8D06101 Информационные системы в КазНУ им. аль-Фараби
-
Цель образовательной программы Целью образовательной программы «8D06101 Информационные системы» является подготовка научных, научно-педагогических кадров в области информационных систем, способных проводить прикладные, экспериментальные исследования, руководить научными проектами, конструкторскими бюро, научными подразделениями, вести образовательную деятельность, презентовать научные достижения.
-
Академическая степень Докторантура
-
Языки обучения Русский, Казахский
-
Название ВУЗа Казахский национальный университет имени аль-Фараби
-
Срок обучения 3 года
-
Объем кредитов 180
-
Группа образовательных программ D094 Информационные технологии
-
Область образования 8D06 Информационно-коммуникационные технологии
-
Направление подготовки 8D061 Информационно-коммуникационные технологии
-
Методы проектирования информационных систем
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты:Цель и задачи дисциплины, ее роль и место в общей системе подготовки специалиста. Основные группы понятий: система, модель и моделирование, проект и проектирование, типы компьютерных систем (программная, автоматизированная, информационная, баз данных), методология и технология. Задачи и области применение ИС. Уточнение понятий «база данных» и «система управления базами данных».Общие понятия в области проектирования ИС Модель ANSI/SPARC. Классификации ИС. Файл-серверная и клиент-серверная архитектуры. Многозвенные архитектуры. Общий порядок проектирования ИС. CASE-средства, модели и нотации. Реляционная модель данных. Строгое определение понятия «модель данных». Обзор моделей данных. Компоненты реляционной модели данных. Логическая интерпретация понятий РМД. Критический обзор реализации РМД в стандарте SQL. Проблемы NULL. Транзакции. Определение. Свойства ACID. Журнал транзакций. Проблема параллельной обработки. Уровни изоляции. Блокировки и версионирование. Тупики. Длинные и короткие транзакции. Распределенные транзакции.Программирование серверных решений. Хранимые процедуры. Пользовательские функции. Триггеры. Представления.Обеспечение производительности. Индексы: B-деревья, кластерные и некластерные индексы. Обзор тематики оптимизации запросов. Обеспечение безопасности. Система безопасности на примере СУБД Microsoft SQL Server. Виды аутентификации. Авторизация. Цепочки владения.Обеспечение высокой доступности. Резервное копирование и восстановление. Репликация. Зеркалирование. Кластеры. Технологии построения отчетов. Встроенные инструменты. Компоненты. Технологии шаблонов. Промышленные средства.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Модели и методы управленческих задач ИС
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Предмет, объект, метод, цель и задачи дисциплины. Место и роль систем искусственного интеллекта в работе докторанта. Концептуальные основы искусственного интеллекта. Подходы к построению систем ИИ. Область применения. Инструментальные средства построения экспертных систем. Функциональная структура использования СИИ. Экспертные системы. Этапы построения ЭС. Объяснительные способности ЭС. Взаимодействие пользователя с ЭС. Основные режимы работы экспертных систем. Технология разработки экспертных систем. Планирование в интеллектуальных системах; Методы поиска решений в ЭС: поиск в пространстве состояний, редукция, дедуктивный вывод. Инженерия знаний. Знания и данные. Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Нечеткие знания. Извлечение знаний. Источники экспертных знаний, извлечение и структурирование знаний, стадии приобретения знаний, автоматизированное приобретение знаний. Представление знаний в интеллектуальных системах. Модели представления знаний в системах ИИ. Методы логического вывода: прямой и обратный. Стратегии выбора правил при логическом выводе.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Параллельные и распределенные системы баз данных и приложений
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Система управления базами данных в архитектуре «клиент-сервер». Архитектура - это «клиент-сервер». Открытая система. Клиенты и серверы сетей. Технология работы в архитектуре «клиент-сервер». Принципы сотрудничества между клиентскими и серверными частями. Преимущества протоколов удаленного вызова процедур. Up-diffusedbyDB. Цели или правила распределенных систем.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Проектирование паттернов приложений ИС
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: объектно-ориентированные методы обработки данных, теоретические основы и практические рекомендации по проектированию и разработке программных продуктов; основные типы шаблонов проектирования; наиболее распространенные шаблоны, их достоинства и недостатки; критерий применимости шаблонов в той или иной ситуации. Задачи методологии проектирования ИС. Компоненты проекта ИС. Заинтересованные стороны в создании ИС и роль системного аналитика. Архитектуры и технологии создания ИС.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Методы научных исследований
