7M06107 Компьютерная наука и аналитика данных в КБТУ (KBTU)

Этот курс посвящен проектированию и оценке производительности передовых / высокопроизводительных компьютерных систем. Основное внимание уделяется микропроцессорам, микропроцессорам и иерархии памяти. Также представлена историческая информация, а также схемы хранения данных и рассеивания малой мощности. Особое внимание уделяется конвейерной обработке, ILP (параллелизм на уровне инструкций), DLP (параллелизм на уровне данных) и TLP (параллелизм на уровне потоков) с использованием аппаратных и / или программных методов для достижения высокой производительности.

Парадигмы объектно-ориентированного, процедурного, функционального и параллельного проектирования программного обеспечения; шаблоны проектирования; концепции жизненного цикла программного обеспечения. Компромисс между компилируемыми и интерпретируемыми языками.

Курс методы исследований предназначен для ознакомления магистрантов с исследованиями в области технических наук и для развития исследовательских и аналитических навыков магистрантов. Обучающиеся знакомятся с теорией и логикой исследования, этикой, лежащей в основе исследовательского процесса, а также с рядом методов исследования, обычно используемых в технических науках. Внимание будет уделено дизайну исследования, сбору данных, элементарному анализу данных и написанию отчетов. Курс включает обсуждение конкретных методических подходов.

Курс включает в себя интенсивную программу изучения английского языка, ориентированную на грамматику и навыки разговорной речи. В курсе включены темы, отражающие последние достижения в области информационных технологий, а терминологический словарь делает их непосредственно соответствующими потребностям магистрантов.

Данный курс знакомит магистрантов с историей развития зарубежной и отечественной науки управления, её местом в системе психологического знания. Курс позволяет сформировать представление о современных тенденциях научного управления - новой научной управленческой парадигме, а также научит ориентироваться в основных разделах данной дисциплины: психологическом содержании управленческой деятельности, индивидуальной управленческой концепции руководителя, теоретических основах управленческого взаимодействия, психологических особенностях реализации основных управленческих функций, психологии субъекта управленческой деятельности. Дисциплина будет способствовать приобретению навыков психологического анализа взаимосвязи организационных проблем и качества реализации руководителем своих управленческих функций.

В общей системе подготовки магистрантов курс История и философия науки занимает важное мировоззренческое, научно-методологическое место, основным ядром которого является история, философия и методология науки. История науки является необходимым компонентом содержания образования в подготовке магистрантов для дальнейшего повышения уровня научно-исследовательской работы. История науки и частных наук дает возможность осмысления динамики развития науки, ее воздействия на развитие общества. Исторические знания позволяют будущему специалисту составить целостный образ науки, осознанно подойти к различным аспектам и контекстам исследования самой науки.

Этот курс научит магистрантов: 1. Описывать ландшафт больших данных, включая примеры реальных проблем с большими данными, включая три основных источника больших данных: люди, организации и датчики. 2. Понимать основные составляющие больших данных (объем, скорость, разнообразие, достоверность, значимость и ценность) и почему каждая из них влияет на сбор, мониторинг, хранение, анализ и отчетность. 3. Получать пользу от больших данных, используя 5-этапный процесс для структурирования анализа. 4. Определять, какие проблемы есть, а какие нет, и уметь преобразовывать проблемы больших данных в вопросы науки о данных. 5. Иметь представление об архитектурных компонентах и моделях программирования, используемых для масштабируемого анализа больших данных. 6. Использовать основные функцияи и компоненты стека Hadoop, включая систему управления ресурсами и заданиями YARN, файловую систему HDFS и модель программирования MapReduce.

Этот курс посвящен принципам и концепциям разработки больших программных систем и программ. Архитектура программного обеспечения - это абстракция системных деталей, которая помогает управлять сложностью, присущей разработке программных систем. Архитектура программного обеспечения предоставляет возможности для ранней оценки потребностей пользователей, анализа требований и проектирования, а также прогнозирования свойств системы. Архитектурные стили, представления, обозначения и языки описания обеспечивают систематические основы для инженерных решений и методов проектирования. Основное внимание в курсе уделяется продвинутым темам, связанным с практиками, технологиями и артефактами архитектуры программного обеспечения.

