Бакалавриат
Шифр:
6B06107
Название:
Наука о данных
Факультет:
Информационных технологий
Квалификация:
- Первое высшее образование - бакалавр в области информационно- коммуникационных технологий
- Модель выпускника
- Обязательные дисциплины
- Элективные дисциплины
- Практики
1.Анализировать особенности социальных, политических, культурных институтов в контексте их роли в модернизации казахстанского общества, описывать этапы становления независимой казахстанской государственности в контексте всемирного и евразийского исторического процесса.
2. Уметь понимать и применять современные методы управления, интеллектуального анализа и анализа больших данных в различных областях.
3. Применять концепции и методы науки о данных для решения проблем в реальных условиях и будут эффективно сообщать об этих решениях, навыки управления данными.
4. Определять подходящие инструменты и методы для решения основных классов задач машинного обучения и взаимодействовать с разработчиками.
5. Использовать современные компьютерные технологии, такие как машинное обучение, искусственный интеллект, параллельное и распределенные вычисления, информационная безопасность для решения практических задач, характеризуемых крупномасштабными данными
6. Получение навыков профессиональной работы с большими данными и построения аналитических моделей для финансового сектора экономики.
7. Выполнять проектирование, разработку и тестирование программного обеспечения, разрабатывать веб-приложения с эргономичным пользовательским интерфейсом на основе гибкой методологии.
8. Применять методы искусственного интеллекта при решении задач и принятии решений, проводить тестирование, внедрение и сопровождение систем искусственного интеллекта.
9. Использовать процесс сбора данных для обеспечения полноты и взаимосвязанности данных из разных источников и для выработки решений по оптимизации текущих процессов.
10. Моделировать логические структуры данных, определяя состав данных, структуру и источники данных, обеспечивая защиту данных.
11. Проводить анализ больших данных, проектировать и разрабатывать программные средства для хранения, обработки и анализа больших данных, использовать службы облачных платформ для поддержки современных архитектур приложений.
12. Работать в команде, толерантно воспринимая социальные, этнические и культурные различия, критически оценивать свою деятельность, деятельность команды.
2. Уметь понимать и применять современные методы управления, интеллектуального анализа и анализа больших данных в различных областях.
3. Применять концепции и методы науки о данных для решения проблем в реальных условиях и будут эффективно сообщать об этих решениях, навыки управления данными.
4. Определять подходящие инструменты и методы для решения основных классов задач машинного обучения и взаимодействовать с разработчиками.
5. Использовать современные компьютерные технологии, такие как машинное обучение, искусственный интеллект, параллельное и распределенные вычисления, информационная безопасность для решения практических задач, характеризуемых крупномасштабными данными
6. Получение навыков профессиональной работы с большими данными и построения аналитических моделей для финансового сектора экономики.
7. Выполнять проектирование, разработку и тестирование программного обеспечения, разрабатывать веб-приложения с эргономичным пользовательским интерфейсом на основе гибкой методологии.
8. Применять методы искусственного интеллекта при решении задач и принятии решений, проводить тестирование, внедрение и сопровождение систем искусственного интеллекта.
9. Использовать процесс сбора данных для обеспечения полноты и взаимосвязанности данных из разных источников и для выработки решений по оптимизации текущих процессов.
10. Моделировать логические структуры данных, определяя состав данных, структуру и источники данных, обеспечивая защиту данных.
11. Проводить анализ больших данных, проектировать и разрабатывать программные средства для хранения, обработки и анализа больших данных, использовать службы облачных платформ для поддержки современных архитектур приложений.
12. Работать в команде, толерантно воспринимая социальные, этнические и культурные различия, критически оценивать свою деятельность, деятельность команды.
-
Физическая культура
- Количество кредитов: 2
- Тип контроля: РК(с оценкой)
- Описание: Цель дисциплины формирование социально-личностных компетенций студентов, обеспечивающих целевое использование соответствующих средств физической культуры и спорта для сохранения, укрепления здоровья и подготовки к профессиональной деятельности. В результате изучения дисциплины выпускник должен знать: роль физической культуры в развитии человека; основы государственной политики в области физической культуры и спорта, основы тренировок.
-
Казахский (русский) язык
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание:
-
Модуль социально-политических знаний (Социология/ Политология/ Культурология/ Психология)
- Количество кредитов: 8
- Тип контроля: РК + Экз (100)
- Описание: Цель дисциплины: формирование способности объяснить и интерпретировать предметные знания во всех областях науки, формирующих учебные дисциплины. Будут изучены: социология и социологические перспективы, социальная структура; форма политики, организационная структура, институты, система правовых и организационных норм, содержание, цели, ценности политики; понятие и сущность культуры, семиотика культуры; психология личности, психология межличностного общения.
