8D06102 Компьютерная инженерия в КазНУ им. аль-Фараби

Цель дисциплины: изложение основополагающих принципов защиты информации с помощью криптографических методов и примеров реализации этих методов на практике, представление основ системного подхода к организации защиты информации, передаваемой и обрабатываемой техническими средствами на основе применения криптографических методов; изложение принципов разработки шифров; освещение математических методов, используемых в криптографии. В ходе изучения курса сформировать у докторантов способности: - определять механизмы управления хостом и сетевым доступом (например, список контроля доступа); - внедрять системы защиты информации компьютерных систем и сетей; - обеспечивать защиту информации и объектов информатизации с помощью стандартов и протоколов сетевого взаимодействия; - применять методы криптографии при решении задач защиты информации, осуществлять программную реализацию криптографических алгоритмов, проводить анализ стойкости криптосистем; - проводить разработку средств сетевой безопасности организации; - проводить проектирование и сопровождение средств сетевой безопасности организации. При изучении дисциплины докторанты будут изучать следующие аспекты: Введение в криптографию. Основные понятия и определения. История криптографии. Исторические шифры. Математическая модель шифра. Теория секретности Шеннона. Блочные шифры. Псевдослучайные последовательности и поточные шифры. Теория имитостойкости Симмонса и криптографические хэш-функции. Асимметричные (с открытым ключом) шифры. Схемы цифровой подписи.

Цель дисциплины: познакомить с фундаментальными принципами построения и функционирования систем искусственного интеллекта; с технологиями и инструментальными средствами проектирования и разработки систем искусственного интеллекта. В ходе изучения курса сформировать у докторантов способности: - формулировать функции, давать классификацию систем искусственного интеллекта; - излагать современные тенденции в области искусственного интеллекта; - выбирать математические методы, технологии и инструменты для проектирования, программные средства для разработки систем искусственного интеллекта; - построить модель предметной области с использованием средств представления знаний, выбрать приемлемый метод поиска решения; - выполнять системный анализ, проектирование, кодирование, отладку и тестирование; - проводить документирование и выпуск программного продукта. При изучении дисциплины докторанты будут изучать следующие аспекты: Введение в искусственный интеллект. Интеллектуальные агенты. Введение в язык программирования Prolog. Язык программирования Prolog: списки, графы. Неинформированный поиск. Эвристический поиск. Логические агенты. Логика первого порядка. Логический вывод. Неопределенность. Обучение. Эвристические алгоритмы поиска и планирования, формализмы представления знаний и рассуждения, методы машинного обучения.

Цель дисциплины: формирование базовых компетенций аналитика данных, среди которых адекватный выбор метода для решения конкретной задачи анализа данных, предобработка данных, настройка параметров метода анализа и интерпретация полученных результатов. В ходе изучения курса сформировать у докторантов способности: - излагать основные принципы, методы и задачи машинного обучения; - разрабатывать алгоритмы и писать программы для логических, вероятностных, метрических моделей машинного обучения; - сопоставлять и осуществлять выбор приемлемого метода машинного обучения для каждого конкретного случая; - решать практические задачи анализа данных методами интеллектуального, статистического и визуального анализа; - применять методы манипуляции данными, методы валидации данных в приложениях; - развертывать хранилища данных. При изучении дисциплины докторанты будут изучать следующие аспекты: Логические методы: лиственные деревья и лиственные леса. Метрические методы классификации. Линейные методы, стохастический градиент. SVM. Логический регресс. Качественные метрики классификации. Линейная регрессия. Сокращение измерения является главным составляющим методом. Состав алгоритмов, градиент bouting. Нейронные сети. Кластеризация и визуализация. Обучение с частичной занятостью. Анализ данных приложения: подчинение и решение.

Цель дисциплины: является подготовка специалистов, обладающих фундаментальными знаниями и практическими навыками в области построения распределенных информационных систем и сетей, программной инженерии, общей теории построения математических моделей и их реализации, глубоким знанием основ информатики, теории и практики руководства проектами по созданию распределенных информационных систем. В ходе изучения курса сформировать у докторантов способности: - применять основные классы архитектур современных высокопроизводительных вычислительных систем; - использовать принципы разработки параллельных алгоритмов; - анализировать принципы повышения производительности вычислительных систем; - применять основные технологии параллельного программирования; - разрабатывать параллельные программы для решения профессиональных задач; - проектировать распределённую структуру. При изучении дисциплины докторанты будут изучать следующие аспекты: Проблемно-ориентированные распределенные информационные системы. Распределенная обработка информации в автоматизированных системах. Архитектура распределенных информационных систем. Технологическая база распределенных информационных систем. Распределенные информационные ресурсы и сети. Распределенные файловые системы, базы и банки данных. Технология построения сетевого программного обеспечения. Управление обменом информацией в распределенных информационных системах. Телекоммуникационные среды. Методы, средства и протоколы доступа к среде и удаленным информационным ресурсам. Мультипроцессорные сетевые устройства. Интерфейсы и протоколы связи с объектом. Технология проектирования распределенных информационных систем. Понятие транзакции. Распределенные транзакции. Распределенная система объектов CORBA. Технология DCOM. Тенденции в области распределенных систем.

Цель дисциплины: изучение докторантами основных особенностей анализа и проектирования систем с использованием распределённого подхода. В ходе изучения курса сформировать у докторантов способности: - описывать основные подходы к разработке мультиагентных программ; - применять методы вычислений для задач вычислительной математики; - применять общие схемы разработки программ для реализации конкретных алгоритмов; - разрабатывать программы с применением современных технологий программирования; - строить модель выполнения параллельных программ; - рассчитывать основные параметры программ, оценивать эффективность вычислений. При изучении дисциплины докторанты будут изучать следующие аспекты: Основные понятия теории агентов. Современные подходы к решению распределенных задач. Общая классификация агентов. Общая характеристика многоагентных систем. Модели коллективного поведения. Виды моделей. Модели кооперации агентов. Архитектуры агентов, основанные на знаниях. IDS-архитектура. WILL-архитектура. InteRRaP-архитектура.

