6B06108 Наука о данных и Машинное обучение в МУИТ (IITU)

Управление жизненным циклом разработки программного обеспечения

Изучить методологические основы разработки программ и практические навыки программирования.

Изучать основные законы классической механики, специальной теории относительности, электромагнитных явлений, квантовой механики, термодинамики в поисках путей решения физических задач

Знание математического аппарата в виде матриц, интегралов, линейных зависимостей

Знать разные типы и виды алгоритмов. Применять полученные знания в процессах создания блок-схем различных алгоритмов

Цель курса ознакомить студентов с важными отраслями исчисления и его применениями в компьютерных науках. Во время учебного процесса студенты должны ознакомиться и уметь применять математические методы и инструменты для решения различных прикладных задач. Более того, они изучат фундаментальные методы исследования бесконечно малых переменных с помощью анализа, основу которого составляет теория дифференциальных и интегральных вычислений.

Уметь использовать язык программирования PHP, владеть основами базы данных MySQL и разрабатывать серверные клиентские веб-приложения

Использовать современные системы управления базами данных для создания баз данных

Дискреттік математика дискретті объектілерді зерттеуге арналған математиканың бір бөлігі болып табылады (мұнда дискретті құралдар, жеке немесе өзара байланысты емес элементтерден тұрады). Жалпы мағынада дискреттік математика объектілерді санағанда, ақырғы (немесе саналымды) жинақтар арасындағы қарым-қатынасдарды зерттеуге, ақырлы қадамды қамтитын үдерістерді талдағанда қолданылады. Дискретті математика маңызының өсуінің негізгі себебі есептеу машиналары ақпаратты дискретті түрде сақтайды және өңдейді.

По окончании курса студент должен знать основы среды программирования Python и R, включая фундаментальные методы программированияю, анализировать табличные данные, очищать их, манипулировать ими и выполнять базовые статистические анализы. Иметь навыки разрабатывать аналитические алгоритмы.

В курс входит: Инкапсуляция, наследование, полиморфизм. Создание классов. Создание полезных клиентских апплетов и автономных приложений, основываясь на реальных требованиях, которые студенты получают от реальных клиентов или работодателей.

По окончании курса студент должен знать основы вероятности и статистики для анализа данных, уметь анализировать и собирать данные, проводить анализ разведочных данных, случайных переменных, общие дискретные и непрерывные распределения, распределение выборки, оценка, доверительные интервалы, тесты гипотез, элементарное моделирование и бутстрапинг, методы распространения и использовать программное обеспечение для анализа данных

Дисциплина предназначена для ознакомления студентов с теоретическими и практическими основами построения и функционирования компьютерных сетей, привития культуры работы с сетевыми технологиями. Основное внимание в курсе уделяется следующим вопросам: целостное восприятие архитектуры информационной системы; предельные физические возможности сред передачи и вызванные ими ограничения передачи данных; современные реализации сетевого взаимодействия информационных систем.

Проектировать логические схемы баз данных с использованием реляционных, объектно-ориентированных, объектно-реляционных, ключ-значения схемы для простых и сложных систем

Курс предназначен для изучения алгоритмов и программ разработки для решения различных задач. Для этого рассматриваются программная структура, принципы построения алгоритмов и программ, методы решения, алгоритмизации, программирования, отладки и реализации программ с использованием языка программирования.

Изучать принципы построения, типы и функции операционных систем

Анализирует и использует современные подходы и инструменты в front-end и back-end разработках

По окончании курса студент должен знать концепции хранилищ данных и методов интеллектуального анализа данных, уметь обработать необработанные данные, чтобы сделать их подходящим для применения различных алгоритмов интеллектуального анализа данных. Обнаружить и измерить шаблоны из разных типов баз данных

Знать основные компоненты компьютера, включая CPU, ALU и блок управления, память, ввод-вывод и память, а также широкий спектр технологий памяти как внутренних, так и внешних.