-
Математика-1 (математический анализ)
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Целью освоения дисциплины “Математика-1” является изучение методов, задач и теорем математического анализа , овладение умениями их применения к решению задач прикладной математики и информатики. Дисциплина направлена на формирование навыков в решении математических и прикладных задач естествознания, на развитие логического мышления, способность анализировать применение теории в разных ситуациях, сравнивать, сопоставлять результаты.
-
Введение в инженерию данных
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности производить сбор, обработку, анализ и визуализацию данных, позволяющие эффективно принимать решения и действовать в отношении данных. В результате изучения дисциплины сформировать у студентов способности: 1.Осуществлять хранение, управление и предварительную обработку данных, а также выполнять исследовательский анализ данных. 2.Осуществлять сбор структурированных и неструктурированных данных с использованием API и веб-обработки. 3.Настраивать аналитику, системы и методы, ориентированные на пользователя. 4.Представлять результаты анализа с использованием методов визуализации. 5.Соблюдать этические принципы сбора и манипулирования данными. В рамках дисциплины отображаются следующие аспекты: Жизненный цикл инженерии данных. Экосистема инженерии данных. Типы хранилищ данных. Витрины данных и озера данных. Процессы ETL и ELT. Конвейеры данных. Платформы интеграции данных. Большие данные. Аспекты безопасности. Управление жизненным циклом данных. Соблюдение правил конфиденциальности данных.
-
Высшая математика
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использовать знания разделов высшей математики в прикладных задачах. В рамках дисциплины рассматриваются следующие аспекты: Элементы линейной алгебры. Матрицы и определители. Системы линейных алгебраических уравнений. Векторы. Уравнения прямой. Уравнения второго порядка. Предел функции. Непрерывность функции. Производная функции. Правила дифференцирования. Функции нескольких переменных. Экстремальные функции нескольких переменных. Неопределенный интеграл. Основные методы интегрирования. Определенные, несобственные интегралы. Приложения определенного интеграла.
-
Дискретная математика и математическая логика
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель - формирование знаний и умений будущих специалистов по использованию аппаратов и методов дискретной математики при анализе, управлении и программировании современных процессов и систем и формирование умения использовать математическую логику для исследования математических объектов.
-
Методы оптимизации и исследование операций
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности применять методы поиска оптимальных решений на основе математического моделирования и различных эвристических подходов решения практических задач. В результате изучения дисциплины сформировать у студентов способности: формулировать постановки задач исследования операций; строить содержательную модель рассматриваемого объекта (процесса); разрабатывать математическую модель рассматриваемого объекта (процесса); решать задачи, сформулированной на базе построенной математической модели; проверять полученные результаты на их адекватность первоначальной модели. В рамках дисциплины отображаются следующие аспекты: Методы математического программирования. Понятие о выпуклых множествах. Теоремы о выпуклых множествах. Общая задача линейного программирования. Основные теоремы линейного программирования. Метод последовательного улучшения плана (симплекс – метод). Теория двойственности в линейном программировании. Распределительный метод. Модель и теорема о разрешимости задачи. Параметрическое линейное программирование. Дискретное программирование. Целочисленное программирование. Динамическое программирование. Нелинейное программирование.
-
Проект по прикладной науке о данных
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины это интенсивный курс, в котором основное внимание уделяется практической реализации и управлению проектами по науке о данных. Студенты приобретают опыт решения проблем на основе данных, совместной работы и общения, тем самым учатся применять методы и принципы науки о данных в реальных сценариях. Курс направлен на то, чтобы познакомить студентов с практическим управлением и реализацией проектов по науке о данных, развить их навыки решения проблем, основанных на данных, а также улучшить их навыки командной работы и общения в контексте науки о данных. Кроме того, он направлен на то, чтобы дать учащимся возможность применять методы науки о данных в реальных сценариях и способствовать глубокому пониманию жизненного цикла проекта по науке о данных. Ожидается, что по завершении студенты будут эффективно управлять и реализовывать проекты по науке о данных, демонстрировать опыт в решении проблем, основанных на данных, а также демонстрировать улучшенные навыки командной работы и общения в контексте науки о данных. Они также будут готовы применять методы науки о данных в реальных сценариях и будут обладать глубоким пониманием жизненного цикла проекта науки о данных. В рамках дисциплины отображаются следующие аспекты: управление и реализацию проектов по науке о данных, методы решения проблем на основе данных, командную работу и общение в контексте науки о данных, применение методов науки о данных к реальным сценариям и понимание науки о данных. жизненный цикл проекта.
