7M06104 Вычислительные науки в Astana IT University
-
Цель образовательной программы Цель образовательной программы – обеспечить подготовку высококвалифицированных научных и прикладных специалистов и программных инженеров по направлению моделированию, алгоритмов и анализа данных большого объема, а также руководителей и управленцев программно-информационных систем для отрасли информационных технологий и междисциплинарных отраслей, связанных с защитой и обработкой данных в различных секторах экономики Республики Казахстан.
-
Академическая степень Магистратура
-
Языки обучения Английский
-
Название ВУЗа Astana IT University
-
Срок обучения 2 года
-
Объем кредитов 120
-
Группа образовательных программ M094 Информационные технологии
-
Область образования 7M06 Информационно-коммуникационные технологии
-
Направление подготовки 7M061 Информационно-коммуникационные технологии
-
Математика для вычислительных наук
Кредитов: 5Данная дисциплина охватывает введение в математические курсы необходимые для освоения специализированных дисциплин вычислительных наук, основанных на численных решениях детерминированных и вероятностных уравнений математической физики и прикладных моделях, используемых на техническом производстве и финансовом секторе, а именно, теорию обыкновенных дифференциальных уравнений, их типизацию и базовые методы аналитического решения и введение в дифференциальные уравнения в частных производных.
Год обучения - 1
Семестр 1
-
Высокопроизводительные вычисления
Кредитов: 5Целью дисциплины является изучение фундаментальных методов разработки приложений, часто используемых платформ высокопроизводительных вычислений , методов измерения, оценки и анализа производительности высокопроизводительных приложений, а также роли администрирования, управления рабочей нагрузкой и ресурсами в управлении высокопроизводительными вычислениями. Студенты познакомятся с вопросами, связанными с использованием технологий при решении крупных научных задач.
Год обучения - 1
Семестр 1
-
Иностранный язык (профессиональный)
Кредитов: 4Целью курса является формирование иноязычной профессионально - ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.
Год обучения - 1
Семестр 1
-
Психология управления
Кредитов: 4Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально - психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.
Год обучения - 1
Семестр 1
-
Педагогика высшей школы
Кредитов: 4Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.
Год обучения - 1
Семестр 1
-
История и философия науки
Кредитов: 4Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.
Год обучения - 1
Семестр 1
-
Введение в нейронные сети
Кредитов: 5Данная дисциплина предполагает изучение разделов математики и информатики, необходимых для введения в теорию машинного обучения и ее раздел теорию глубокого обучения, основанного на алгоритме обратного распространения ошибки, которая позволяет системе ИИ самообучаться. Данный раздел содержит в себе задачи распознавания изображения, генерации изображений и 3D, распознавание текстов, звуков и т.д и является одним за самых распространенных направлений в современном машинном обучении.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Гетерогенная параллелизация
Кредитов: 5Дисциплина поможет понять, использовать и спроектировать новейшие параллельные и гетерогенные системы. В ней студенты узнают, как работают современные системы, и рассмотрят недавние исследования в этой области, рассмотрят как аппаратные, так и программные аспекты, от компьютерной архитектуры до моделей программирования. Они будут иметь целостное представление о том, что успешные подходы должны учитывать как аппаратное, так и программное обеспечение.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Теория адаптивных расчетных сеток
Кредитов: 5Данная дисциплина посвящена методам построения неструктурированных и структурированных сеток адаптирующихся к определенным свойствам области и их использования для решения численных задач на данных областях. Рассматриваются такие методы структурированных сеток, как методы эквираспределения, метод Томпсона, и такие методы неструктурированных сеток, как триангуляция Делоне, диаграмма Вороного.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Марковские цепи и процессы принятия решений
Кредитов: 5Данная дисциплина предполагает изучение Марковских цепей, в которых каждый элемент полностью определен предыдущим. Данные цепи широко используются в постановке задач привязки искусственного интеллекта к поведению агента в определенной среде, например, робота в реальном окружении, на чем, например, основывается обучение с подкреплением. В результате изучения дисциплины студент должен знать: методы построения вероятностных моделей описывающих стохастическую динамику процессов; системы массового обслуживания; уметь устанавливать свойства решений стохастических систем.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Методы дробных шагов