По окончании курса студент должен знать: - разницу между проблеммами регрессии и классификации - основные алгоритмы машинного обучения с учителем уметь: - писать программный код алгоритмов машинного обучения с учителем - подготавливать и обрабатывать данные для алгоритмов машинного обучения иметь навыки: - программирования на языках Python и R - составления свои алгоритмов машинного обучения

Осуществовлять сборку конструкций роботов по заданным фукциональным требованиям

Основные методы и принципы защиты информации. Писать карты рисков организации, применяющей стандарты безопасности (ISO-27000)

По окончании курса студент должен знать: - способы классификации неструктуированных данных - основные алгоритмы машинного обучения без учителя уметь: - писать программный код алгоритмов машинного обучения без учителя - подготавливать и обрабатывать данные для алгоритмов машинного обучения иметь навыки: - программирования на языках Python и R - составления свои алгоритмов машинного обучения без учителя

По окончании курса студент должен знать: - свойства изображения, типы фильтров - методы выделения характеристик изображения уметь: - применять методы обработки и процессинга изображения иметь навыки: - программирования алгоритмов обработки изображений - выделения характеристик изображения как в программном виде, так и индивидуально

Изучить помехоустойчивые коды, учитывая информационный предел избыточности. Оценить ошибки дискретизации и квантования

Этот курс посвящен разработке деловых и корпоративных приложений с использованием технологий ориентированных на высокую производительность, эффективность и надежность при работе с данными.

Умение создавать системные программы для драйверов устройств, модулей стыков с нестандартным оборудованием

По окончании курса студент должен знать: - основные методы, технологии и алгоритмы глубокого обучения с учителем - разницу между глубоким обучением с учителем и без уметь: - разрабатывать и составлять свои алгоритмы глубокого обучения с учителем иметь навыки: - проектирования многослойных нейронных сетей для обработки данных разных типов

Использование облачных технологий для работы с инфраструктурами данных, инструментами обработки данных системами, инструментами обработки больших датасетов и приложений, а так же эффективное использование инфраструктуры Big Data и высокопроизводительных сетей с оценкой моделей сгенерированных из данных

Курс посвящен изучению деятельности, направленной на развитие у студентов способности к самостоятельным теоретическим и практическим суждениям и выводам, умений объективной оценки научной информации, свободы научного поиска и стремления к применению научных знаний в образовательной деятельности, в том числе для выполнения дипломного проекта (работы).

"Уметь пользоваться инструментальными средствами управления проектами на различных этапах жизненного цикла проекта, производить качественную и количественную оценку рисков проектов, определять эффективность проекта Совместная разработка программного обеспечения. Контроль версий, планирование, стадии процесса разработки"

По окончании курса студент должен знать: - свойства аудио и текстовых данных, типы фильтров - методы выделения характеристик аудио и текстовых данных уметь: - применять методы обработки и процессинга аудио и текстовых данных иметь навыки: - программирования алгоритмов обработки аудио и текстовых данных - выделения характеристик аудио и текстовых данных как в программном виде, так и индивидуально

Организационно -управленческие решения в нестандартных условиях и в условиях различных мнений и уметь считать экономические показатели.

Демонстрирование способности формулировать на математическом языке проблемы среднего уровня сложности, поставленные в нематематических терминах, и использовать превосходства этой переформулировки для их решения.

Понимание теоретических основ машинного обучения на уровне достаточном для проведения исследований в данной области, а также определение основных различий в анализах, которые могут быть вызваны проблемами регрессии, классификации, кластеризации и сокращения размерности.

Использование облачных технологий для работы с инфраструктурами данных, инструментами обработки данных системами, инструментами обработки больших датасетов и приложений, а также эффективное использование инфраструктуры Big Data и высокопроизводительных сетей с оценкой моделей сгенерированных из данных.

Использование инструментов для анализа и добычи данных, проводить анализ разведочных данных, случайных переменных, общие дискретные и непрерывные распределения, распределение выборки, оценка, доверительные интервалы, тесты гипотез, элементарное моделирование и бутстрапинг.

Применение алгоритмов для решения практических проблем, оптимизация моделей полученных в ходе обучения и предоставление информации об ожидаемой эффективности от применения моделей обучения.

Интерпретация результатов работы алгоритмов машинного обучения, измерение их надежности и обмен полученными данными с экспертами других сфер деятельности

Предложение и тестирование результатов работы модели машинного обучения, разработка и применение новых алгоритмов обучения модифицируя уже имеющиеся алгоритмы.

Использование эффективных методов визуализации и толкования для создания панелей данных и аналитических отчетов

Способность быть компетентным в вопросах профессиональной деятельности, связанных с решением дифференциальных уравнений с применением операционного исчисления. Уметь составлять математические модели электрических цепей; выполнить математические расчеты на компьютере с использованием МО.

Самоостоятельно разносторонне и критически анализировать современные источники, делать выводы, аргументировать их и на основании информации принимать решения.