7M05404 Қолданбалы статистика және Data Science в Л.Н.Гумилев атындағы Еуразия ұлттық университеті

Пәндер

• Жоғары мектеп педагогикасы

  Пәннің мақсаты білім алушыларда оқыту әдістемесін, педагогикалық технологияларды және оқыту әдістерін меңгеруді, жоо-ның оқытушысына қойылатын қазіргі заманғы талаптарды ескере отырып, жоғары білім беруде тиімді кәсіби-педагогикалық іс-әрекет үшін қажетті педагогикалық білім мен практикалық дағдылар жүйесін қалыптастыруға бағытталған. Пәннің мазмұны қазіргі жоғары білім берудің мәнін айқындайтын негізгі даму бағыттары мен үдерістерін; жоғары оқу орнындағы педагогикалық үдерістің құрылымы мен ерекшеліктерін; заманауи педагогикалық технологияларды, оқыту әдістемесін, оқу және тәрбие жұмысын ұйымдастырудың әдістері мен формаларын қарастырады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Эконометриялық моделдеу (жетілдірілген деңгей)

  «Эконометриялық модельдеу (жетілдірілген деңгей)» пәні жаңа зерттеу әдістерін, сенімді болжамдарды құрудың теориялық негіздерін меңгеру, зерттелетін құбылыстардың мәнін түсіндіру, олардың дамуын болжау, модельдерді түзету мүмкіндіктерін анықтау, неғұрлым сенімді ақпарат алу үшін қажет; әлеуметтік-экономикалық процестерді зерттеудің эконометриялық әдістері саласында студентте терең білім жүйесін қалыптастыру; құрастырылған эконометриялық модельдер негізінде эконометриялық модельдеу объектілерін дамыту бағыттарын анықтау.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректер қорын басқару жүйелері және SQL (жетілдірілген деңгей)

  Курс қазіргі заманғы деректер қорын басқару жүйелерін (ДҚБЖ) зерделеуге және тәжірибе жүзінде дамытуға бағытталған. Магистранттар ДҚБЖ ұйымдастырудың негізгі принциптерін, деректер қорын құру, деректерді сақтау және ДҚБЖ көмегімен деректерді өңдеу технологияларын оқиды. Курстың практикалық бөлімі деректер қорын басқару және қажетті ақпаратты табу үшін қажет SQL (Structured Query Language) көмегімен есептерді шешуге арналған. Пәнді меңгеру нәтижесінде магистрант білуі керек: қазіргі деректер қорын жобалау және пайдалану кезінде қолданылатын негізгі сұлбаларды, деректерді басқару жүйелері туралы негізгі түсініктерді, MS SQL Server ДҚБЖ-мен жұмыс істеу дағдыларын, есептерді түсіну. пәндік сала, деректер қорының негізгі ұғымдары мен түсініктерін еркін меңгеру . Әртүрлі ДҚБЖ түрлерін пайдалану кезінде ақпаратты өңдеу тапсырмаларын жіктей алуы, реляциялық алгебралармен жұмыс істеуі, реляциялық ДҚБЖ қолданудың қарапайым логикалық диаграммаларын құруы, ER диаграммасы әдісін қолданып деректер базасының диаграммаларын құрастыра білуі керек. Деректер қорының реляциялық теориясының терминологиясын, SQL сұраныс тілін меңгеруі және кестелерді құрудың, деректерді енгізу мен өзгертудің, SQL командалары түріндегі ақпаратты іздеудің негізгі міндеттерін тұжырымдау керек.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Python тілінде деректерді талдау

  Python-да объектілі-бағытталған программалау технология-сының теориялық және практикалық негіздері. Деректерді талдаудың бүгінгі әдістері мен құралдары. Matplotlib, NumPy кітапханалары. OpenCV. IDLE ортасында программалау. Мақсаты: IDLE ортасында объектілі-бағытталған программалау-дың практикалық дағдысына ие болу; Істей алу – IDLE ортасында практикалық программалау; IDLE ортасында деректерді талдау дағдысының болуы күтіледі.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Виртуализация және бұлттық технологиялар

