Computer Science

Computer science

8D06101 «Компьютерные науки»

Образовательная программа 8D06101 «Компьютерные науки» (ОП) направлена на подготовку докторов философии (PhD) через реализацию теоретических и (или) прикладных исследований в областях вычислимости, формальных методов, моделирования, алгоритмов, а также организационного сопровождения инженерии на стыке компьютерных наук и иных областей знаний.

Контакты

Приемная комиссия

(7172) 64-57-10
info@astanait.edu.kz

Пн-Пт 9:00 — 18:00

Карьерные возможности

Уникальная особенность ОП по сравнению с аналогичными программами других университетов заключается в гибридном методологическом подходе к исследованиям, использовании формальных-доказательных и эмпирических подходов при реализации проектов, а также практической ориентированности тематик докторских диссертаций, ориентированных на цифровую трансформацию отраслей экономики Республики Казахстан и цифровой трансформации частных бизнес-структур. Исходя из компетентностной модели выпускника, он может трудоустроиться в качестве:

  • руководителя по цифровизации в государственных органах, квазигосударственных, производственных, экспертных, консалтинговых компаниях, национальных институтах развития, центрах отраслевых компетенций и научно-производственных компаниях;
  • эксперта-аналитика государственных органах, производственных, экспертных, консалтинговых компаниях, национальных институтах развития и центрах отраслевых компетенций;
  • сотрудника научно-исследовательского института и (или) научно-производственной компании;
  • работника в сфере образования.

Цель образовательной программы

Формирование у обучающегося компетенций научно-исследовательской работы, научно-педагогической деятельности, планирования и реализации теоретических и эксперементальных исследований, определения научных проблем и формулировки методов их решения.

8D06 – Информационно-коммуникационные технологии

Код и классификация области образования

D094 – Информационные технологии

Группа образовательных программ

8D061 - Информационно-коммуникационные технологии

Код и классификация направлений подготовки

Задачи образовательной программы

  1. Формирование у обучающихся навыков определения технологических проблем, критической и экспертной оценки путей их решения и прогноза ожидаемых результатов на стыке компьютерных наук и иных областей знаний;
  2. Формирование у обучающихся научного подхода к решению задач, способности синтезировать неочевидные решения проблем, формулировать их в виде проектных задач и оценивать ход их исполнения;
  3. Формирование у обучающихся научного стиля повествования (изложения) для объяснения сложных концепций и инновационных идеи широкой публике и научному сообществу в письменном виде и риторике;
  4. Формирование у обучающихся навыков педагогической, научной и конструкторской деятельности, составления отсчетов, публикации результатов в рейтинговых журналах и разработки научно-технической документации.

Требования к оценке результатов обучения образовательной программы

Обучающийся, после освоения всей образовательной программы, должен уметь выполнять следующие пункты:
  • Выбирать и (или) формулировать соответствующий подход к реализации научного исследования на стыке наук;
  • Выбирать и использовать оптимальные методы обработки и интерпретации эмпирических или расчетных данных;
  • Ставить и решать прикладные задачи в условиях неопределенности;
  • Генерировать новые, сложные идеи и знания, доходчиво объяснять их широкой публике и ученым посредством письменных работ и риторики;
  • Составлять и оформлять научные отчеты, научную и техническую документацию, писать статьи в рейтинговые издания;
  • Взаимодействовать с руководителем научной работы, рецензентом и редактором журнала в процессе написания и опубликования статей;
  • Владеть подходами и инструментами описания и анализа компьютерных систем, их компонентов и алгоритмов, доказательства свойств алгоритмов, протоколов и программ а также уметь организовывать и реализовать работу.

Результаты обучения

После успешного завершения образовательной программы обучающийся будет способен:
  • Определить объем и задачи исследований с теоретической и практической составлять и ориентацией на программирование, кодирование и вычисления; составлять и оформлять научные отчеты, научную и техническую документацию в процессе написания диссертации и/или публикации статьи в рейтинговых изданиях.
  • Синтезировать и (или) подбирать соответствующий подход к реализации научно-экспериментального исследования на стыке наук; выбирать и использовать методы обработки и интерпретации данных; ставить и решать прикладные задачи относительно соответствующих моделей, алгоритмов и архитектур.
  • Применять проектный подход науке: распределять ресурсы И B организовывать труд в соответствие с Agile манифестом; анализировать риски и взаимодействовать с заинтересованными сторонами на основе принципов гибкого подхода.
  • Объяснять сложные идеи создавать концептуальные диаграммы, И описывающие строение систем, явления и процессы.
  • Формализовать алгоритмы, вычислительные модели и компьютерные программы, анализировать их свойства; использовать формальную модель для представления результатов.
  • Критически анализировать свойства различных классов аналитических задач и аргументировано синтезировать метод их решения с учетом аспектов валидации и интерпретации результатов.

Перечень компетенций и результаты обучения образовательной программы:

Компетенции расширения и углубления знаний

Выпускник программы знает: методы научных изысканий на стыке наук, основные философские парадигмы синтеза знаний, методы сбора и интерпретации данных в научных и прикладных исследованиях (проектах), основные проблемы изучаемой области и методы их решения, методику и инструменты проектной работы.

