейн жүйелерінде, смарт келісімшарт жүйелерінде (Solidity тілі) кездесетін масштабқа, динамикаға және гетерогенділікке қатысты нақты мәселелерді қарастырады.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Зерттеу әдістері
Курс докторанттарға ақпараттық жүйелер саласындағы зерттеу әдістемесін ұсынады. Курстың тақырыптары: зерттеудің маңыздылығы және кейбір ақпараттық технологияларды зерттеу әдістемелері, яғни формальды әдіс, прототиптеу, эксперимент және бағалау; есептерді жазу, мақала жазу және реферат жазу сияқты нәтижелерді жазу әдістері; зерттеу нәтижелерін тіркеу; зерттеу ұсыныстарын жазу.
Оқу жылы - 1
Семестр - 1
Несиелер - 4
-
Академиялық жазылым
"Академиялық жазылым" курсы PhD докторантура бағдарламасының міндетті компоненті болып табылады. Бұл 5-кредиттік курс бір семестрге арналған. Курс докторанттардың зерттеу жүргізу машықтары мен ағылшын тілі деңгейлері негізінде олардың ғылыми зерттеу жүргізуге, ғылыми мақалалар мен диссертация жазуға арналған академиялық жазылым дағдыларын жетілдіреді, Курс барысында докторанттар интенсивті оқылым жаттығуларын орындайды, академиялық жазылым ұстанымдары мен нысандары туралы хабар алады. Курс нәтижесінде докторанттар өзінің зерттеу жұмыстары бойынша портфолио және ғылыми мақаласының жан-жақты жоспарын дайындауы тиіс.
Оқу жылы - 1
Семестр - 1
Несиелер - 5
Профессии
Оқыту нәтижелері
- Деректерді өндіру, машиналық оқыту, нейрондық желілер, есептеу күрделілігі және оңтайландыру теориялары үлгілері мен әдістері негізінде зерттеу мәселелерін тұжырымдау және оларды шешу жолдарын табу
- Ресурсты көп қажет ететін тапсырмаларды шешу үшін үлкен деректерді өңдеу және деректерді өңдеу әдістерін қолдану
- Ақпараттық процестерді, кәсіби маңызды ақпаратты іздеу, өңдеу және ұсыну әдістерін білу үлгілерін көрсету
- Бағдарламалық жасақтаманы әзірлеу процесінің барлық кезеңдері мен элементтерін кодтау кезеңінен тестілеу және шығару кезеңіне дейін синхрондау арқылы DevOps әдістемелерін енгізу және масштабтау
- Деректер ғылымының заманауи әдістеріне негізделген интеллектуалды ақпараттық жүйелерді және олардың құрамдастарын әзірлеу
- Инженерлік есептердің есептеу алгоритмдерін жасау және оларды өнімділігі жоғары жүйелерде енгізу
- Көптеген функцияларды қамтитын, олардың өнімділігі мен дәйекті дамуын қамтамасыз ететін бағдарламалық жасақтаманың архитектурасын жобалау және дамыту
- Белгілі бір пәндік салада өзінің жаңа ғылыми идеяларын қалыптастыру және оларды ғылыми қоғамдастыққа жеткізу
- АКТ зерттеу жобалары үшін негізделген ұсыныстарды немесе түсіндірме жазбаларды ұсыну
- АКТ саласындағы стратегиялық шешімдерді әзірлеу үшін өзіндік және белгілі ғылыми зерттеулерді бағалау және аналитикалық материалдарды дайындау
- Математикалық модельдер көмегімен басқару теориясын, интеллектуалды жүйені басқару әдістерін қолдану.