6B06107 Наука о данных в КазНУ им. аль-Фараби

Целью освоения дисциплины “Математика-1” является изучение методов, задач и теорем математического анализа и теорий вероятностей, овладение умениями их применения к решению задач прикладной математики и информатики.

Цель дисциплины состоит в формировании способности разрабатывать прикладные программы с использованием методологии, основных парадигм и современных языков программирования. Общая характеристика языков программирования. Базовые конструкции современных языков программирования (С++, С#).

Цель - сформировать навыки использования технологии организации и управления научными исследованиями в профессиональной деятельности. Изучение дисциплины направлено на развитие навыков планирования организации научного исследования, навыков процедур поиска в глобальных сетях информации по научным разработкам, возможностям научных контактов, подачам заявок на научные гранты различных уровней.

Цель дисциплины сформировать знания о закономерностях взаимодействия живых организмов со средой обитания, функционирования биосферы, основ обеспечения безопасности жизнедеятельности человека от вредных, поражающих факторов, способов защиты от опасностей, мероприятий по ликвидации последствий аварий, катастроф, стихийных бедствий, охране окружающей среды и рациональному природопользованию.

Цель: формирование практических навыков осуществления предпринимательской деятельности на основе изучения теории и практики предпринимательства. Студент будет способен: использовать возможности рынка, соответствующие их личным интересам и способностям; принять первоначальное решение о начале бизнеса; эффективно работать в рамках действующих правовых норм; определять и оценивать потенциальные рыночные возможности стартапа.

Цель дисциплины - сформировать у будущих специалистов компетенцию применения своих профессиональных знаний, пониманий и способностей в целях укрепления единства и солидарности страны, повышения интеллектуального потенциала общества. Будут изучены: понятие об учении Абая; источники учения; составные части учения Абая; категории учения Абая; измерительные приборы учения Абая; сущность и значение учения Абая.

Цель дисциплины: формирование высококвалифицированных специалистов в совершенстве знающих нормы антикоррупционного законодательства и умеющих применять их в правоприприменительной практике, правильно квалифицировать коррупционные правонарушения, а также формирование антикоррупционной культуры. Будут изучены: антикоррупционное законодательство, система и деятельность субъектов противодействия коррупции, причины и условия, способствующие коррупции, антикоррупционная политика, международный опыт борьбы с коррупцией

Цель дисциплины – формирование у студентов представлений о научно-философском наследии великого тюркского мыслителя Абу Насра аль-Фараби в контексте развития мировой и национальной культуры. Будут изучены особенности наследия аль-Фараби и его влияние на формирование тюркской философии, характер влияния восточной философии на Европейский Ренессанс; традиционные и современные проблемы истории национальной и мировой философии.

Цель дисциплины состоит в формировании способности использовать ключевых технологий в области науки о данных и аналитики, включая интеллектуальный анализ данных, машинное обучение, методы визуализации, прогнозное моделирование и статистику. Математический инструментарий науки о данных. Программный инструментарий науки о данных. Машинное обучение: обучение с учителем. Машинное обучение: обучение без учителя.

Цель дисциплины состоит в формировании способности использовать знания алгебры и дискретной математики в прикладных задачах. Комплексные числа. Матрицы и определители. Системы линейных алгебраических уравнений. Многочлены. Множества и отношения и операции над ними. Элементы теории чисел и комбинаторики, элементы теории графов и булевые функции.

Цель курса ознакомить студентов с классическими и современным состоянием содержания предмета «Алгоритмы и структуры данных», а также приложениями содержания предмета к различным задачам, показать взаимосвязь между алгоритмами и структурами данных, которые обрабатывают эти алгоритмы.

Цель дисциплины состоит в формировании способности работать со структурами и механизмами различных операционных систем, а также в операционной системе Linux. Linux. Функции и архитектурные требования к ОС. Общие принципы управления ресурсами. Процессы. Архитектура файловых систем. Управление памятью. Управление вводом.