-
Экосистемы больших данных
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности создания и использования информационных технологий нового поколения, предназначенных для экономически эффективного извлечения полезной информации из больших объемов разнообразных данных путем высокой скорости их сбора, обработки и анализа для обеспечения информационноаналитической деятельности, поддержки принятия решений, а также создания инновационных продуктов и услуг в целях повышения эффективности управления и конкурентоспособности организаций любых отраслей экономики. В результате изучения дисциплины сформировать у студентов способности: извлекать полезную информацию из больших объемов разнообразных данных; проектировать инновационные продукты и услуги в целях повышения эффективности управления и конкурентоспособности организаций любых отраслей экономики; обработать данные применяя технологий больших данных; анализировать для поддержки принятия решений. В рамках дисциплины рассматриваются следующие аспекты: Виды экосистем обработки больших данных. Hadoop. Hbase. Hive. Pig. Sqoop. Spark. Shark. MySQL. MongoDB.
-
Безопасность данных
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности обеспечивать защиту данных в состоянии покоя, во время обработки и при передаче в приложениях, управляемых данными. В результате изучения дисциплины сформировать у студентов способности: Описать способы использования криптографии в передаче данных. Демонстрировать математическое понимание алгоритмов шифрования. Выбирать криптографические протоколы, инструменты и методы, которые подходят для данной ситуации. Объяснять, как можно защитить передачу данных по сети или через Интернет. Проводить анализ угроз для приложений реального времени, которые потребляют/производят данные. В рамках дисциплины отображаются следующие аспекты: Криптографические концепции. Шифрование/дешифрование, аутентификация сообщений, целостность данных. Классификация атак. Закрытый ключ. Открытый ключ. Модели угроз для приложений, управляемых данными. Роль математических методов в получении полезных знаний о шифровании. Криптография с открытым ключом для защиты данных.
-
Бизнес аналитика и визуализация данных
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности оперировать возможностями инструментов для проведения бизнес-анализа и построения визуальных моделей данных для анализа состояния бизнеса. Введение в бизнес-аналитику и визуализацию данных. Большие данные в торговле. Безопасность больших данных. Большие данные в банковском деле. Большие данные в рейтинговой системе.
-
Введение в науку о данных
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использовать ключевых технологий в области науки о данных и аналитики, включая интеллектуальный анализ данных, машинное обучение, методы визуализации, прогнозное моделирование и статистику. Математический инструментарий науки о данных. Программный инструментарий науки о данных. Машинное обучение: обучение с учителем. Машинное обучение: обучение без учителя.
-
Веб-программирование
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности проектировать и разрабатывать веб-приложения. В результате изучения дисциплины сформировать у студентов способности: - проектировать веб-приложения согласно техническому заданию; - разрабатывать модели данных, применять принципы объектно-ориентированного проектирования и программирования; - разрабатывать веб-приложения на платформе .NET; - проектировать базы данных для веб-приложений, писать SQL запросы; - выполнять адаптивную вёрстку на стороне клиента, администрировать IIS сервера и публиковать веб-приложения. Дисциплина направлена на изучение тем: Архитектуры клиент-серверных технологий: сторона клиента, сторона сервера. Проектирование базы данных веб-приложений, объектно-ориентированного и предметно-ориентированного подхода в проектировании и разработке веб-приложений, разработка MVC и веб API приложений, основы FRONTEND разработки (HTML/CSS/JavaScript). Применение последней версии JS-фреймворка BootStrap для вёрстки мобильной сайта и технологии Comet.
-
Военная подготовка
- Количество кредитов: 6
- Тип контроля: РК
- Описание: Военная подготовка
-
Глубокое обучение
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности применять глубокие нейронные сети для решения задач, требующих больших вычислительных ресурсов. Устройство глубоких нейронных сетей. Архитектуры сетей. Существующие программные системы для глубокого обучения. Оценка качества обучения. Задача компьютерного зрения.
-
Интеллектуальный анализ данных
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности у студентов применять основные подходы в интеллектуальном анализе данных и разработке алгоритма для решения аналитических задач. Основы анализа данных. Сбор и обработка данных. Поиск выбросов и аномалии. Регрессионный анализ. Линейная регрессия. Полиномиальная регрессия.
-
Информационно-коммуникационные технологии
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: При изучении дисциплины студенты будут изучать следующие аспекты:Роль ИКТ в ключевых секторах развития общества. Архитектура компьютерных систем. Программное обеспечение. Microsoft Office Интернет технологии. Облачные и мобильные технологии. Мультимедийные технологии. Электронное обучение. Информационные технологии в профессиональной сфере.
-
Исследование операций и методы оптимизации
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности применять методы поиска оптимальных решений на основе математического моделирования и различных эвристических подходов решения практических задач. Методы математического программирования. Понятие о выпуклых множествах. Теоремы о выпуклых множествах. Общая задача линейного программирования. Основные теоремы линейного программирования.