  Пәннің мақсаты – бағдарламалық қамтамасыз етуді әзірлеуде виртуализация және бұлтты технологияларды пайдалану саласындағы құзыреттерді дамыту. Нәтижесінде магистрант бұлтты сақтауды құрудың функционалдығын, принциптері мен механизмдерін, бұлтты есептеулерді орналастыру түрлерін, Yandex.Cloud, Apple iCloud, Google Drive, Microsoft Azure және т.б бұлттық платформалардағы қызметтерді әзірлеу құралдарын білуі керек. бұлтты есептеулер мен бағдарламалық қамтамасыз етуді әзірлеу үшін оңтайлы бұлттық қызметтер мен қызмет үлгілерін таңдау. Кәсіби мәселелерді шешу үшін Yandex.Cloud, Apple iCloud, Google Drive, Microsoft Azure және т.б. бұлттық платформаларда виртуалдандыру және қызметтерді пайдалану бойынша практикалық дағдыларға ие болу.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Жоба менеджменті

  Жобалар менеджменті саласында теориялық білімдер мен практикалық дағдыларды пайдалану тәжірибелік мысалдар мен тапсырмаларда халық шаруашылығының әр түрлі салаларындағы ұйымдарда жобаларды табысты басқару үшін қажетті негізгі дағдыларды бекітуге, үздік әлемдік тәжірибеге негізделген жүйеленген ұсыныстарды басшылыққа ала отырып, жобаны басқарудың әр түрлі мәселелері бойынша модельдік мысалда шешімдер қабылдауға мүмкіндік береді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Статистикалық деректерді талдауға арналған бағдарламалық құралдар

  Курсты оқу нәтижесінде магистранттар статистикалық мәліметтерді талдау құралдарын меңгереді және алынған нәтижелерді басқару шешімдерін қабылдау үшін қолдана алады. Статистикалық деректерді талдауға арналған бағдарламалық құралдар деректерді өңдеуді жылдамдатады және есептеулердің күрделілігін азайтады. Статистикалық мәліметтерді өңдеуге арналған әртүрлі бағдарламалық өнімдер деректер базасын құру және экономикалық және әлеуметтік ғылымдардағы зерттеу нәтижелерін визуализациялау кезінде өздерінің жеке мүмкіндіктеріне ие.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Басқару психологиясы

  Қоғамның қалыптасуының алдыңғы қатарлы өлшемдерінде басқару процесінің психикалық мазмұнының рөлі артып келеді. Курсты зерттеу барысында білім алушылардың басқарушылық жұмыстың психикалық компонентінің рөлі мен көп өлшемді мазмұны туралы озық идеялармен танысады, сонымен қатар ұйымдағы адамдардың мінез- құлқын басқарудың практикалық қабілеттерін алады, оларды алдағы кәсіби жұмыста қолдана алады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• R тілінде деректерді талдау

  Курстың мақсаты – машиналық оқыту әдістерін қолдана отырып, статистика саласындағы бағдарламалау мүмкіндіктерін көрсету. Курсты аяқтағаннан кейін магистранттар білуі керек: машиналық оқытудың негізгі түсініктерін, мысалы, бақыланатын және бақылаусыз оқыту, классификация, регрессия және кластерлеу. Үлгінің өнімділігін бағалау үшін деректерді оқыту және сынақ жиындарына бөлу әдістері. Шешім ағаштары, кездейсоқ ормандар, қолдау векторлық машиналары және нейрондық желілер сияқты R тілінде қол жетімді машинаны оқытудың әртүрлі алгоритмдерімен жұмыс істеу. Магистранттар білуі керек: R жүйесінде жіктеу және регрессия мәселелерін шешу үшін машиналық оқыту алгоритмдерін қолдану. Деректерді алдын ала өңдеу және оны машиналық оқыту үлгілерін үйрету үшін дайындау.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Шетел тілі (кәсіби)

  «Шетел тiлi (касiби)» курсының мақсаты тiлдiк емес мамандықтардың магистранттарына жоғары базалық станларт (С l) деңгейiндегi шет тiлдiк бiлiмдi меңгерту үрдiсiнде мадениаралық- коммуникативтiк құзiреттiлiктi қалыптастыру. Курс академиялық жазудың нормаларын меңгерту, сыни талдаулардың дағдыларын дамытy, ғылыми шолулар дайындау, аннотациялар, зерттеу тақырыптары бойынша рефераттар және библиографиялар құрастыруды қарастырады