Целью данной дисциплины являются овладение основ методологии научного исследования, рассмотрение различных уровней научного познания. Изучение этапов проведения научно-исследовательских работ, включая выбор направления исследования, постановку научно-технической проблемы, проведение теоретических и экспериментальных исследований, рекомендации по оформлению результатов научной работы. Также курс направлен на рассмотрение основ изобретательского творчества, патентный поиск и примерный план докторской диссертации.

Цель дисциплины: дать докторантам общее представление о технологиях параллельных вычислений и об их применении. В ходе изучения курса сформировать у докторантов способности: - описывать основные подходы к разработке параллельных программ, методы параллельных вычислений для задач вычислительной математики; - применять общие схемы разработки параллельных программ для реализации конкретных алгоритмов; - разрабатывать параллельные программы с применением технологий MPI и OpenMP; - строить модель выполнения параллельных программ; - рассчитывать основные параметры параллельных программ; - оценивать эффективность параллельных вычислений. При изучении дисциплины докторанты будут изучать следующие аспекты: Принципы построения параллельных вычислительных систем. Моделирование и анализ параллельных вычислений. Принципы разработки параллельных алгоритмов и программ. Системы разработки параллельных программ. Параллельные численные алгоритмы для решения типовых задач вычислительной математики.

Цель дисциплины: углубление знаний в области проектирования и оценки пользовательских интерфейсов для мобильных устройств, а так же изучение принципов проектирования и разработки приложений на мобильных и веб платформах. В ходе изучения курса сформировать у докторантов способности: - сопоставлять различные библиотеки, сервисы, push-уведомления, Core Data, Pod, UI-дизайн, MVC, которые используются при разработке мобильных приложений; - использовать библиотеки для создания шаблонов веб-страниц и управления сеансами; - разрабатывать веб-компоненты, которые могут изменять данные и осуществлять их временное хранение; - взаимодействовать с базами данных и веб-службами; - отображать содержимое в ответ на запросы клиентов; - создавать и запускать простые программы на основе мобильных и веб-платформ. При изучении дисциплины докторанты будут изучать следующие аспекты: Обзор веб и мобильных платформ. Программирование с помощью платформенно-зависимых API. Обзор платформенных языков (Objective C, HTML5). Языки веб-программирования (HTML5, Java Script, PHP, CSS). Ограничения веб-платформ. Программное обеспечение как услуга (SaaS). Веб-стандарты. Языки программирования мобильных приложений. Проблемы с мобильной и беспроводной связью. Соотношение производительности / мощности мобильных приложений. Ограничения мобильных платформ.

Цель дисциплины: научить основам проектирования и поддержки сетей, изложить существующие принципы решения проблем безопасности в сетях. В ходе изучения курса сформировать у магистрантов способности: - производить конфигурирование сетей; - осуществлять выбор необходимого оборудования для сетей; - проектировать компьютерные сети; - проводить верификацию и диагностику неисправностей сети; - выполнять системный анализ, проектирование, кодирование, отладку и тестирование; - выбирать приемлемую политику безопасности. При изучении дисциплины магистранты будут изучать следующие аспекты: Коммуникация через сеть. Функциональность и протоколы уровня приложений модели OSI. Транспортный уровень модели OSI. Сетевой уровень модели OSI. Динамические протоколы маршрутизации. Динамический протокол RIP, версия 1. VLSM и CIDR. Динамический протокол RIP, версия 2. Динамический протокол маршрутизации OSPF. Технологии глобальных сетей. Удалённый доступ. Сетевая безопасность.

Данный курс охватывает базовые умения и навыки, касающиеся логики построения текста, т.е. требования к выстраиванию тезисов и аргументов, основные форматы работ на английском языке в зависимости от дисциплины, требования к аннотациям как особому виду мелких работ, рекомендации по стилистике и правила английской пунктуации. Публикации в международных журналах: критическая оценка источников информации, редактирование, отзывы экспертов, требования к материалам и критерии оценки, примеры из практики, понятие плагиата. Представление письменной работы: структура презентации, обрамляющие элементы презентации (способы привлечения зрительского внимания, логические связки и переходы), риторические приемы и классические примеры из современной практики публичных выступлений, правила оформление слайдов, взаимодействие с аудиторией, ответы на вопросы.

выполнять проверку свойств моделей с целью определения недостатков процесса моделирования;

управлять IT-проектами с использованием современных программных обеспечений в данной отрасли;

составлять математические модели для высокопроизводительных вычислений, выполнять программную реализацию с помощью современных суперкомпьютерных технологий;

планировать сложные развертывания больших систем данных и принимать обоснованные суждения на основе всесторонних глубоких знаний о специализированных облачных решениях;

применять на практике современные инструментальные средства интеллектуального анализа;

применять методы анализа и расчета надежности аппаратных и программных средств, методы обеспечения и повышения надежности систем;

производить и синхронизировать вычисления сразу на большом количестве вычислительных единиц;

критически анализировать, консолидировать и расширять концепции анализа данных для создания инновационных систем аналитики для больших данных;

реализовывать алгоритмы и применения сетей, алгоритмы клиент-сервер и P2P.

разрабатывать приложения реального времени для «облачных» служб и мобильных платформ;

формализовать задачу контроля параметров безопасности информационными системами;

проверять программы на соответствие формальной спецификации с использованием методов формальной верификации;