Кредитов: 3Цель дисциплины – формирование у докторантов способности к ведению исследовательской деятельности на основании анализа, систематизации и обобщения результатов научных исследований в области информационных технологии посредством применения комплекса исследовательских методов при решении конкретных научно исследовательских задач. В результате изучения дисциплины докторант будет способен: 1. самостоятельно осваивать и использовать новые методы исследования; 2. использовать знание современных проблем науки в области информационных технологии; 3. руководить исследовательской работой обучающихся; 4. анализировать результаты научных исследований, применять их при решении конкретных научно-исследовательских задач в сфере науки, самостоятельно осуществлять научное исследование; 5. использовать индивидуальные креативные способности для самостоятельного решения исследовательских задач Дисциплина «Методы научных исследований» ориентирована на освоение учащимися знаний о законах, принципах, понятиях, терминологии, содержании, специфических особенностях организации и управлении научными исследованиями. Задачи дисциплины: раскрытие прогрессивной сущности науки, научных направлений и научных результатов, ее необходимости для поступательного развития общества; знакомство с основными теоретическими положениями, законами, принципами, терминами, понятиями, процессами, методами, технологиями, инструментами, операциями осуществления научной деятельности; изучение методов планирования и организации научных исследований; знакомство с общей методологией научного замысла, творчества, общей схемой организации научного исследования, практикой использования методов научного познания в сфереинформационных технологии; изучение методов планирования и организации научных исследований.
Год обучения - 1
Семестр 1
-
Нейронные сети и их применение в практических задачах
Кредитов: 5Цель дисциплины: сформировать способность моделировать процессы по принципу организации и функционирования нейронных сетей для задач прогнозирования, распознавания образов, задач адаптивного управления. В рамках дисциплины рассматриваются следующие аспекты: модели искусственных нейронов, основы построения нейронных сетей, многослойный нейрон, модели и методы рекуррентных нейронных сетей, основы применения нейронных сетей, распознавание образов и классификация, машинное обучение.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Информационная экономика и информационные системы
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: основные положения экономико-математического моделирования, определение и характеристика модели, виды моделей, особенности математического моделирования, основные положения и определения макро и микро экономических теорий.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Управление ИТ проектами
Кредитов: 5Управление проектами информационных систем в современной организации приобретает все большую значимость. В рамках дисциплины рассматриваются следующие аспекты: понятие проекта, модели и методы управления проектами ИС, объекты управления, субъекты управления, процессы управления, вопросы практического применения информационных технологий в управлении проектами. Составление плана проекта; Управление рисками проекта; Финансовое обоснование проекта; Контроль и мониторинг; Управление расписанием; Основы теории ограничений; Управление интеграцией; Управление ресурсами; Методы управления качеством; Управление командой проекта; Мультипроектное управление и управление портфелем.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Прикладные направления интеллектуальных систем
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: модели морфологии слов, n-граммовая модель предсказания слов, модели и методы определения частей речи, модели и методы представления смысла, модели и методы интеллектуального анализа данных, модели и методы извлечение информации, машинный перевод.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Методы разработки программного обеспечения для информационных проектов
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Сложность реальной предметной области, сложность описания поведения больших дискретных систем, сложность управления коллективом разработчиков. Проблемы, возникающие при общении с заказчиками программных систем. Сложность оценки качества программного обеспечения. Жизненный цикл программного обеспечения. Распределение финансовых и временных затрат на реализацию каждого из этапов разработки программного обеспечения. Обследование системы, общение с заказчиком, планирование разработки, составление технического задания. Детальный анализ предметной области, принятие окончательного решения о необходимости создания информационной системы, проектирование общей архитектуры системы, выбор метода проектирования. Каскадные и итеративные технологии. Критичность и масштабность программных проектов. Технология экстремальномого программирования. SCRUM технология. Преимущества и недостатки технологий быстрой разработки программного обеспечения. Организация коллективной работы над проектом при использовании технологий быстрой разработки. Построение объектно-ориентированной архитектуры системы. Методы объектно-ориентированного анализа для выявления классов и объектов. CASE-средства объектно-ориентированного проектирования. Средства управления проектами. Применение данных средств при разработке и сопровождении программных продуктов. Использование средств коллективного владения кодом при создании корпоративных информационных систем. Стратегии и методы тестирования. Прямое и обратное тестирование. Программные средства автоматизации тестирования. Методики оценки качества ПО. Процессный подход к оценке качества ПО. Планирование процесса внедрения программного продукта. Основные задачи решаемые на этапе внедрения. Процесс устранения ошибок на этапе внедрения. Техническая поддержка пользователей на этапе сопровождения.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Модели и методы обработки знаний в интеллектуальных системах
