Образовательная программа «Вычислительные науки» предполагает использование в процессе обучения современных моделей, методов и подходов в области аналитики данных, машинного обучения, искусственного интеллекта, а также моделирования и анализа процессов. Образовательная программа предполагает использование или применение полученных знаний в одной из сфер экономики, тем самым покрывая не только научную составляющую программы, но и прикладную часть. В результате обучения по образовательной программе «Вычислительные науки» выпускники получат возможность работать в научных и производственных проектах в качестве аналитика данных, эксперта по бизнес интеллекту, инженера процессов.
Приемная комиссия
(7172) 64-57-10
info@astanait.edu.kz
Пн-Пт 9:00 — 18:00
Подготовка высококвалифицированных научных и прикладных специалистов и программных инженеров по направлению моделирования алгоритмов и анализа данных большого объема, а также руководителей и управленцев программно-информационных систем для отрасли информационных технологий и междисциплинарных отраслей связанных с обработкой данных в различных секторах экономики Республики Казахстан.
ОК1. Способность понимать движущие силы и закономерности исторического процесса, место человека в историческом процессе и способность понимания философии как методологии деятельности человека, готовностью к самопознанию, самодеятельности, освоению культурного богатства как фактора гармонизации личностных и межличностных отношений.
ОК2. Способность формировать и развивать умения и компетенции в области организации, планирования и управления производством, способность применять полученные знания для осмысления окружающей экологической действительности, способность обобщать, анализировать, прогнозировать при постановке целей в профессиональной сфере и выбирать пути их достижения с применением научной методологии исследования
ОК3. Способность к письменной и устной коммуникации на государственном языке и языке межнационального общения, способность использовать зарубежные источники информации, владеть коммуникативными навыками, к публичным выступлениям, аргументации, ведению дискуссии и полемики на иностранном языке
ОК4. Способность быть компетентным при выборе методов ИКТ и математического моделирования для решения конкретных инженерных задач, способность быть готовым выявить естественнонаучную сущность проблем, возникающих в процессе профессиональной деятельности, и способностью привлечь для ее решения соответствующий математический аппарат
ПК1. Способен использовать полученные знания для оригинального развития и применения идей в контексте научных исследований.
ПК2. Способен критически анализировать существующие концепции, теории и подходы к анализу процессов и явлений.
ПК3. Способен самостоятельно и постоянно приобретать, развивать и применять профессиональные знания, умения и навыки для решения нестандартных задач (междисциплинарные и др.).
ПК4. Способен применять знания педагогики и психологии высшей школы в своей педагогической деятельности, а также способен применять интерактивные методы обучения.
ПК5. Владеет иностранным языком на профессиональном уровне, позволяющем проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах
ПК6. Способен отбирать и разрабатывать методы анализа объектов профессиональной деятельности на основе общих тенденций развития отрасли вычислительных наук.
ПК7. Способен применять полученные теоретические и практические знаний в решении практических проблем в области ИКТ, успешно осуществлять управленческую и исследовательскую деятельность.
ПК8. Способен самостоятельно формулировать предметную область при решении задач по анализу данных, определять требования и ожидания конечного пользователя или заказчика, составлять поэтапный план и разрабатывать документацию для программной системы анализа данных и его компонентов.
ПК9. Способен проводить системный анализ для решения сложных технических проблем и применяет результаты анализа для наибольшей оптимизации алгоритма решения задач вычислительных наук.
ПК10. Способен применять эффективные методы для управления проектом по вычислительным наукам в определенной среде, распределять задачи и управлять командой аналитиков.
ПК11. Способен разрабатывать архитектуры программной системы для вычислительных наук, обладающие высоким уровнем преемственности и качества сложных программных разработок с использованием передовых решений и трендов в области ИКТ.
ПК12. Способен проводить анализ требовании для решения сложных программных (технических) проблем и обеспечивать внедрение наиболее оптимальных решений.
ПК13. Способен внедрять инновационные методы и усовершенствования, усиливающие конкурентоспособность и эффективность моделей и методов вычислительных наук на всех этапах жизненного цикла разработки программной системы.
ПК14. Способен оптимизировать алгоритмы вычислительных наук с минимизацией всех требуемых ресурсов, включая вычислительные ресурсы.
ПК15. Способен обобщать результаты научно-исследовательской и аналитической работы в виде диссертации, научной статьи и докладов на научно-технических конференциях.
РО1. Разрабатывать методы и алгоритмы вычислительной математики на основе аппроксимирования дифференциальных уравнений методами конечных разностей, объемов или элементов.
