7M06104 Деректер ғылымы в Сулейман Демирель атындағы университеті

Пәндер

• Жоғары өнімді компьютерлік жүйелердің архитектурасы

  Жоғары өнімділік компьютерлік жүйелердің архитектурасы» пәнін меңгеру мақсаты – болашақ IT маманына қажетті компьютерлік архитектурадағы білім, дағдыларды қалыптастыру және ақпараттық мәдениетті тәрбиелеу негізінде бағдарламалық қамтамасыз ету және ақпаратты компьютерлік өңдеу саласындағы технологиялық шешімдерді талдау қабілетін дамыту. Магистрантқа бағытталған оқыту тәсілі пайдаланылады: магистранттарға пайдаланылған ақпарат көзінің мақсатын көрсететін өздерінің медиа пішінін таңдауға мүмкіндік беру; оқушыларға «қалай ойлау керектігін» үлгілеу; сабақты әңгімеден бастау; үдеріс, өсу және мақсат тұрғысынан оқытуды құру; бағаны мұқият таңдау және басқа жұмыстарды тәжірибе ретінде қарастыру. Курс компьютерлік инженерлер үшін де, бағдарламалық жасақтаманы әзірлеушілер мен бағдарламашылар үшін де маңызды.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Бағдармалар инжинирингінің негіздері

  Бұл курс бағдарламалық-техникалық қағидаттар мен практикаларға кешенді енгізуді қамтамасыз етеді. Магистранттар бағдарламалық жасақтаманы дамытудың өмірлік циклі, инженері, дизайн, кодтау, тестілеу, жобаларды басқару және сапаны қамтамасыз ету туралы үйренеді. Тағайындаулар арқылы олар осы ұғымдарды нақты әлемдік сценарийлерге қолданады, бағдарламалық жасақтаманы тиімді дамыту үшін қажетті дағдыларды игереді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Деректер туралы ғылым негіздері

  Бұл курс мәлімет ғылымымен танысады және бизнестің шешім қабылдаудағы маңыздылығын көрсетеді. Ол деректерді ғылымға қолданудың негізін құрайтын электрондық кестелермен, реляциялық деректер базасымен, статистика және бағдарламалау тапсырмаларымен бірге, Excel, PowerBI, Access 2013, R, SQL Server сияқты мәліметтердің кеңінен қолданылатын құралдарына шолу жасайды.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Менеджмент

  Бұл курста жоспарлау, ұйымдастыру, кадрлармен қамтамасыз ету, ұйымдастырушылық мақсаттарға жету үшін ресурстарды басқару және басқарудың негізгі басқару функциялары қарастырылады. Менеджменттің жүйелік тұжырымдамасы және ұйымның әр деңгейіндегі менеджердің рөлі ерекше атап өтілген.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Шет тілі (кәсіби)

  Осы пәнді оқып-үйрену барысында магистрант халықаралық кәсіби ортаға енуге және кәсіби ағылшын тілін мәдениетаралық және кәсіби қарым-қатынас құралы ретінде қолдануға мүмкіндік беретін шет тіліне кәсіби бағытталған коммуникативті дағды қалыптастырады. Бағдарламада кәсіби бағытта шет тілін оқытудағы қазіргі тенденциялар мен талаптар көрсетілген. Пәнді оқытудың мақсаты мен міндеттері, кәсіби қарым-қатынаста шет тілінде сөйлеу әрекеттерін жүзеге асыру дағдыларының тізімі, осы дағдылар жүзеге асырылатын жағдайлардың сипаттамасы, кәсіби сөйлеудің негізгі тілдік материалдық сипаттамасы келтірілген.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Басқару психологиясы

  Курс көшбасшының психологиялық басқарушылық мәдениетін қалыптастыруға, кәсіби салада ұйымдастырушылық және басқарушылық қызметін тиімді жүзеге асыруға ықпал етеді. Қазіргі экономикалық жағдайдың сын-қатерлері және даму тенденциялары магистранттардың біліктілігін арттыру қажеттілігін, бұл олардың мансаптық өсуіне, агрессивті және тез өзгеретін ортада

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Деректер ғылымы үшін бағдарламалау

  Бұл курс Python, R және SQL сияқты тілдер мен құралдарды қамтитын деректер ғылымы үшін маңызды бағдарламалау дағдыларына бағытталған және магистрантарға күрделі деректер жиынынан мағыналы түсініктер алуға мүмкіндік беру үшін деректерді өңдеу, талдау және визуализация әдістеріне баса назар аударады..