-
История Казахстана
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+ ГЭК] (100)
- Описание: Цель дисциплины – дать объективные знания об основных этапах развития истории Казахстана с древнейших времен по настоящее время. Ожидаемые результаты обучения: 1) демонстрировать знание и понимание основных этапов развития истории Казахстана; 2) соотносить явления и события исторического прошлого с общей парадигмой всемирно-исторического развития человеческого общества посредством критического анализа; 3) владеть навыками аналитического и аксиологического анализа при изучении исторических процессов и явлений современного Казахстана; 4) уметь объективно и всесторонне осмысливать имманентные особенности современной казахстанской модели развития; 5) Систематизировать и давать критическую оценку историческим явлениям и процессам истории Казахстана. При изучении дисциплины студенты будут изучать следующие аспекты: Древние люди и становление кочевой цивилизации, Тюркская цивилизация и Великая степь, Казахстан в Новое время (XVIII - начало ХХ вв.), Казахстан в составе советской административно-командной системы, Казахстан в мировом сообществе (1991-2022 гг.).
-
Прикладная статистика
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности решения обратных задач математической и прикладной статистики, умением выбирать оптимальные способы анализа данных эксперимента и интерпретации результата, применять современные вычислительные средства и математические пакеты прикладных программ для анализа и визуального отображения данных. В рамках дисциплины рассматриваются следующие аспекты: Статистика. Статистика по заказу. Образец медианы и квартили. Примеры моментов. Отбор проб. Примеры характеристик в качестве оценок. Асимптотическая нормальность характеристик образца. Оценка параметров и подгонка вероятностных распределений. Наименьшие квадратные оценки параметров. Максимальная вероятность, Метод моментов. Некоторые статистические распределения: χ ^ 2-распределение, t-распределение Стьюдента. Распределение Фишера. Интервальные оценки. Проверка гипотез и оценка соответствия. Тесты для среднего. Тест отношения правдоподобия. Хи-квадрат Пирсона. Подведение итогов. Сравнение двух образцов. Анализ дисперсии. Анализ категориальных данных. Линейная регрессия. Гипотеза тестирования, доверительный интервал в моделях линейной регрессии. Множественная регрессия.
-
Политология
- Количество кредитов: 2
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина «Политология» формирует знания о законах и закономерностях мировой политики и современных политических процессов, объясняя суть и содержание политики национальных государств, на основе обеспечения национальной безопасности и реализации национальных интересов. Изучение данной дисциплины содействует пониманию внутренних и внешних связей и отношений, основных тенденций и закономерностей, действующих в различных политических системах.
-
Компьютерные сети
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Целью дисциплины является организация компьютерных сетей, приобретение студентами знаний и умений в развитии локальной сети, решение задач, практическое применение средств, позволяющих осуществлять, отлаживать и запускать на практике. По дисциплине рассматриваются следующие аспекты:. Протоколы сетевого уровня. Маршрутизаторы. Настройка роутера. IPv4 сетевые адреса. IPv6 сетевые адреса. Расчет маски. Протоколы TCP и UDP.
-
Культурология
- Количество кредитов: 2
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: сформировать у студентов бакалавриата понимание специфики развития отечественной культуры в контексте мировой культуры и цивилизации, необходимости сохранения культурного кода казахского народа, умение в самостоятельной профессиональной деятельности проводить стратегию сохранения культурного наследия казахского народа в динамично изменяющемся мультикультурном мире и социуме.
-
Модуль социально-политических знаний (Культурология)
- Количество кредитов: 2
- Тип контроля: РК1+РК2 (100)
- Описание: Цель дисциплины: формирование способности объяснить и интерпретировать предметные знания во всех областях науки, формирующих учебные дисциплины. Будут изучены: социология и социологические перспективы, социальная структура; форма политики, организационная структура, институты, система правовых и организационных норм, содержание, цели, ценности политики; понятие и сущность культуры, семиотика культуры; психология личности, психология межличностного общения.
-
Модуль социально-политических знаний (Политология)
- Количество кредитов: 2
- Тип контроля: РК1+РК2 (100)
- Описание: Цель дисциплины: формирование способности объяснить и интерпретировать предметные знания во всех областях науки, формирующих учебные дисциплины. Будут изучены: социология и социологические перспективы, социальная структура; форма политики, организационная структура, институты, система правовых и организационных норм, содержание, цели, ценности политики; понятие и сущность культуры, семиотика культуры; психология личности, психология межличностного общения.
-
Модуль социально-политических знаний (Психология)
- Количество кредитов: 2
- Тип контроля: РК1+РК2 (100)
- Описание: Цель дисциплины: формирование способности объяснить и интерпретировать предметные знания во всех областях науки, формирующих учебные дисциплины. Будут изучены: социология и социологические перспективы, социальная структура; форма политики, организационная структура, институты, система правовых и организационных норм, содержание, цели, ценности политики; понятие и сущность культуры, семиотика культуры; психология личности, психология межличностного общения.