Цель курса состоит в формировании способности разрабатывать и внедрять компоненты систем искусственного интеллекта для повышения скорости и качества обработки данных и принятия решений. Базовые понятия искусственного интеллекта. Интеллектуальные агенты. Байесовская теория принятия решений. Параметрические методы. Задача кластеризации. Непараметрические методы. Деревья решений.

Цель дисциплины состоит в формировании способности осуществлять концептуальное, логическое и физическое проектирование баз данных; использовать языки создания запросов для организации и управления данными. В рамках дисциплины рассматриваются следующие аспекты: Абстракция данных и введение в управление данными. Инфологическое моделирование и модель «сущность-связь». Даталогическое проектирование и реляционная модель данных. Язык манипулирования данными SQL. Проектирование и тестирование реляционной базы данных. Обеспечение целостности данных. Данные в нереляционной форме и знания. Современные технологии доступа к данным.

Цель дисциплины состоит в формировании способности профессиональной компетенции в области разработки и использования систем обработки и анализа больших массивов данных. Введение в Big Data Modeling. Обзор в значение и компетенции данных. Управление процессами. Анализ больших массивов. Использование систем обработки.

Цель дисциплины состоит в формировании способности обосновывать, проектировать и применять технологию блокчейна в практической работе. Архитектура программного обеспечения и ее связь с технологией блокчейна. Различные способы определения технологии блокчейна. Проектирование блокчейна. Основные концепции управления правом владения с помощью блокчейна. Документирование права владения. Хэширование данных. Защита хранимых данных.

Цель дисциплины состоит в формировании способности у студентов применять основные подходы в интеллектуальном анализе данных и разработке алгоритма для решения аналитических задач. Основы анализа данных. Сбор и обработка данных. Поиск выбросов и аномалии. Регрессионный анализ. Линейная регрессия. Полиномиальная регрессия.

Цель дисциплины состоит в формировании способности применять методы поиска оптимальных решений на основе математического моделирования и различных эвристических подходов решения практических задач. Методы математического программирования. Понятие о выпуклых множествах. Теоремы о выпуклых множествах. Общая задача линейного программирования. Основные теоремы линейного программирования.

Цель дисциплины состоит в формировании способности использовать библиотеки, актуальные и полезные для НЛП в Python. Обзор пакетов Python, связанных с NLP. Введение в NLP. Простая обработка текста. Обработка сложных конструкций. Естественный. Машинные переводы (статистические, основанные на правилах, буквальные и т. д.) NLP в Python в примерах.

Цель дисциплины состоит в формировании способности осуществлять выбор приемлемого метода машинного обучения для решения конкретной задачи анализа данных, выполнять предобработку данных, настройку параметров метода анализа и интерпретацию полученных результатов. Введение в машинное обучение. Логические методы: решающие деревья и решающие леса.

Цель дисциплины состоит в формировании способности организации и проведения статистического наблюдения, статистическими методами обработки и анализа статистических данных. Введение в статистику. Предмет, метод и задачи статистики. Этапы проведения и программно-методологические вопросы статистического наблюдения. Формы, виды и способы организации статистического наблюдения.

Цель дисциплины состоит в освоении базовых знаний и навыков, охватывающих области информационной безопасности, технологии и методы защиты данных. Информационная безопасность. Классификация компьютерных преступлений. Пользователи и злоумышленники в Интернет. Защита от компьютерных вирусов. Признаки заражения компьютера. Средства противодействия угрозам безопасности. Архитектура управления безопасностью ИТ-среды.

Цель дисциплины состоит в формировании способности знать основы в основополагающих элементах теории и систем науки о данных, включая преобразования данных, системы баз данных и практические конвейеры обработки данных. Основные понятия технологий сбора и систематизации данных. Предобработка данных, визуализация, первичный статистический анализ. Корреляционный и регрессионный анализы.