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Предмет, объект, метод, цель и задачи дисциплины. Место и роль систем искусственного интеллекта в работе докторанта. Концептуальные основы искусственного интеллекта. Подходы к построению систем ИИ. Область применения. Инструментальные средства построения экспертных систем. Функциональная структура использования СИИ. Экспертные системы. Этапы построения ЭС. Объяснительные способности ЭС. Взаимодействие пользователя с ЭС. Основные режимы работы экспертных систем. Технология разработки экспертных систем. Планирование в интеллектуальных системах; Методы поиска решений в ЭС: поиск в пространстве состояний, редукция, дедуктивный вывод. Инженерия знаний. Знания и данные. Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Нечеткие знания. Извлечение знаний. Источники экспертных знаний, извлечение и структурирование знаний, стадии приобретения знаний, автоматизированное приобретение знаний. Представление знаний в интеллектуальных системах. Модели представления знаний в системах ИИ. Методы логического вывода: прямой и обратный. Стратегии выбора правил при логическом выводе. Семантические сети. Типы отношений в семантических сетях. Абстрактные и конкретные сети. Принципы обработки информации в семантических сетях. Фреймы и объекты. Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объектно-ориентированном программировании. Сети фреймов. Принципы обработки данных в сети фреймов. Сценарии. Базы знаний. Измерение БЗ. Обучение в интеллектуальных системах. Классификация методов обучения по способу обучения: эмпирические и аналитические, по глубине обучения – символьные (поверхностные) и на основе знаний (глубинные). Связь этой классификации с понятиями индуктивного вывода, вывода по аналогии, обучения на примерах. Системы понимания естественного языка, машинный перевод. Трудности распознавания естественного языка (ЕЯ). Синтаксически- и семантически-ориентированные подходы к распознаванию ЕЯ. Семиотика и ее основные понятия. Этапы анализа ЕЯ: морфологический, синтаксический, семантический, прагматический. Модели семантики языка. Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов. Постановка задачи распознавания образов. Статистические методы для распознавания образов и классификации. Кластерный анализ. Синтаксический (структурный) подход к анализу образов. Выделение признаков. Распознавание трехмерных объектов. Нейронные сети. Основные понятия о естественных и искусственных нейронных сетях и нейронах. Формальный нейрон МакКаллока-Питтса. Нейронная сеть как механизм, обучаемый распознаванию образов или адекватной реакции на входные сигналы (входную информацию). Классификация нейронных сетей. Многослойные перцептроны. Оценка состояния нейронной сети. Сведение функционирования нейронной сети к задаче минимизации целевой функции. Алгоритм обучения обратным распространением ошибки. Применение нейронных сетей. Нейронная сеть как ассоциативная память. Использование нейронных сетей для прогнозирования. Особенности обработки символьной и численной информации в нейронных сетях
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Семантика в обработке естественных языков
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: методы обработки естественного языка, формальные модели естественных языков; модели и методы представления смысла; семантика слов, многозначность и подобие слов; построение семантической интерпретации слов и конструкций, установление семантических отношений в тексте направления машинного перевода. Модельно-теоретическая семантика. Использование исчисления предикатов, интенсиональной логики, модальной, пространственно; временной логики в построении моделей естественного языка формальные модели естественных языков; модели и методы анализа предложений естественного языка; модели и методы представления смысла; семантика слов, многозначность и подобие слов; направления машинного перевода. Модели семантики, основанные на исследовании сочетаемости слов в корпусах текстов.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Стратегия организации и управление информационной безопасностью
Кредитов: 5При изучении дисциплины будут рассмотрены следующие темы: понятие информационной безопасности, ее в системе национальной безопасности. Принципы, задачи, функции и стандарты информационной безопасности в государственном управлении. Организация юридического сопровождения работы с открытой информацией в государственном управлении. Защита конституционных прав граждан на сохранение личной конфиденциальности и конфиденциальности. персональные данные доступны в информационных системах органов государственной власти. персональное управление, структура и принципы функционирования систем защиты информации, принципы работы основных компонентов и служб систем защиты информации.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Академическое письмо