-
Модуль социально-политических знаний (Социология)
- Количество кредитов: 2
- Тип контроля: РК1+РК2 (100)
- Описание: Цель дисциплины: формирование способности объяснить и интерпретировать предметные знания во всех областях науки, формирующих учебные дисциплины. Будут изучены: социология и социологические перспективы, социальная структура; форма политики, организационная структура, институты, система правовых и организационных норм, содержание, цели, ценности политики; понятие и сущность культуры, семиотика культуры; психология личности, психология межличностного общения.
-
Математика-2 (алгебра и дискретная математика)
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использовать знания алгебры и дискретной математики в прикладных задачах. Комплексные числа. Матрицы и определители. Системы линейных алгебраических уравнений. Многочлены. Множества и отношения и операции над ними. Элементы теории чисел и комбинаторики. Элементы теории графов и булевые функции.
-
Машинное обучение
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности осуществлять выбор приемлемого метода машинного обучения для решения конкретной задачи анализа данных, выполнять предобработку данных, настройку параметров метода анализа и интерпретацию полученных результатов. Введение в машинное обучение. Логические методы: решающие деревья и решающие леса.
-
Операционные системы и компьютерные сети
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности работать со структурами и механизмами различных операционных систем, а также в операционной системе Linux. Linux. Функции и архитектурные требования к ОС. Общие принципы управления ресурсами. Процессы. Архитектура файловых систем. Управление памятью. Управление вводом.
-
Основы искусственного интеллекта
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель курса состоит в формировании способности разрабатывать и внедрять компоненты систем искусственного интеллекта для повышения скорости и качества обработки данных и принятия решений. Базовые понятия искусственного интеллекта. Интеллектуальные агенты. Байесовская теория принятия решений. Параметрические методы. Задача кластеризации. Непараметрические методы. Деревья решений.
-
Психология
- Количество кредитов: 2
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель изучения дисциплины – обеспечение научно - обоснованной подготовки высококвалифицированных специалистов на основе изучения фундаментальных понятий психологии управления, создание необходимых предпосылок для теоретического понимания и практического применения важнейших проблем сферы управления в процессе профессионального становления в рамках обладать современной научной информацией об основах психологической науки и практики.
-
Иностранный язык
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель:сформировать совершенствование знания иноязычной коммуникативной компетенции. Рассматриваются основные методы речевых навыков и умений иноязычного общения как базы для развития коммуникативной компетенции; развитие профессионально значимых умений и опыта иноязычного общения во всех видах речевой деятельности; реализация приобретённых речевых умений в процессе поиска, отбора и использования материала на английском языке.
-
Технологии программирования
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности разрабатывать прикладные программы с использованием методологии, основных парадигм и современных языков программирования. Общая характеристика языков программирования. Базовые конструкции современных языков программирования (С++, С#).
-
Философия
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель:сформировать системные представления о философии и об основных ее проблемах и методах в контексте будущей профессиональной деятельности. Рассматриваются основное содержание онтологии и метафизики в контексте исторического развития философии; классифицировать методы научного и философского познания мира; обосновать роль и значение ключевых мировоззренческих понятий в современном мире.
-
Теория вероятностей и математическая статистика
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности научного представления о методах исследования случайных явлений и применение изученных методов для построения вероятностно- статистических моделей. В рамках дисциплины рассматриваются следующие аспекты: Функция распределения случайной величины. События и случайные величины. Моменты случайных величин. Условные вероятности. Распределение Пуассона и некоторые другие распределения. Исследование выборками. Интервальные оценки. Дисперсионный анализ. Совместная функция распределения нескольких случайных величин. Цепи Маркова.
-
Социология
- Количество кредитов: 2
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В курсе представлены общие вопросы теории и истории социологии. Данный курс направлен на формирование социологического воображения у студентов, основных представлений о предмете и методах социологического исследования, актуальных проблемах и отраслях социологии. Он предлагает вниманию студентов основные концепты социологической теории и эффективные технологии изучения разных сфер современного общества.
-
Теория баз данных
- Количество кредитов: 6
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности осуществлять концептуальное, логическое и физическое проектирование баз данных; использовать языки создания запросов для организации и управления данными. В рамках дисциплины рассматриваются следующие аспекты: Абстракция данных и введение в управление данными. Инфологическое моделирование и модель «сущность-связь». Даталогическое проектирование и реляционная модель данных. Язык манипулирования данными SQL. Проектирование и тестирование реляционной базы данных. Обеспечение целостности данных. Данные в нереляционной форме и знания. Современные технологии доступа к данным.
-
Алгоритмы и структуры данных
- Количество кредитов: 9
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель курса ознакомить студентов с классическими и современным состоянием содержания предмета «Алгоритмы и структуры данных», а также приложениями содержания предмета к различным задачам, показать взаимосвязь между алгоритмами и структурами данных, которые обрабатывают эти алгоритмы.