Курс предоставит магистрантам знания о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, даст представление об основных категориях педагогики, о месте, роли и значении педагогики высшей школы в системе наук о человеке и в практической деятельности педагога, а также сформирует понимание о базовых принципах современной педагогики и методических подходах к решению педагогических задач высшей школы.

Этот курс познакомит магистрантов с мобильными вычислениями и разработкой мобильных приложений. Мобильные вычисления будут обсуждаться с трех точек зрения: мобильные технологии, разработка приложений и взаимодействие с пользователем. В курсе будут рассмотрены различные мобильные вычислительные приложения, технологии и беспроводная связь. Затем магистранты будут использовать фреймворки мобильных приложений и среды разработки, чтобы закрепить концепции, изложенные в лекциях. Пользовательский интерфейс и пользовательский опыт будут обсуждаться. Ожидается, что магистранты изучат как минимум одну платформу разработки мобильных приложений (iOS или Android) и будут использовать ее для выполнения своих заданий и курсового проекта. Лаборатория сосредоточится на разработке мобильных приложений специально для мобильной платформы, на которой они будут работать; обычно либо iOS, либо Android, поскольку у них самая большая пользовательская база.

Курс направлен на овладение основами обработки естественного языка (NLP). Курс охватывает методы и подходы, используемые во многих реальных приложениях NLP, таких как языковое моделирование, классификация текста, анализ тональности, реферирование и машинный перевод. Магистранты, проходящие курс, будут не только использовать некоторые из существующих библиотек и пакетов программного обеспечения NLP, но также узнают о принципах, лежащих в основе их разработки, и о математических моделях, лежащих в основе современной компьютерной лингвистики. Курс также включает выполнение практических заданий по программированию на Python и проведение экспериментов с текстами, написанными на английском, русском и казахском языках.

Проектирование систем реляционных баз данных и систем баз данных больших данных. Языки реляционных запросов, включая SQL, проектирование реляционной схемы и реализацию приложений реляционных баз данных. Введение в системы анализа данных и обработки информации. Введение в системы баз данных Not only SQL (NoSQL), типы баз данных NoSQL, проектирование баз данных NoSQL, приложения баз данных NoSQL. Командная разработка, интеграция и тестирование программного обеспечения на C.

Программные системы являются краеугольным камнем всего современного бизнеса. Такие системы часто бывают сложными и долговечными, а также должны быть надежными и адаптируемыми. Изучая методы проектирования и производства программного обеспечения, эта программа на получение степени предоставит вам навыки, необходимые для продолжения карьеры, определения и разработки этих систем и других компьютерных решений. Вы получите не только знания и практический опыт использования новейших технологий, но и углубитесь в основные принципы предмета. Именно эта комбинация навыков позволяет нашим выпускникам идти в ногу с этим быстро меняющимся предметом и обеспечивать финансово выгодную карьеру, которой можно заниматься практически в любой точке мира.

Данный курс даст базовое представление о методах искусственного интеллекта и научит применять некоторые из методов для решения задач ИИ. Обучающиеся получат вводные сведения о концепциях машинного обучения в рамках искусственного интеллекта и изучат терминологию, синтаксис и операции, необходимые для создания решения машинного обучения, используя на занятиях практические упражнения и инструменты.

Курс представляет собой обзор облачных вычислений сверху вниз, от приложений и администрирования до программирования и инфраструктуры. Его основное внимание уделяется методам параллельного программирования для облачных вычислений и крупномасштабных распределенных систем, которые образуют облачную инфраструктуру. Темы включают: обзор облачных вычислений, облачные системы, параллельная обработка в облаке, распределенные системы хранения, виртуализация, безопасность в облаке и многоядерные операционные системы. Магистранты будут изучать современные решения для облачных вычислений, разработанные Google, Amazon, Microsoft, VMware и т. д. Магистранты также будут применять полученные знания в одном задании по программированию и в одном проекте, выполняемом через AWS.

Этот курс охватывает продвинутые концепции систем баз данных. Темы включают модели данных (ER, реляционные и другие); языки запросов (реляционная алгебра, SQL и другие); методы реализации систем управления базами данных (структуры индексов, контроль параллелизма, восстановление и обработка запросов); управление полуструктурированными и сложными данными; распределенные и noSQL базы данных.