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 4
  

• Ғылым тарихы және философиясы

  «Ғылым тарихы мен философиясы» курсы магистранттардың бойында ғылыми ойлау мәдениетiн қaлыптастырып, сapaптамалық қабiлет пен iзденiс қызметiнiң дағдыларын дамытады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 4
  

• Байес әдісі және олардың қолданылуы

  Бұл курсты оқу барысында тыңдаушылар шешім қабылдаудың ықтималдықты-статистикалық әдістері, Байестің жалпыланған формуласы, Вальданың тізбектес анализ әдісі, минималды тәуекел, үлкен шынайылық, минимакс, Нейман-Пирсонның ықтималдықты-статистикалық әдістері негізгі ұғымдармен танысады. Байес әдісінің практикалық қолданылуының ннегізгі есептері зерттеледі.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Big Data технологиялары мен құралдары

  Бұл курстың мақсаты үлкен көлемдегі құрылымдық және құрылымдалмаған деректерді өңдеуге арналған құралдардың, тәсілдер мен әдістердің жиынтығын оларды әрі қарай пайдалану үшін ұсыну болып табылады. Оқыту нәтижесінде магистрант үлкен көлемді деректерді талдау және сақтау әдістерін, үлкен деректерді өңдеудің өмірлік циклінің кезеңдерін, үлкен деректерді өңдеу және талдау үшін ең қолайлы тілдерді, сақтау мен қол жеткізуді ұйымдастыру жолдарын білуі керек. үлкен деректерге; деректерді талдау элементтерін орындау және нәтижелерді интерпретациялау, SQL және NoSql деректер базасының сипаттамаларын ажырата білу, MapReduce парадигмасында алгоритмдерді тұжырымдау, үлкен деректерді талдаудың қолайлы құралын таңдау, үлкен деректерді сақтаудың қолайлы технологиясын таңдау.; үлкен деректерді талдаудың математикалық әдістерін, тілдерді және компьютерлік өңдеу әдістерін меңгеру.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Power BI көмегімен деректерді визуализациялау

  Бұл курстың мақсаты әр түрлі деректер көздерін біртұтас, интерактивті есептерге айналдыру үшін бірге жұмыс істейтін Microsoft бағдарламалық қамтамасыз ету қызметтерінің жиынтығы Power BI принциптері мен құрылымын үйрену болып табылады. Бұл жағдайда дереккөз дерекқорлар, Excel файлдары, бұлттық көздерден және Интернеттен алынған деректер, мәтіндік файлдар және т.б. болуы мүмкін. Нәтижесінде, оқушы Power Query құрылымын, ETL, M тіл синтаксисін, сүзгі контекстін, жол мәтінмәнін және Кеңейтілген DAX формулаларын білуі керек. DAX көмегімен реляциялық деректер үлгісін, пайдалы үлгілерді жасай алу. Power BI жүйесінде интерактивті бақылау тақталарын құру және олармен жұмыс істеу, іскери сұраулар үшін деректерді визуализациялауды түсіну, есептермен ынтымақтастық орнату және оларды жекелендіру дағдыларына ие болыңыз.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Қаржылық инжинирингтегі нейрондық желіні модельдеу және болжау

  Қаржы активтерін талдау және басқару және бағалы қағаздар портфелін оңтайландыру үшін математикалық және есептеу құралдарын әзірлеу. Нейрондық желілерді қаржылық уақыт сериялары деректерін болжау (акция бағалары, валюта бағамы және тауар бағасы), несиелік тәуекелді бағалау және алаяқтықты анықтау үшін қолдану. Курсты зерделеу нәтижесі үлкен көлемдегі нарықтық мәліметтерді өңдеу және заманауи қаржы нарығында шешімдер қабылдау мүмкіндіктерін арттырады. Магистрант білу тиіс: бағалы қағаздар портфелін басқарудағы ағымдағы үрдістер, соның ішінде жойылу теоремалары, акциялардың кірістілігін болжау әдістері, облигациялардың жіктелуі немесе несие рейтингін тағайындау. Істей білу: әртүрлі қаржылық және қаржылық емес мәліметтерді өңдеу арқылы жеке тұлғалардың немесе кәсіпорындардың несиелік қабілетін бағалау, қаржылық операциялардағы ауытқулар мен әдеттен тыс заңдылықтарды анықтау.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 6
  