Кредитов: 2Цель дисциплины: помочь обучающимся избежать типичных ошибок, как при создании письменных научных текстов, так и при описании технических приложений по специальности «Информационные системы». В результате изучения дисциплины докторант будет способен: 1. Обладать высоким уровнем логического и теоретического мышления, умением творчески использовать теоретические и технические приложения современных технологий в области информационных технологии и использования смежных информационных технологий для решения практических задач данной специальности. 2. Владеть навыками проведения самостоятельного научного исследования в области информационных технологии, использования основного инструментария для анализа разработки программного обеспечения, умения использовать соответствующую литературу, электронные библиотеки и базы данных, необходимых для адекватного и современного научного обзора, а также знания методологий их аналитического описания с использованием современной теоретико-методологической базы. 3. Уметь создавать и анализировать средства анализа и мониторинга информационных систем на предмет уязвимостей, устойчивости, включая стилистические особенности казахского и английского языка. 4. Уметь проводить профессиональную экспертизу научных публикаций и программного обеспечения на предмет информационных технологии, владеть навыками редактирования и корректировки научных текстов по данной специальности, и программного обеспечения. 5. Владеть навыками организации и управления проектами в области научных исследований и социально-педагогической деятельности по специальности информационные системы, а также формирования научных и прикладных проектов. Дисциплина «Академическое письмо» ориентирована на освоение учащимися знаний о структуре, формах и содержании научно-исследовательской работы, на формирование базовых навыков, связанных с написанием и анализом научного текста, с учетом профессиональных особенностей специальности «Информационные системы».
Год обучения - 1
Семестр 1
-
Большие данные и визуальная аналитика
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Тематические исследования и предварительный просмотр материала курса. Предварительный анализ, Интерпретация, Детальный анализ, Типы данных и форматы. Анализ исследовательских данных и понимание данных. Большие данные и получение больших данных. Визуальные исследования данных. Введение в аналитические методы, типы интеллектуального анализа данных для аналитики. Сбор данных и процесс обнаружения знаний. Обзор методов интеллектуального анализа данных и машинного обучения. Подготовка данных. Визуализация данных для Интернета. Визуализация данных и визуальная аналитика. Основы визуального представления данных: иерархии, сети, карты, временные ряды, пространственно-временные данные, текст. Графическая аналитика, как строить и хранить основы графиков; законы власти; статистики графа централизма и как их вычислить. Графические аналитические графы алгоритмы интерактивных инструментов. Временные ряды: алгоритмы, визуализация и приложения. Текстовая аналитика: концепции, алгоритмы, визуализация. Анализ данных мобильности. Большие данные прокси человеческой мобильности. Основные меры мобильности человека. Модели мобильности, основанные на данных. Мобильность данных с данными мобильного телефона.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Интеграция систем и информации
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Введение в систему интеллектуального анализа данных. Методы и анализ данных. Задачи интеллектуального анализа данных. Классификация и кластеризация. Прогнозирование и визуализация. Приложения интеллектуального анализа данных. Основы анализа данных. Классификация и методы прогнозирования. Деревья принятия решений. Вектор поддержки метода. Метод «ближайшего соседа». Байесовская классификация. Классификация и методы прогнозирования. Нейронные сети. Методы иерархического кластерного анализа. Итерационные методы кластерного анализа. Методы поиска правил ассоциации. Методы визуального представления. Средства визуализации и модели интеллектуального анализа данных. Комплексный подход к внедрению систем интеллектуального анализа данных, OLAP и хранилищ данных в DSS. Процесс внедрения систем интеллектуального анализа данных. Начальные этапы очистки данных, строительства и использования моделей. Организационные и человеческие факторы в области интеллектуального анализа данных. Стандарты интеллектуального анализа данных. Инструменты Рыночные данные. Поставщики, инструменты классификации, программное обеспечение.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Интеллектуальный анализ данных в ИС
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Основные принципы построения архитектуры Информационно-аналитических систем. Среды разработки средств сбора, доработки данных и информационных хранилищ. Архитектура комплекса средств интеллектуального анализа (Data mining). Интеллектуальный анализ данных (Data mining), цели и решаемые задачи. Состав и содержание специфических задач интеллектуального анализа. Содержание методики нечёткая логика. Сущность кластеризации данных, её отличие от классификации. изучение отечественного и зарубежного опыта интеллектуального анализа данных; освоение различных методов интеллектуального анализа данных; развитие практических навыков по интеллектуальному анализу данных.