Цель дисциплины состоит в формировании способности использования программных средств технологий анализа данных при решении задач интеллектуальной поддержки управленческих решений. Функции бизнес-аналитики: идентификация, моделирование, прогнозирование, оптимизация решений, анализ чувствительности. Методы бизнес-аналитики. Платформы бизнес-интеллекта (Business Intelligence, BI). Методики обнаружения нового знания в хранилищах данных (KDD). Аналитические приложения в корпоративных информационных системах.

Цель дисциплины состоит в формировании способности управления компанией и управления производственной, маркетинговой, инновационной, кадровой и финансовой деятельности предприятия на основе методологии бизнес-процесса управления. Эволюции концепции бизнес-процесса подхода к управлению.

Цель дисциплины состоит в формировании способности создания и использования информационных технологий нового поколения, предназначенных для экономически эффективного извлечения полезной информации из больших объемов разнообразных данных путем высокой скорости их сбора, обработки и анализа для обеспечения информационно-аналитической деятельности, поддержки принятия решений, а также создания инновационных продуктов и услуг в целях повышения эффективности управления и конкурентоспособности организаций любых отраслей экономики.

Цель дисциплины состоит в формировании способности построения систем реляционных баз данных, принципах проектирования структур БД на основе (Oracle, PL SQL), методах приведения структур БД к нормальным формам, изучение основ языка SQL и выполнение основных операций по работе с данными.

Цель дисциплины состоит в формировании способности обеспечить механизм полнотекстового поиска и анализа в реальном времени с открытым исходным кодом. Функциональные возможности Elastic Stack. Об эффективном построении конвейеров данных, позволяющих загрузить в Elasticsearch и Logstash терабайты и петабайты информации для поиска и логирования.

Цель дисциплины состоит в формировании способности применять концепции, технологии, архитектуры и приложения облачных вычислений для исследования и решения современных фундаментальных задач. Основные тенденции развития облачных вычислений и технологий. Архитектура «облачных» технологий. Способы и особенности проектирования «облачных» сервисов. Основные модели предоставления услуг облачных вычислений.

Цель дисциплины состоит в формировании способности применять глубокие нейронные сети для решения задач, требующих больших вычислительных ресурсов. Устройство глубоких нейронных сетей. Архитектуры сетей. Существующие программные системы для глубокого обучения. Оценка качества обучения. Задача компьютерного зрения.

Цель дисциплины в формировании способности создавать рекомендательные системы на основе языка программирования Python. Python, быстрый старт: типы данных, функции, циклы, классы, ошибки. Библиотеки для анализа данных: Pandas, Numpy, Matplotlib, Plotly. Знакомство с машинным обучением. Этапы построение ML системы.

Цель дисциплины состоит в формировании способности у обучающихся знаний по применению методов предиктивной аналитики для прогнозирования будущего поведения объектов и. субъектов в бизнес-сфере. Big Data и традиционные выборки. Классификатор инструментов предиктивной аналитики по типу решаемой задачи.

Цель дисциплины состоит в формировании способности освоения теоретических основ моделирования бизнес-процессов, знакомство с методами анализа бизнес-процессов, а также получение знаний в области управления бизнес-процессами в банковских процессах.

Цель дисциплины состоит в представления концепций и пакетов Python, которые полезны для решения прикладных задач подготовки данных, применения методов машинного обучения и построения нейронных сетей. Пакеты NumPy, SymPy, Pandas. Визуализация данных: Matplotlib, seaborn, plot.ly. Git/GitHub. Рекомендации по стилю кодирования. Реляционные базы данных. SQL запросы.

Цель дисциплины состоит в формировании способности оперировать возможностями инструментов для проведения бизнес-анализа и построения визуальных моделей данных для анализа состояния бизнеса. Введение в бизнес-аналитику и визуализацию данных. Большие данные в торговле. Безопасность больших данных. Большие данные в банковском деле. Большие данные в рейтинговой системе.