-
Операционные системы
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности работать со структурами и механизмами различных операционных систем, а также в операционной системе Linux. В результате изучения дисциплины сформировать у студентов способности: - обеспечивать базовую настройку операционной системы в среде ее функционирования - знать основные архитектурные концепции построения и дистрибутивы операционных систем - проводить выбор дистрибутива операционной системы и установку его на персональный компьютер - знать управление правами доступа ,утилиты обработки текста и текстовые редакторы в LINUX. В рамках дисциплины рассматриваются следующие аспекты: Linux . Функции и архитектурные требования к ОС. Общие принципы управления ресурсами. Процессы. Архитектура файловых систем. Управление памятью. Управление вводом. Система управления данными. Сетевые операционные системы.
-
Компьютерное зрение
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины дать студентам всестороннее представление о компьютерном зрении, ключевой области искусственного интеллекта, которая фокусируется на том, чтобы позволить машинам извлекать, анализировать и понимать данные из изображений или многомерных данных. В рамках дисциплины отображаются следующие аспекты: Курс посвящен основам обработки изображений, извлечению и выбору признаков, обнаружению и отслеживанию объектов, распознаванию и пониманию изображений, методам глубокого обучения для задач зрения и практической реализации с использованием популярных библиотек компьютерного зрения.
-
Базы данных NoSQL
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности выбирать и применять технологию баз данных NoSQL, которая наилучшим образом соответствует конкретным случаям использования. В результате изучения дисциплины сформировать у студентов способности: Описывать различные типы баз данных NoSQL. Объяснять отличия NoSQL и реляционных базы данных с теоретической точки зрения. Разрабатывать системы управления базами данных NoSQL. Выбирать базу данных NoSQL для конкретных случаев использования. Разрабатывать приложения и производить интеграции баз данных NoSQL. В рамках дисциплины отображаются следующие аспекты: Отличительные характеристики баз данных NoSQL. Основные концепции баз данных NoSQL. Технологии NoSQL баз данных. Основные модели данных NoSQL. Разработка и использование базы данных NoSQL в зависимости от потребностей бизнеса. Критерии выбора между реляционными и нереляционными базами данных.
-
Введение в архитектуру смарт-контрактов
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности создавать блокчейн приложения, которые автоматизируют взаимодействие сети участвующих субъектов. В результате изучения дисциплины сформировать у студентов способности: - Настраивать платформу Ethereum с несколькими узлами. - Применять инструменты создания, развертывания и мониторинга децентрализованных приложений. - Писать программный код в Solidity для разработки смарт-контрактов. - Применять web3.js, meteor для взаимодействия пользователя с блокчейн. - Поддерживать реализацию управления, авторизации и аутентификации сущностей в децентрализованном приложении. В рамках дисциплины отображаются следующие аспекты: Экосистема Ethereum и язык программирования Solidity для создания смарт-контрактов. Создание, развертывание смарт-контрактов. Транзакции в смарт-контрактах. Задачи идентификации и защиты учетных записей пользователей. Эталонная архитектура децентрализованного приложения. Проблема масштабируемости технологий распределенного реестра и способы их решения. Реализация смарт-контрактов в сети и вне сети.
-
Введение в бизнес модели блокчейн
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности описывать бизнес-модели, связанные с блокчейн, использовать блокчейн технологии в различных бизнес-сценариях. В результате изучения дисциплины сформировать у студентов способности: - Описывать различные бизнес-модели блокчейна. - Определить конкретные деловые ситуации, в которых технология блокчейна может быть развернута для решения важных проблем. - Выбрать конкретную технологию блокчейна, которая имеет наилучшие шансы на успех в решении конкретной проблемы. - Применять принципы управления цифровыми активами, проведения безопасных и прозрачных транзакций, создания децентрализованных приложений и многое другое. - Детализировать риски, связанные с технологией блокчейн, и применять механизмы безопасности блокчейна. В рамках дисциплины рассматриваются следующие аспекты: Концепция бизнес-моделей и их роль в контексте блокчейна. Различные типы бизнес-моделей. Модель сетевого эффекта. Модель токеномики. Децентрализованные автономные организации (DAO). Решения для масштабирования блокчейна. Сетевая безопасность. Безопасность узла. Введение в Hyperledger. Безопасность в блокчейне. Механизмы безопасности блокчейна.
-
Введение в блокчейн
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности описывать концептуальные принципы технологии блокчейна. В результате изучения дисциплины сформировать у студентов способности: - Описывать концептуальные принципы технологии блокчейна. - Объяснить различные компоненты, задействованные в блокчейне. - Объяснять современные концепции технологии блокчейн. - Анализировать приложения цепочки блоков в структурном виде. - Создавать и использовать блокчейн-примитивы. В рамках дисциплины отображаются следующие аспекты: История цифровых денег. Децентрализация. Понимание основ блокчейна. Византийская отказоустойчивость. Узлы в блокчейне. Технологии распределенного реестра. Криптография в блокчейне. Алгоритм консенсуса и майнинг блоков. Введение в блокчейны EVM. Понимание криптовалюты. Введение в смарт-контракты. Технологические платформы блокчейна. Варианты использования и приложения блокчейна. Блокчейн-примитивы.