• Дифференциалдық ойындар теориясы және статистиканың сандық әдістері

  Бұл курстың мақсаты, студенттерге дифференциалды ойындар теориясы мен сандық статистикалық әдістер аумағында дерін білім және қолданушы қабілеттерді ұсынуға болады. Студенттер дифференциалды ойындардың теориялық негіздеріне, стратегиялық әрекеттерді моделдеу, оптималды басқару және кедергіштік шарттарда шешімді қабылдау туралы теориялық білім алға мүмкіндікке ие болады. Сонымен қатар, олар статистикалық деректерді талдау үшін қолданылатын негізгі сандық әдістерді, соның ішінде регрессия, кластерлеу, жіктеу және уақыттық қатарларды талдау әдістерін меңгереді. Курстың нәтижелері дифференциалды ойын үлгілерін әзірлеуге және сандық статистикалық әдістерді экономика, менеджмент, қаржы, әлеуметтік ғылымдар және басқа да көптеген салаларда қолдануды қамтиды.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 6
  

• Графтардағы кері есептердегі машиналық және терең оқыту

  Курстың мақсаты – графиктер бойынша бөлінген параметрлердің шектеулі саны бар кері есептердің теориялық негіздерін зерттеу, содан кейін байқалған деректер негізінде белгісіз параметрлерді, сигналдарды немесе құрылымдарды бағалау. Проблемалық мәлімдемелер кері есептер теориясына жаңа тәсілдер тұрғысынан олардың биологиялық желілерде қолданылуын кеңейту мақсатында мұқият таңдалған. Курстың нәтижесі – нақты графиктік желілер, регуляризация және графа Лаплациан, графиктердегі қысылған өлшеу, терең генеративті модельдер сияқты графиктер бойынша кері есептерді шешудегі заманауи тенденциялар. Магистрант графиктердегі жүйелердің басқарылатындығы туралы теоремаларды, жауап операторлары туралы теоремаларды, топологияны және график жиектерінің ұзындықтарын қайта құруды білуі керек. Магистрант шекаралық бақылау әдісін және рекурсивті әдісті меңгеруі, компьютерлік іске асырумен графиктер бойынша көзді қалпына келтіру алгоритмдерін құруы керек.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Инвестициялық жобалау әдістері

  Пәннің мақсаты – магистранттардың шаруашылық жүргізуші субъектінің инвестициялық тартымдылығына жүйелі зерттеулер жүргізу және экономикалық-математикалық модельдер негізінде инвестициялық жобаны басқарудың жүйелік шешімдерін әзірлеу бойынша жалпы дағдыларын дамыту. Нәтижесінде магистрант инвестицияның экономикалық мәні мен түрлерін, инвестициялық жобаларды модельдеу және болжау әдістерін білуі керек. Инвестициялық жобаларды басқару әдістерін қолдана білу, инвестициялық процесті дамыту және басқару мәселелерін шешудің себептері мен әдістерін тұжырымдау және дәлелдеу. Инвестициялық процесті ресми сипаттау дағдыларына ие болыңыз. Басқару шешімдерінің нұсқаларын құру және инвестициялық дизайнды оңтайландыру үшін ең жақсысын таңдауды негіздеу мүмкіндігі бар.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 6
  

• Көп өлшемді статистикалық талдау

  Бұл курсты оқу барысында тыңдаушылар шешім қабылдаудың ықтималдықты-статистикалық әдістері, Байестің жалпыланған формуласы, Вальданың тізбектес анализ әдісі, минималды тәуекел, үлкен шынайылық, минимакс, Нейман-Пирсонның ықтималдықты-статистикалық әдістері негізгі ұғымдармен танысады. Байес әдісінің практикалық қолданылуының ннегізгі есептері зерттеледі.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Белгісіздік жағдайында модельдеу және тәуекелдерді басқару

  Пәннің мақсаты – студенттердің белгісіздік және тәуекел жағдайында экономика мен бизнесте шешім қабылдау теориясы мен әдістерін оқып үйрену және меңгеру. Стандартты математикалық тәуекел модельдерін білу. Тәуекелдік жағдайларды сипаттау негізінде стандартты математикалық тәуекел модельдерін құра білу, алынған нәтижелерді талдау және мағыналы интерпретациялау. Тәуекел және белгісіздік жағдайында мәселені шешу дағдыларын меңгеру.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Монте-Карло әдісі және оның қолданылуы