Модуль знакомит с формальными методами поддержки разработки и анализа алгоритмов, уделяя особое внимание лежащей в основе математической теории и практическим соображениям эффективности. Темы включают оценки асимптотической сложности, методы анализа и алгоритмические стратегии.

Специализированное обучение в области компьютерных наук под руководством научного руководителя. Темы включают теоретические и прикладные аспекты компьютерных наук. Сочетает управляемое чтение и исследование с важным компонентом индивидуального или группового проекта.

Интернет вещей создает огромные объемы данных, и управление ими и их анализ требуют уникального подхода к программированию и статистике для распределенных источников данных. В этом курсе будут представлены вводные концепции программирования, которые позволяют подключаться к устройствам Интернета вещей и реализовывать на них некоторые функции с использованием языка программирования Python. Кроме того, магистранты узнают, как использовать Python для обработки текстовых файлов журналов, таких как файлы, автоматически создаваемые датчиками Интернета вещей и другими системами, подключенными к сети. Для прохождения этого курса учащимся не требуется предварительный опыт программирования, и они не будут изучать конкретный язык программирования, однако Python будет использоваться для демонстраций. В этом курсе основное внимание уделяется обучению на реалистичных примерах.

Задача обратного проектирования программного обеспечения - дать магистрантам понимание и практику для выполнения анализа вредоносных программ, их вывода и определения того, как работают вредоносные программы, а также для помощи в анализе посредством разборки. Магистранты смогут использовать инструменты (IDAPro, Ollydbg) для безопасного выполнения статического и динамического анализа вредоносных программ, включая закодированные, упакованные и запутанные. В частности, курс будет включать обширные практические лабораторные работы / задания по каждой единице знаний. Цели: Понять механизмы вредоносных программ, таких как вирусы, черви, трояны, бэкдоры и руткиты; Использовать инструменты и методологии обратной разработки программного обеспечения для исследования исполняемого машинного кода; Понять уязвимости, которые вредоносное ПО может использовать для компрометации системы; Изучить методы выявления вредоносных программ и их уклонения от обнаружения; Изучить меры противодействия, которые обнаруживают вредоносное ПО, и поймите, какие уловки вредоносное ПО может использовать для отключения таких мер; Понимать этическую ответственность и обязательства, связанные с разработкой, приобретением и эксплуатацией программной системы.

Этот курс представляет собой обзор основ бизнеса, предназначенный для инженеров и ученых, стремящихся к коммерциализации технологий. Темы будут включать разработку, тестирование и адаптацию бизнес-концепций; финансирование технологического предприятия; маркетинг и распространение; организационные вопросы; глобальный бизнес; и юридические соображения, влияющие на технологические предприятия. Магистранты разовьют реалистичное видение навыков, которыми они должны овладеть, и придут к пониманию внутренней страсти, которую они должны найти, чтобы реализовать свои предпринимательские устремления.

Цель этого курса - дать магистрантам знания и навыки, необходимые для проведения исследований в области компьютерного зрения и его областей применения, таких как робототехника, здравоохранение и графика. Магистранты должны понимать сильные и слабые стороны существующих подходов к исследованию проблем и определять интересные открытые вопросы и направления будущих исследований. Магистранты также улучшат свои навыки критического чтения и общения.

Этот курс представляет собой вводный курс по интеллектуальному анализу данных. В нем представлены основные концепции, принципы, методы, методы реализации и приложения интеллектуального анализа данных с акцентом на две основные функции интеллектуального анализа данных: (1) обнаружение шаблонов и (2) кластерный анализ.

Данныф курс знакомит магистрантов с основами глубоких нейронных сетей и их приложениями к различным задачам ИИ. Ожидается, что к концу курса магистранты будут хорошо знакомы с предметом и смогут применять глубокое обучение для решения различных задач. Они также будут в состоянии понять большую часть текущей литературы по этой теме и расширить свои знания путем дальнейшего изучения.