Цель дисциплины состоит в формировании способности запускать несколько инструкций одновременно с использованием параллельной обработки. Введение в параллельную обработку. Две типичные аппаратные платформы: многоядерные машины и кластеры. Принципы планирования параллельного цикла. Все возможные регрессы, улучшенная версия. Парадигма передачи сообщений.

Цель дисциплины состоит в формировании способности применять, основные методы и средства проектирования Интернет банкинга/мобильного банкинга с использованием объектно-ориентированного подхода и реализации ее с различными СУБД. Объектно-ориентированный анализ Интернет банкинга/мобильного банкинга. Основные элементы ООП: абстрагирование, инкапсуляция, модульность, иерархия, типизация, параллелизм, устойчивость

Цель дисциплины является изучение современных методологий и технологий создания облачных программных средств; математических основ систем реального времени, принципов организации современных облачных сервисов и систем, которые можно применить при разработке и исследовании нового программного обеспечения. Введение в сервис-ориентированные технологии. Понятие «Облака». Концепция облачных сервисов.

Анализировать данные путем соответствующей подгонки, оценки, визуализации и интерпретации различных статистических моделей, использовать статистические методы, применять стандартные пакеты статистического программного обеспечения.

Внедрять и применять передовые методы интеллектуального анализа данных с помощью соответствующих инструментов, оценивать и сравнивать пригодность, масштабируемость и эффективность различных методов в практических условиях, выполнять полный цикл интеллектуального анализа данных, решать практические задачи интеллектуального анализа данных.

Анализировать особенности социальных, политических, культурных институтов в контексте их роли в модернизации казахстанского общества, описывать этапы становления независимой казахстанской государственности в контексте всемирного и евразийского исторического процесса

Владеть необходимым и достаточным уровнем коммуникативной компетенции для активного применения иностранного языка, как в повседневном, так и в профессиональном общении, работать в команде, толерантно воспринимая социальные, этнические и культурные различия, критически оценивать свою деятельность, деятельность команды.

Конфигурировать операционную систему, применять сетевые протоколы передачи данных, механизмы и методы защиты вычислительных ресурсов от атак, определять источники данных, адаптировать масштабируемую вычислительную инфраструктуру для решения различных классов задач анализа данных.

Моделировать логические структуры данных, определяя состав данных, структуру и источники данных, обеспечивая защиту данных, использовать процесс сбора данных для обеспечения полноты и взаимосвязанности данных из разных источников и для выработки решений по оптимизации хранения и обработки данных.

Нести профессиональную и этическую ответственность в таких областях, как цитирование и владение данными, безопасность и конфиденциальность данных, последствия и проблемы конфиденциальности анализа данных.

Определять четкие требования к задаче, проводить декомпозицию задачи, использовать эффективные стратегии для получения алгоритмического решения, реализовывать решения посредством программирования на подходящем языке высокого уровня, оценивать и сравнивать различные алгоритмы анализа данных.

Применять методы математического анализа, теории вероятностей, алгебры и дискретной математики, статистические вычисления и принципы оптимизации для правильного формулирования и решения задач анализа данных.

Разрабатывать и внедрять компоненты систем искусственного интеллекта для повышения скорости и качества обработки данных и принятия решений, разрабатывать, внедрять и использовать различные представления данных для классификации и регрессии, определять подходящие инструменты и методы для решения основных классов задач машинного обучения, включая методы глубокого обучения.

Устанавливать критерии выбора адекватной масштабируемой технологии управления данными на основе заданных критериев, настраивать базу данных для достижения наилучшей производительности, адекватно учитывать аспекты безопасности в базах данных, выбирать и использовать технологии облачных служб данных, обобщать основные принципы и возможности управления виртуализированными и распределенными данными.

Оценивать технологические возможности и инновации, основанные на больших данных, оценивать масштаб данных и скорость выполнения приложений на нескольких уровнях масштабирования, применять методы и инструменты экосистемы больших данных.