-
Инженерия признаков
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины предоставить студентам всеобъемлющее понимание инженерии признаков, важной части машинного обучения и науки о данных. Студенты научатся извлекать, создавать и преобразовывать признаки из исходных данных для улучшения производительности модели. Им будут представлены различные техники, включая кодирование категориальных данных, работу с отсутствующими данными, масштабирование признаков и методы выбора признаков. Курс также направлен на развитие навыков студентов в использовании языков программирования, таких как Python и R, для инженерии признаков. К концу курса студенты приобретут уверенность в понимании, создании и преобразовании признаков для улучшения производительности модели машинного обучения; они также получат практические навыки реализации этих техник с использованием популярных языков программирования для науки о данных. В рамках дисциплины отображаются следующие аспекты: основные концепции и техники инженерии признаков, включая предварительную обработку данных, работу с категориальными и числовыми данными, ввод отсутствующих данных, масштабирование и нормализацию признаков, извлечение признаков, методы выбора признаков, а также применение этих техник с использованием языков программирования, таких как Python и R.
-
Классификация и кластеризация
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины подробно разобрать алгоритмы классификации и кластеризации, используемые в машинном обучении. Студенты научатся анализировать и интерпретировать сложные наборы данных, разрабатывать прогностические модели и применять эти техники к реальным проблемам. С помощью комбинации теоретического обучения и практических упражнений студенты освоят основы этих методов, изучат их применение в различных областях и научатся использовать соответствующие программные средства для анализа данных. К концу курса студенты смогут профессионально понимать, выбирать и применять соответствующие методы классификации и кластеризации для анализа данных, прогнозирования моделей и решения проблем в различных контекстах; они также разовьют практические навыки в использовании вычислительных инструментов и программного обеспечения для реализации и проверки этих моделей. В рамках дисциплины отображаются следующие аспекты: включая основные принципы машинного обучения, обучение с учителем и без учителя, различные алгоритмы классификации и кластеризации (такие как метод ближайших соседей, метод опорных векторов, деревья решений, k-средних, иерархическая кластеризация), отбор признаков, снижение размерности, проверка модели и практическое применение с использованием соответствующих языков программирования и библиотек.
-
Основы децентрализованных приложений
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использовать основные компоненты и инструменты технологии блокчейн для разработки децентрализованных приложений. В результате изучения дисциплины сформировать у студентов способности: - Описывать концепцию децентрализованных приложений. - Разрабатывать смарт-контракты с помощью Solidity. - Использовать расширенные возможности Solidity. - Разработка интерфейса с применением ethers.js. - Проводить интеграцию с веб-фреймворками - Создавать децентрализованные приложения web3 с полным стеком. В рамках дисциплины отображаются следующие аспекты: Децентрализованные приложения. Введение в DApps и смарт-контракты. Введение в Solidity. Разработка смарт-контрактов с помощью Solidity. Расширенные возможности Solidity. Введение в ethers.js. Интеграция с веб-фреймворками. Введение в hardhat. Введение в GraphQL. Создание децентрализованного приложения web3 с полным стеком. Обновляемые смарт-контракты.
-
Проектирование и разработка программного обеспечения
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности выполнять все этапы жизненного цикла разработки программного обеспечения, писать воспроизводимый, надежный, масштабируемый код для проектов по науке о данных. В результате изучения дисциплины сформировать у студентов способности: Описывать структуры данных и концепцию объектно-ориентированного программирования. Выполнять этапы разработки программного обеспечения. Документировать, упаковывать программный код. Проводить тестирование, обработку ошибок и ведение журнала. проектировать программные системы с использованием архитектуры клиент-сервер и распределенной системы. В рамках дисциплины отображаются следующие аспекты: Модели программных процессов. Гибкая модель разработки. Разработка требований к программному обеспечению. Моделирование системы. Архитектурные проекты программного обеспечения. Проектирование системы реального времени. Инжиниринг на основе компонентов. Тестирование программного обеспечения. Оценка стоимости программного обеспечения.
-
Аль-Фараби и современность
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: формирование у студентов представлений о научно-философском наследии великого тюркского мыслителя Абу Насра аль-Фараби в контексте развития мировой и национальной культуры. Будут изучены особенности наследия аль-Фараби и его влияние на формирование тюркской философии, характер влияния восточной философии на Европейский Ренессанс; традиционные и современные проблемы истории национальной и мировой философии.