РО2. Проводить фундаментальный анализ вычислительных методов и разностных схем на сходимость и корректность, в том числе, в случае высокопроизводительных алгоритмов с использованием элементов математической логики и теории вычислимости.
РО3. Решать вычислительные задачи со сложной геометрией областей, строя и используя корректные структурированные, криволинейные, неструктурированные расчетные сетки.
РО4. Использовать методы интеллектуального анализа данных на основе глубокого обучения, обучения с подкреплением, генеративно-состязательных сетей для эффективного прогнозирования результатов.
РО5. Разрабатывать параллельные вычислительные алгоритмы для инженерных задач и реализовывать их в высокопроизводительных системах, разрабатывать алгоритмы квантовых вычислений.
РО6. Разрабатывать и проводить вычислительные симуляции вероятностных процессов из различных отраслей с использованием методов стохастического моделирования.
РО7. Использовать методы анализа данных в различных сферах производства, на реальных данных для подбора параметров, адаптации и тестирования вычислительных систем на основе реальных экспериментов.
РО8. Проводить самостоятельные научные исследования, решая современные актуальные задачи, публикуя результаты в рейтинговых журналах и выступая на конференциях.
№ | Форма экзаменов | Рекомендуемая доля, % |
---|---|---|
1 | Компьютерное тестирование | 20 |
2 | Письменный | 10 |
3 | Устный | 5 |
4 | Проект | 30 |
5 | Практический | 30 |
6 | Комплексный | 5 |
Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.
Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.
Целью курса является формирование иноязычной профессионально — ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.
Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально — психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.
Дисциплина «Алгоритмы в теории графов» предполагает изучение основных понятий графа: связности, поиска путей в графе, понятий дерева и алгоритмов связанных с деревьями, задач размещения, паросочетаний и потоков, а так же распространенные алгоритмы по решению данных задач.
Данная дисциплина направлена на изучение методов программного представления геометрических объектов с использованием продвинутых инструментов объектно-ориентированного программирования и проектирования для их дальнейшего использования при изучении сложных алгоритмов двумерной и трехмерной геометрии.
Данная дисциплина предполагают изучение основ дифференциальных уравнений с частными производными, их типы и некоторые методы аналитического решения таких уравнений. По изучении дисциплины студент должен знать: типы дифференциальных уравнений с частными производными; концепции аналитических и численных решений; базовые методы аналитического решения уравнений в частных производных; уметь: определять тип уравнения; определять и применять простые методы аналитического решения уравнения.
Данная дисциплина предполагает изучение основ численных методов в области моделирования физических процессов, включая алгебраические численные методы, численное интегрирование и численное решение дифференциальных уравнений в частных производных, в ней изучается также введение в методы конечных разностей.
Данная дисциплина предполагает изучение разделов математики и информатики, необходимых для введения в теорию машинного обучения и ее раздел теорию глубокого обучения, основанного на алгоритме обратного распространения ошибки, которая позволяет системе ИИ самообучаться. Данный раздел содержит в себе задачи распознавания изображения, генерации изображений и 3D, распознавание текстов, звуков и т.д и является одним за самых распространенных направлений в современном машинном обучении.
Целью дисциплины является изучение фундаментальных методов разработки приложений, часто используемых платформ высокопроизводительных вычислений , методов измерения, оценки и анализа производительности высокопроизводительных приложений, а также роли администрирования, управления рабочей нагрузкой и ресурсами в управлении высокопроизводительными вычислениями. Студенты познакомятся с вопросами, связанными с использованием технологий при решении крупных научных задач.
Данная дисциплина направлена на изучение генетических алгоритмов. Такие алгоритмы интересны для вычислительных экспериментов, дающих понимание развития сложных структур, зависящих от простых параметров, а так же могут работать для улучшения эффективности классических алгоритмов.
Данная дисциплина предполагает изучение Марковских цепей, в которых каждый элемент полностью определен предыдущим. Данные цепи широко используются в постановке задач привязки искусственного интеллекта к поведению агента в определенной среде, например, робота в реальном окружении, на чем, например, основывается обучение с подкреплением. В результате изучения дисциплины студент должен знать: методы построения вероятностных моделей описывающих стохастическую динамику процессов; системы массового обслуживания; уметь устанавливать свойства решений стохастических систем.