Инструментальные компетенции

Выпускник программы планирует, разрабатывает, реализует и корректирует процессы научного исследования, цифровизации бизнес-процессов и стратегического планирования.

Системные компетенции

Выпускник программы: (1) вносит вклад критическим анализом, оценкой, синтезом новых, сложных идей и способен принимать стратегические решения на основании ограниченных и (или) недостоверных данных; (2) расширяет границы знаний научно обоснованными методами посредствам синтеза новых сложных идей: (3) содействовать продвижению в академическом и профессиональном контексте технологического развития общества, основанному на знаниях.

Коммуникативные компетенции

Выпускник программы эффективно объясняет сложные концепции и новые коллегам, научному сообществу и широкой общественности через письменные работы, научно-популярные публикации и доходчивую риторику.

Форма обучения — Очная

Язык обучения — Английский

Объем кредитов — 180

Академическая присуждаемая степень — Доктор по профилю по образовательной программе 8D06102 «Компьютерные науки» (профильное направление)

Образовательная программа

8D06101 Computer Science

Рабочий учебный план

8D06101 Computer Science

Программа развития

8D06101 Computer Science

Course Curriculum

Академическое письмо

Дисциплина рассматривает основные правила и практики академического письма, включая: терминологию и стиль научного повествования, принятые в международном научном сообществе порядки изложения материала для научных статей и монографий, основные этапы опубликования статей и очерков в рейтинговых изданиях, структура научного и технического ответов, специфика их написания. Краткое содержание основных разделов: специфика написания академической работы, основные структуры научнотехнических изданий и принципы их написания, процесс работы над статьей для рейтингового журнала, практика и этикет работы с редактом международного журнала.

Методы научных исследований

Дисциплина рассматривает основные парадигмы (онтологии) научных исследований в области компьютерных и смежных наук с упором на принципы генерации новых идей и знаний. На основании синтеза онтологий исследований обучающийся приобретет понимание принципов теоретических и практических исследований, рассмотрит примеры построения планов исследования и реализует подбор соответствующих инструментов. Краткое содержание основных разделов: онтологии исследований, принципы междисциплинарного исследования, планирование эмпирических и вычислительных (методом
моделирование) исследований, качественные и количественные показатели доказательство в компьютерных науках.

Гибкие и гибридные практики управления проектами

Дисциплина рассматривает конц ептуальные основы и примеры применения практик экстремальной разработки и Scrum метода в контексте научной работы с упором на результат, а не процесс исследований. Краткое содержание основных разделов: процессный и проектный принципы организации работы, Agile манифест и основные принципы гибкого управления, экстремальная разработка и Scrum метод, применение проектного подхода в научных исследованиях.

Инструменты моделирования систем и процессов

Дисциплина направлена на ознакомление обучающихся с основными инструментами компьютерных наук, используемыми для процессов моделирования процессов и систем, а также оценки их свойств и поведенческих характеристик. Краткое содержание основных разделов: рассматриваемые темы включают абстрактные конечные автоматы, инструменты языка UML и операции над ними.

Описание и анализ алгоритмов

Дисциплина ознакомит обучающихся с основными подходами и инструментами формализации алгоритмов, их графического представления для широкой общественности и анализа (доказательства) их свойств. Краткое содержание основных разделов: формализация алгоритма и исследование его свойств, цепи Петри, структура Крипке, абстрактные конечные автоматы и сценарии их применения.

Верификация моделей

Дисциплина ознакомит обучающихся с понятием формальной верификации свойств модели, её принципами и инструментарием. Упор будет сделан на возможность и последовательность применения данного инструмента в научных исследованиях. Краткое содержание основных разделов: сущность формальной верификации, темпоральная логика, L ТL-формулы, модель Крипке, автоматизированная верификация

Наука о данных машинное обучение

Дисциплина ознакомит обучающихся с областью знаний — машинное обучение и анализ данных: основные классы алгоритмов и моделей, проблематика их применения и перспективы. Краткое содержание основных. разделов: статистические методы, эвристические алгоритмы машинного обучения, нейронные сети, глубокое обучение, обучение с подкреплением и примеры их применения.

Статистическое моделирование

Процесс построения статистической модели и её метрики, метод наименьших. квадратов, скорректированный метод наименьших квадратов, модель производственного стохастического граничного анализа, модель стохастического граничного анализа затрат и модель стохастической метрики расстояний.

Трудоустройство

Инфраструктура

Наука

https://ejournal.unperba.ac.id/pages/uploads/sv388/ https://ejournal.unperba.ac.id/pages/uploads/ladangtoto/ https://poltekkespangkalpinang.ac.id/public/assets/scatter-hitam/ https://poltekkespangkalpinang.ac.id/public/assets/blog/sv388/ https://poltekkespangkalpinang.ac.id/public/uploads/depo-5k/ https://smpn9prob.sch.id/content/luckybet89/