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Ақпарат қауіпсіздігі

  «Ақпараттық қауіпсіздік» – практикалық пентестинг принциптері мен тәжірибелеріне, сондай-ақ киберқауіпсіздік мониторингі мен талдауына арналған курс Бұл курстың мақсаты магистранттарды заманауи киберқауіпсіздік ландшафтында тиімді шарлау үшін қажетті дағдылар мен білімдермен жабдықтау болып табылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректер ғылымына арналған математика

  Бұл курс магистранттарға кез-келген дерлік дерлік ғылыми курста, мысалы, машиналық оқыту және деректерді талдау курсында сәтті болу үшін математиканы оқытуға арналған. Біз көпбейнелі есептеу, сызықтық алгебра және статистика туралы ең маңызды ұғымдарды қарастырамыз.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректерді жинау, өңдеу, талдау және визуализациялау

  Курс магистранттарға әртүрлі көздерден деректерді алу, тазалау, талдау және визуализациялау бойынша маңызды дағдыларды береді. Тәжірибелік жаттығулар мен жобалар арқылы магистранттар деректерді алдын ала өңдеу, зерттеу талдауын жүргізу және түсініктерді тиімді жеткізу әдістерін үйретеді. Курстың соңында магистранттар әртүрлі домендерде әрекет ететін түсініктерді алу үшін деректерді басқару және талдау үшін дағдылармен жабдықталады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Табиғи тілді өңдеу және үлкен тіл үлгілері

  Бұл курс табиғи тілдерді өңдеу саласымен таныстырады. Ол лингвистика, математика, ықтималдықтар және информатика саласындағы тиісті материалдарды қамтиды. Сыныпта қарастырылған кейбір тақырыптар: Мәтін ұқсастығы, сөйлеу белгілері, саралау, семантика, сұрақтарға жауап беру, сезім талдауы және мәтінді қорытындылау.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Үлкен деректерді талдау

  Бұл курс әртүрлі үлкен деректерді сақтау және талдау алгоритмдеріндегі маңызды әдістерді түсінуге арналған. Курстың практикалық бөлігінің көп бөлігі MapReduce парадигмасын Apache Hadoop жүзеге асырумен байланысты болады. Hadoop MapReduce жүйесінде әртүрлі тапсырмалар мен оқулықтарды қолдану арқылы магистранттар бір ядролы алгоритмді енгізу мен таратылған жүйелерде жұмыс істейтін алгоритмдердің арасындағы айырмашылықты көретін болады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Машиналық оқыту

  Бұл курс заманауи машиналық оқытудың негізіндегі фундаменталды әдістермен танысады. Ол теориялық негіздерді, сондай-ақ бақыланатын және бақыланбайтын оқытудың маңызды алгоритмдерін қамтиды. Теориялық және алгоритмдік аспектілер бойынша сабақтар практикалық зертханалық сабақтармен толықтырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Терең оқыту

  Бұл курс суреттер, мәтін және мәліметтер сияқты менмендік деректер үшін тұрақты көріністерді құрудың математикалық және іске асыру міндеттерін ұсынуға арналған. Біз соңғы модельдерді талқылау арқылы терең оқу бағдарламасының жеке тақырыптарын қарастырамыз. Нейрондық желілер саласында конфаволаралық сәулетшілерге, дәйекті модельдерге, озық тәжірибеге ерекше назар аударылатын болады

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Өнеркәсіптегі жобаларды басқару

  Курс жобаларды басқаруды оқып үйрену дағдыларын дамытуға арналған. Күшті жоспарлау дағдылары, жақсы қарым-қатынас, өнімді немесе қызметті жеткізуді жүзеге асыратын жобаны жүзеге асыра білу, сонымен қатар тәуекелдерді бақылау және ресурстарды басқару табысқа жетуге мүмкіндік береді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Red Hat - Жүйелік басқару (III + OpenStack)

  Бұл курс желінің жұмысын жақсарту үшін желілік функцияларды виртуализациялау арқылы OpenStack желілік қызметін (Нейтрон) басқаруға арналған. Магистранттар үлестірілген виртуалды маршрутизаторларды, Data Plane Development Kit деректері бар vSwitch-ті және OpenStack-те IPv6 желісін құруды және OpenDaylight-пен бағдарламалық қамтамасыздандырылған желіні қолдануды үйренеді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Тиісті ғылыми және әлеуметтік пікірлер мен көзқарастарға қатысты практикалық іс-әрекетте білім мен дағдыларды қолдану
• Зерттеуге және магистрлік жобаны таңдауға байланысты Data Science саласындағы мамандандырулардың біреуінде терең түсінік алу
• Деректерді жинау және басқару; нақты ғылым туралы есептерді шешу үшін модельдерді таңдау, қолдану және бағалау
• Алгоритмді жобалаудың іргелі қағидаларына, сондай-ақ мәліметтерді талдауды дұрыс қалыптастыру және қолдану үшін математикалық және статистикалық модельдерге қатысты терең білім алу;
• Машинамен жұмыс жасау әдістері мен алдыңғы қатарлы деректерді іздеудің стратегиялары, мәліметтер базасы жүйесіндегі сараптама және есептеу статистикасындағы сараптама жасау
• Әр түрлі көздерден алынған ақпаратты бағалау және синтездеу дағдыларын және осы дағдыларды халықаралық рецензияланған ғылыми әдебиеттер мен деректану мен деректану саласындағы пәндер бойынша алғашқы зерттеулерді түсіну үшін қолдана білу.
• Деректер қорындағы нәтижелерді іскери стратегияға айналдыру
• Деректер ғылымы процестеріне ақпараттық қауіпсіздік принциптерін қолдану – бұл деректерді қауіпсіз өңдеу тәжірибесін енгізу, құпиялылықты сақтайтын аналитиканы жобалау, деректер ағындарындағы қауіптерді бағалау және деректер жиынтықтары мен машиналық оқыту модельдерін қорғау үшін криптографиялық және қолжетімділікті басқару әдістерін біріктіру.

Ұқсас БББ