Данная дисциплина направлена на изучение некоторых подходов метода конечных разностей, а именно методов дробных шагов для решения краевых задач для дифференциальных уравнений в частных производных. К таким методам относятся методы переменных направлений, стабилизирующей поправки, продольно-поперечной прогонки и т.д. По усвоении дисциплины студент должен знать: основные методы дробных шагов, алгоритмы итеративного решения краевых задач для параболических и эллиптических уравнений; уметь: решать практические задачи с помощью описанных методов, исследовать на сходимость решения и т.д.
Данная дисциплина посвящена основам стохастического моделирования, практическому применению методов Монте-Карло, решению стохастических дифференциальных уравнений, вероятностному моделированию для решения практических задач.
Этот курс познакомит студентов с основами обучения с подкреплением. По окончании этого курса студент будет способен: Формализовать проблемы как марковские процессы принятия решений; Понимать основные методы разведки и компромисс между разведкой и эксплуатацией; Понять функции ценности как универсальный инструмент для принятия оптимальных решений; Знать, как реализовать динамическое программирование как эффективный подход к решению проблемы промышленного управления.
Данная дисциплина посвящена распространенным математическим моделям, используемым на производстве, и их решению с использованием численных методов. По освоении дисциплины студент должен знать: базовые математические модели такие, как «хищник-жертва», уравнение теплопроводности и т.д.; базовые модели гидродинамики, фильтрации, химических реакций; уметь: аппроксимировать и исследовать на сходимость модели; применять основные численные методы для решения прикладных задач.
Данная дисциплина предполагает изучение методов квантовых вычислений и их преимущества по сравнению классическими методами вычислений. В курсе рассматриваются основные положения классической теории вычислительной сложности, гейтовая модель квантовых вычислений, универсальные наборы гейтов, алгоритмы квантовых вычислений основанные на квантовом преобразовании Фурье, в частности, алгоритм Шора, квантовые алгоритмы поиска, алгоритмы квантовой симуляции физических систем, введение в квантовую коррекцию ошибок и устойчивые к ошибкам вычисления, гибридные квантово-классические алгоритмы, в частности вариационные квантовые алгоритмы.
Данная дисциплина посвящена новейшим методам генеративно-состязательных сетей, и их использованию для создания реалистичных изображений и трехмерных структур. По освоению дисциплины студенты должны знать: концепцию и организацию генеративной модели; концепцию и организацию дискриминативной модели; уметь: обучать генеративно-состязательные сети и генерировать с их помощью изображения, начиная от базовых рукописных цифр, до восстановления, коррекции, окрашивания фотографий; генерировать 3D.
Дисциплина поможет понять, использовать и спроектировать новейшие параллельные и гетерогенные системы. В ней студенты узнают, как работают современные системы, и рассмотрят недавние исследования в этой области, рассмотрят как аппаратные, так и программные аспекты, от компьютерной архитектуры до моделей программирования. Они будут иметь целостное представление о том, что успешные подходы должны учитывать как аппаратное, так и программное обеспечение.
Данная дисциплина посвящена методам построения неструктурированных и структурированных сеток адаптирующихся к определенным свойствам области и их использования для решения численных задач на данных областях. Рассматриваются такие методы структурированных сеток, как методы эквираспределения, метод Томпсона, и такие методы неструктурированных сеток, как триангуляция Делоне, диаграмма Вороного.
Данная дисциплина охватывает введение в математические курсы необходимые для освоения специализированных дисциплин вычислительных наук, основанных на численных решениях детерминированных и вероятностных уравнений математической физики и прикладных моделях, используемых на техническом производстве и финансовом секторе, а именно, теорию обыкновенных дифференциальных уравнений, их типизацию и базовые методы аналитического решения и введение в дифференциальные уравнения в частных производных.
https://bizz77game.man1banjarmasin.sch.id/
https://bizz77game.id.fedora.co.id/
https://gudangtoto.smkn2-padangpanjang.sch.id/
https://bizz77game.majesta.co.id/
https://bizz77.tarunaakademia.id/
https://www.raars.zaragoza.unam.mx/wp-content/store/bizz77game/
https://sties-babussalam.ac.id/wp-content/themes/kakek-zeus/
http://earch.buet.ac.bd/v77game/
https://www.raars.zaragoza.unam.mx/wp-content/store/v77game/
https://bizz77game.smkn2-padangpanjang.sch.id/
https://sties-babussalam.ac.id/wp-content/themes/demo-games/
https://mannawasalwa.ac.id/wp-content/themes/scatter-hitam/
https://mannawasalwa.ac.id/wp-content/themes/sv388/