  Магистранттарға кездейсоқ шамалардың үлестірім сипаттамаларын есептеу мақсатында, оны модельдеуге Монте-Карло әдісінің қолданысын түсіндіру. Монте-Карло әдісінің жалпы схемасымен таныстыру және әдістің қателігін бағалауды меңгерту. Интегралдарды Монте-Карло әдісімен есептеу мен олардың дисперсияларын төмендету жолдарын іске асыруды қарастыру.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Актуарлық математиканың стохастикалық модельдері

  Сақтандыру компанияларындағы белгісіз болашақ оқиғаларды және олардың қаржылық салдарын талдау және болжау үшін стохастикалық үлгілерді әзірлеу. Курсты оқудың нәтижесі компанияның табыстылығы мен тәуекелін бағалау және басқару мүмкіндіктерін кеңейту болып табылады. Магистрант өмірді сақтандыру процесінде өмір сүрудің стохастикалық үлгілерін білуі керек, мысалы, Вейбулл және Гомперц-Макехам үлестірімдері, шағымдар санын модельдеуге арналған Пуассон үлестірімдері, резервтік үлгілер және өлімді азайту модельдері. Магистрант қайта сақтандыру механизмдерін оңтайландыру, сақтандырушының тәуекелге тәбеті мен капиталды басқару мақсаттары негізінде қайта сақтандырушыларға тәуекелдерді берудің оңтайлы деңгейін анықтауды білуі керек.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 6
  

• Имитациялық модельдеу және ЖҚКЖ

  Осы курсты оқу барысында тыңдаушылар жаппай қызмет көрсетудің ұқсастық моделі, объектінің құрылымы мен іс-әрекетін модельдеу, имитациялық модельдеуді құру этаптары, модельдеу программасының универсал құрылымының негізгі әдістерімен танысады. Имитациялық әдістің қолданысына негізгі есептер.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 6
  

Профессии

Оқыту нәтижелері

• Негізгі дүниетанымдық және әдістемелік мәселелерді, соның ішінде ғылым дамуының заманауи кезеңінде пайда болатын пәнаралық сипаттағы мәселелерді талдайды және кәсіби қызметте пайдаланады
• Заманауи педагогикалық технологияларды және коммуникативті дағдыны игере білу
• Кәсіби және жеке өзін-өзі тәрбиелеуді жүзеге асыру, одан әрі білім беру бағыттары мен кәсіптік мансапты дамыту; кәсіби қызмет мәселелерін шешу үшін орыс, қазақ және шет тілдерінде ауызша және жазбаша түрде кәсіби қарым-қатынас жасау; әлеуметтік, этноконфессиялық және мәдени ерекшеліктерді ескере отырып, білім беру үдерісіне қатысушылармен және әлеуметтік серіктестермен өзара әрекеттесуге, ұжымды басқаруға дайындығын көрсету.
• Байес және Монте-Карло әдісін қолдану арқылы статистикалық мәліметтерді талдау және динамикалық жүйелерді басқару дағдыларын қолдану, статистиканың сандық әдістері мен имитациялық моделдеу әдістерін меңгеру, іргелі және қолданбалы ғылымдардың дамуының алдыңғы қатарын анықтайтын жаратылыстану ғылымдарының мәселелерін зерттеу.
• Python және R жоғарғы деңгейлі тілдерін қолданып, заманауи компьютерлерде әртүрлі қолданбалы есептерді әзірлеу, тексеру және шешуде практикалық дағдыларды қолдана білу, ақпаратты сақтауға және жылдам өңдеуге арналған аппараттық және бағдарламалық құралдар жиынтығын білу, Big Data технологиясын және статистикалық деректерді талдау және визуализациялау үшін заманауи бағдарламалық құралдарды меңгеру.
• Негізгі және қолданбалы математиканың маңызды мәселелерін жасанды интеллектіні машиналық және терең оқытуды және нейрондық желіні модельдеуді қолдана отырып, экономика мен қаржының өзекті мәселелерін талдау, тұжырымдау және шешу.
• Актуарлық процестерді стохастикалық модельдеу, сондай-ақ тәуекелдерді және инвестициялық жобаларды басқару алгоритмдері бойынша теориялық білімді дамыту, күрделі эконометриялық модельдерді құру дағдыларын меңгеру, сонымен қатар көп нұсқалы статистикалық талдау принциптерін білу және түсіну.