Кредитов: 5Данная дисциплина направлена на изучение некоторых подходов метода конечных разностей, а именно методов дробных шагов для решения краевых задач для дифференциальных уравнений в частных производных. К таким методам относятся методы переменных направлений, стабилизирующей поправки, продольно-поперечной прогонки и т.д. По усвоении дисциплины студент должен знать: основные методы дробных шагов, алгоритмы итеративного решения краевых задач для параболических и эллиптических уравнений; уметь: решать практические задачи с помощью описанных методов, исследовать на сходимость решения и т.д.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Численные методы и компьютерное моделирование
Кредитов: 5Данная дисциплина предполагает изучение основ численных методов в области моделирования физических процессов, включая алгебраические численные методы, численное интегрирование и численное решение дифференциальных уравнений в частных производных, в ней изучается также введение в методы конечных разностей.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Генетические алгоритмы
Кредитов: 5Данная дисциплина направлена на изучение генетических алгоритмов. Такие алгоритмы интересны для вычислительных экспериментов, дающих понимание развития сложных структур, зависящих от простых параметров, а так же могут работать для улучшения эффективности классических алгоритмов.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Введение в уравнения с частными производными
Кредитов: 5Данная дисциплина предполагают изучение основ дифференциальных уравнений с частными производными, их типы и некоторые методы аналитического решения таких уравнений. По изучении дисциплины студент должен знать: типы дифференциальных уравнений с частными производными; концепции аналитических и численных решений; базовые методы аналитического решения уравнений в частных производных; уметь: определять тип уравнения; определять и применять простые методы аналитического решения уравнения.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Алгоритмы в теории графов
Кредитов: 5Дисциплина «Алгоритмы в теории графов» предполагает изучение основных понятий графа: связности, поиска путей в графе, понятий дерева и алгоритмов связанных с деревьями, задач размещения, паросочетаний и потоков, а так же распространенные алгоритмы по решению данных задач.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Прикладные математические модели
Кредитов: 5Данная дисциплина посвящена распространенным математическим моделям, используемым на производстве, и их решению с использованием численных методов. По освоении дисциплины студент должен знать: базовые математические модели такие, как "хищник-жертва", уравнение теплопроводности и т.д.; базовые модели гидродинамики, фильтрации, химических реакций; уметь: аппроксимировать и иссследовать на сходимость модели; применять основные численные методы для решения прикладных задач.
Год обучения - 1
Семестр 2
-
Цифровая геометрия
Кредитов: 5Данная дисциплина направлена на изучение методов программного представления геометрических объектов с использованием продвинутых инструментов объектно-ориентированного программирования и проектирования для их дальнейшего использования при изучении сложных алгоритмов двумерной и трехмерной геометрии.
Селективная дисциплина
Год обучения - 1
Семестр 2
-
Обучение с подкреплением
Кредитов: 4Этот курс познакомит студентов с основами обучения с подкреплением. По окончании этого курса студент будет способен: Формализовать проблемы как марковские процессы принятия решений; Понимать основные методы разведки и компромисс между разведкой и эксплуатацией; Понять функции ценности как универсальный инструмент для принятия оптимальных решений; Знать, как реализовать динамическое программирование как эффективный подход к решению проблемы промышленного управления.
Год обучения - 1
Семестр 3
-
Стохастическое моделирование
Кредитов: 5Данная дисциплина посвящена основам стохастического моделирования, практическому применению методов Монте-Карло, решению стохастических дифференциальных уравнений, вероятностному моделированию для решения практических задач.
Год обучения - 1
Семестр 3
-
Квантовые вычисления
Кредитов: 5Данная дисциплина предполагает изучение методов квантовых вычислений и их преимущества по сравнению классическими методами вычислений. В курсе рассматриваются основные положения классической теории вычислительной сложности, гейтовая модель квантовых вычислений, универсальные наборы гейтов, алгоритмы квантовых вычислений основанные на квантовом преобразовании Фурье, в частности, алгоритм Шора, квантовые алгоритмы поиска, алгоритмы квантовой симуляции физических систем, введение в квантовую коррекцию ошибок и устойчивые к ошибкам вычисления, гибридные квантово-классические алгоритмы, в частности вариационные квантовые алгоритмы.