Год обучения - 1
Семестр 1
-
Оптимизационные методы в информационных системах
Кредитов: 5В рамках дисциплины рассматриваются следующие аспекты: Общая постановка задачи оптимизации и основные положения. Необходимые и достаточные условия для абсолютной экстремальности. Необходимые и достаточные условия условного экстремума. Конструированная оптимизация с ограничениями типа равенства. Конструированная оптимизация с ограничениями типа неравенства. Системные методы нахождения абсолютной экстремальности. Методы нулевого порядка. Методы одномерной минимизации. Методы нулевого порядка. Методы сопряженных направлений и случайного поиска. Методы первого порядка. Градиентные методы. Методы первого порядка. Метод Гаусса-Зейделя. Метод кубической интерполяции. Методы второго порядка. Метод Ньютона. Методы второго порядка. Ньютона-Рафсона. Неммерные методы нахождения условного экстремума. Метод последовательной безусловной минимизации. Методы штрафов и барьерных функций. Задачи вариационного исчисления.
Год обучения - 1
Семестр 1
-
Блокчейн технологии
Кредитов: 5Цель дисциплины: хранение информации в цифровом формате, исключая возможность подделки данных для решения ряда проблем на основании преимуществ технологии блокчейн, которые могут быть использованы в проектов. Будут изучены: пиринговая система журналов учета, программный модуль и алгоритм, который обрабатывает информационное содержимое упорядоченных взаимосвязанных блоков данных как единое целое с помощью криптографических технологий и технологий защиты данных для обеспечения целостности системы.
Селективная дисциплина
Год обучения - 1
Семестр 1
-
Код ON1
Демонстрировать навыки компетенции в решении профессиональных и научных задач, связанных с проектированием и разработкой информационных систем различных классов, методологией разработки и реализации инновационных проектов;
-
Код ON2
Эффективно планировать, реализовывать, конфигурировать и поддерживать ИТ-инфраструктуру проекта/организаций, управлять поддержкой информационных систем на всех этапах жизненного цикла;
-
Код ON3
Демонстрировать способности в области интеграции информации, комбинации источников данных для решения проблем разработки систем, и использовании интеграции информации и новых знаний в междисциплинарных областях;
-
Код ON4
Применять специальные знания для критического анализа различных данных и информационных источников для дальнейшей обработки, синтеза, управления и хранения в информационных и интеллектуальных системах, которые применяются в различных прикладных сферах науки, индустрии и бизнес проектах;
-
Код ON5
Анализировать существующие методы и средства эффективности, оптимизации и защиты информационных систем; выявлять отличительные особенности, технические ошибки в современных информационных технологиях; разрабатывать предложения по устранению проблем и совершенствованию системы;
-
Код ON6
Уметь исследовать, разрабатывать, реализовывать и адаптировать алгоритмы, модели программных продуктов в процессе прикладных исследований, применяя математические и формальные модели;
-
Код ON7
Обладать основными навыками современной управленческой деятельности, работать с современными программными и аппаратными средствами информационных технологий для выполнения научных и прикладных исследований. Владеть навыками тайм-менеджмента и организационными способностями при решении практических задач;
-
Код ON8
Уметь генерировать идеи, прогнозировать результаты инновационной деятельности осуществлять широкомасштабные изменения в модернизации исследуемой области, руководить сложными производственными и научными процессами;
-
Код ON9
Вести научно-педагогическую деятельность, анализировать и критически оценивать результаты собственных научных исследований, а также труды ведущих специалистов, презентовать результаты проведенных исследований в виде научного отчета, статьи, доклада на национальном и международном уровнях.
8D06101 Информационные системы (по отраслям)
ДокторантураВосточно-Казахстанский технический университет имени Д. Серикбаева (ВКГТУ им. Д. Серикбаева)
ГОП: D094 Информационные технологии
Действующая образовательная программа | Языки обучения: Русский, Казахский, Английский8D06101 Информационные системы
ДокторантураКазахский национальный университет имени аль-Фараби (КазНУ им. аль-Фараби)
ГОП: D094 Информационные технологии
Действующая образовательная программа | Языки обучения: Русский, Казахский