Этот курс представляет собой широкое введение в машинное обучение, анализ данных и статистическое распознавание образов. Темы включают: (i) контролируемое обучение (параметрические / непараметрические алгоритмы, вспомогательные векторные машины, ядра, нейронные сети). (ii) Обучение без учителя (кластеризация, уменьшение размерности, рекомендательные системы, глубокое обучение). (iii) Лучшие практики в области машинного обучения (теория предвзятости / дисперсии; инновационный процесс в машинном обучении и искусственном интеллекте). Курс также будет основан на многочисленных тематических исследованиях и приложениях, так что вы также узнаете, как применять алгоритмы обучения для создания умных роботов (восприятие, управление), понимания текста (веб-поиск, антиспам), компьютерного зрения, медицинской информатики. , аудио, интеллектуальный анализ баз данных и другие области.

Этот курс предназначен для магистрантов, желающих изучить потенциальное использование технологии блокчейн - предпринимателями и действующими лицами - для изменения мира денег и финансов. Начав с обзора первоначального применения технологии, криптовалюты Биткойн, магистранты получат понимание коммерческих, технических и государственных основ политики технологии блокчейн, распределенных реестров и смарт-контрактов как в приложениях с открытым исходным кодом, так и в частных приложениях. Затем курс повернется к текущим и потенциальным приложениям блокчейн в финансовом секторе. Это будет включать обзоры потенциальных вариантов использования платежных систем, центрального банка, венчурного капитала, торговли на вторичном рынке, торгового финансирования, коммерческого банковского обслуживания, владения после торговли и цифрового удостоверения личности.

В результате прохождения этого курса магистрант должен уметь: 1. Понять и предложить инфраструктуру веб-приложений. 2. Применять методы взаимодействия клиент / сервер, такие как сервер, приложение, переменные сеанса, файлы cookie и поведение сервера. 3. Определять потребности в веб-базе данных и возможности подключения. 4. Применять повторное использование кода с шаблонами, библиотеками и фрагментами. 5. Оценивать несколько альтернатив в дизайне веб-приложения. 6. Разрабатывать функциональное веб-приложение.

Этот курс предназначен для магистрантов, которые заинтересованы в развитии навыков работы с данными и использовании статистических инструментов для их анализа. Предварительный опыт работы с данными или статистикой не требуется.

Научно-исследовательская работа магистранта, включая прохождение стажировки и выполнение магистреской диссертации

Оформление и защита магистерской диссертации

Применять методические знания в проведении научных исследований, педагогической и воспитательной работы, знать психологические методы и средства для повышения эффективности и качества работы, а также уметь выстраивать коммуникации, и владеть в совершенстве иностранным языком.

Создавать базы данных для эффективного хранения и управления данных различных крупных организаций, государственных учреждений и др..

Аргументировать выбор основных стандартов, принципов и шаблонов проектирования, методов, инструментов и языков программирования, а также разрабатывать программы и приложения для обработки структурированных и полуструктурированных данных огромных объемов.

Анализировать сложность вычислений и возможность распараллеливания разрабатываемых алгоритмов и программ.

Определять теоретические основы машинного обучения и уметь реализовать методы и алгоритмы для распознавания речи, распознавания жестов, распознавания рукописного ввода, распознавания образов, технической диагностики, медицинской диагностики, прогнозирования временных рядов.

Определять технологии обработки данных, уметь обрабатывать текстовую информацию, растровые и векторные графики, анимации, видеоизображения и звуки, уметь проводить сравнительный анализ и выбор технологий обработки данных, осуществлять постановку задач по обработке информации, использовать технологии обработки данных для решения прикладных задач.

Определять технологии больших данных и больших систем, уметь использовать аппаратно-программный комплекс, знать методы класса Data Mining, краудсорсинга, смешивания и интеграции данных, владеть технологиями искусственных нейронных сетей, сетевого анализа, оптимизации, генетического алгоритма и распознавания образов, уметь анализировать геометрическую и географическую информацию в данных, а также проводить статистический анализ.

Разрабатывать модели компонентов информационных систем, включая модели баз данных; разрабатывать компоненты программных комплексов и баз данных, использовать современные инструментальные средства и технологии программирования; обосновывать принимаемые проектные решения, осуществлять постановку и выполнять эксперименты по проверке их корректности и эффективности.

Знать и уметь пользоваться инструментальными средствами разработки интеллектуальных систем; владеть технологиями параллельного программирования.

Проводить комплексный анализ и аналитически обобщать результаты научно-исследовательских работ с использованием современных достижений науки и техники, иметь навыки самостоятельного сбора данных, изучения, анализа и обобщения.