Год обучения - 1
Семестр 3
-
Генеративно-состязательные сети
Кредитов: 4Данная дисциплина посвящена новейшим методам генеративно-состязательных сетей, и их использованию для создания реалистичных изображений и трехмерных структур. По освоению дисциплины студенты должны знать: концепцию и организацию генеративной модели; концепцию и организацию дискриминативной модели; уметь: обучать генеративно-состязательные сети и генерировать с их помощью изображения, начиная от базовых рукописных цифр, до восстановления, коррекции, окрашивания фотографий; генерировать 3D.
Год обучения - 1
Семестр 3
-
Код ON6
Разрабатывать и проводить вычислительные симуляции вероятностных процессов из различных отраслей с использованием методов стохастического моделирования
-
Код ON1
Разрабатывать методы и алгоритмы вычислительной математики на основе аппроксимирования дифференциальных уравнений методами конечных разностей, объемов или элементов
-
Код ON5
Разрабатывать параллельные вычислительные алгоритмы для инженерных задач и реализовывать их в высокопроизводительных системах, разрабатывать алгоритмы квантовых вычислений
-
Код ON2
Проводить фундаментальный анализ вычислительных методов и разностных схем на сходимость и корректность, в том числе, в случае высокопроизводительных алгоритмов с использованием элементов математической логики и теории вычислимости
-
Код ON7
Использовать методы анализа данных в различных сферах производства, на реальных данных для подбора параметров, адаптации и тестирования вычислительных систем на основе реальных экспериментов
-
Код ON3
Решать вычислительные задачи со сложной геометрией областей, строя и используя корректные структурированные, криволинейные, неструктурированные расчетные сетки
-
Код ON4
Использовать методы интеллектуального анализа данных на основе глубокого обучения, обучения с подкреплением, генеративно-состязательных сетей для эффективного прогнозирования результатов
-
Код ON8
Проводить самостоятельные научные исследования, решая современные актуальные задачи, публикуя результаты в рейтинговых журналах и выступая на конференциях
7M06104 Вычислительная техника и программное обеспечение
МагистратураЕвразийский национальный университет им. Л.Н. Гумилева (ЕНУ им. Л. Н. Гумилева)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Математические методы защиты информации
МагистратураВосточно-Казахстанский технический университет имени Д. Серикбаева (ВКГТУ им. Д. Серикбаева)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Информатика
МагистратураПедагогический институт им. У.Султангазина (Костанайский региональный университет имени А.Байтурсынова)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Информационные системы и IT решения по отраслям (1,5 г.)
МагистратураКазахский агротехнический университет имени С.Сейфуллина (КазАТУ им. Сейфуллина)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский, Английский7M06104 Вычислительная техника и программное обеспечение
МагистратураУниверситет "Туран"
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Математические методы защиты информации
МагистратураВосточно-Казахстанский технический университет имени Д. Серикбаева (ВКГТУ им. Д. Серикбаева)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Компьютерные науки
МагистратураКазахский национальный университет имени аль-Фараби (КазНУ им. аль-Фараби)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский, Английский7M06104 Вычислительная техника и программное обеспечение (2г)
МагистратураУниверситет "Астана"
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Информатика
МагистратураКокшетауский государственный университет имени Ш.Уалиханова (КГУ им. Ш. Уалиханова)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Управление IT-проектами
МагистратураМеждународный университет информационных технологий (МУИТ (IITU))
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Английский7M06104 Прикладная информатика в дизайне
МагистратураАтырауский университет имени Халела Досмухамедова (АтГУ им. Досмухамедова)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский7M06104 Наука о данных
МагистратураУниверситет имени Сулеймана Демиреля
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Английский7M06104 Data engineering and security
МагистратураМеждународный университет Астана (AIU)
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский, Английский7M06104 Менеджмент в ИТ
МагистратураКазахстанско-Британский технический университет (КБТУ (KBTU))
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Английский7M06104 Разработка интеллектуальных приложений ПМ
МагистратураУниверситет Нархоз
ГОП: M094 Информационные технологии
Инновационная образовательная программа | Языки обучения: Русский, Казахский, Английский