-
Анализ данных в приложениях
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Целью дисциплины состоит в формировании способности применять знания, теоретические и практические аспекты в области анализа данных, а также совершенствование их навыков в смежных отраслях, таких как математика, проектное управление и предпринимательство. В рамках дисциплины отображаются следующие аспекты: Примеры применения анализа данных, стандартные задачи и методы. Методы решения задачи классификации и регрессии. Кластеризация. Преобразование признаков. Введение в Text Mining, Библиотеки Pandas, Numpy, Matplotlib, Plotly.
-
Инструменты Business Intelligence
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использования программных средств технологий анализа данных при решении задач интеллектуальной поддержки управленческих решений. Функции бизнес-аналитики: идентификация, моделирование, прогнозирование, оптимизация решений, анализ чувствительности. Методы бизнес-аналитики. Платформы бизнес-интеллекта (Business Intelligence, BI). Методики обнаружения нового знания в хранилищах данных (KDD). Аналитические приложения в корпоративных информационных системах.
-
Менеджмент бизнес-процессов
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности управления компанией и управления производственной, маркетинговой, инновационной, кадровой и финансовой деятельности предприятия на основе методологии бизнес-процесса управления. В результате изучения дисциплины сформировать следующие способности: - применять понятийно-категориальный аппарат в области управления бизнес-процессами; - формировать представление о процессном подходе к управлению и его отличию от традиционного функционального подхода; - освоить современные методы диагностирования параметров моделей бизнес-процессов и программных средств - моделировать и анализировать бизнес-процессы. В рамках дисциплины отображаются следующие аспекты: Введение в бизнес-процесс управления. Эволюции концепции бизнес-процесса подхода к управлению, о методологии и принципах бизнес-процесса управления, о методах анализа и реинжиниринга бизнес-процессов, приобретут навыки и умения оценки достоинств и недостатков различных типов управления и последствий их применения, моделирования бизнес-процессов и использования информационных технологий для оптимизации бизнес-процессов.
-
Методы научных исследований
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель - сформировать навыки в познавательной деятельности в сфере науки. Использовать методы научных исследований для понимания и усвоения информации. Уметь описывать объект исследования. Владеть методами поиска, обработки научной информации, систематизации, анализа, синтеза для получения объективного содержания научного знания. Применять аналитические и практические методы исследования и системы аргументации для обоснования, утверждения, оценки.
-
Модели и методы практической предиктивной аналитики
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности у обучающихся знаний по применению методов предиктивной аналитики для прогнозирования будущего поведения объектов и. субъектов в бизнес-сфере. В рамках дисциплины отображаются следующие аспекты: Big Data и традиционные выборки. Классификатор инструментов предиктивной аналитики по типу решаемой задачи. Получение выборочного распределения. Кластерный анализ. Иерархическая кластеризация. Большие данные и ложные корреляции. Стохастический и пакетный градиентный спуск. Введение в неконтролируемое обучение
-
Моделирование больших данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности профессиональной компетенции в области разработки и использования систем обработки и анализа больших массивов данных. Введение в Big Data Modeling. Обзор в значение и компетенции данных. Управление процессами. Анализ больших массивов. Использование систем обработки.
-
Мониторинг банковских процессов
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности освоения теоретических основ моделирования бизнес-процессов, знакомство с методами анализа бизнес-процессов, а также получение знаний в области управления бизнес-процессами в банковских процессах . В результате изучения дисциплины будут сформированы способности: - Выделять бизнес-процессы и определять их границы определять владельцев бизнес-процессов - Создавать общую и детальную карту бизнес-процессов организации - Разрабатывать положение о бизнес-процессах - Моделировать и детально описывать бизнес-процессы. В рамках дисциплины отражаются следующие аспекты: Управление бизнес-процессами (BPM) представляет собой системный подход для отражения, проектирования, выполнения, программирование, документирования, измерения, мониторинга и контроля как автоматизированных, так и неавтоматизированных процессов, для достижения целей и бизнес-стратегий компании. BPM охватывает осознанное, всеобъемлющее и все более технологичное определение, совершенствование, инновации и поддержание сквозных процессов. Благодаря этому системному и сознательному управлению процессами компании добиваются лучших результатов быстрее и гибче.
-
Облачные вычисления
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности применять концепции, технологии, архитектуры и приложения облачных вычислений для исследования и решения современных фундаментальных задач. Основные тенденции развития облачных вычислений и технологий. Архитектура «облачных» технологий. Способы и особенности проектирования «облачных» сервисов. Основные модели предоставления услуг облачных вычислений.
-
Облачные технологии в Data Science
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности проводить исследовательский анализ данных с помощью Google Cloud Platform (GCP). В рамках дисциплины отображаются следующие аспекты: Настройка Cloud DataLlb для исследовательской аналитики данных. Сегментация и профилирование. Чтение и запись данных из BigQuery. Управление сегментами облачного хранилища. Создание визуализаций данных BigQuery с помощью GCP Charting API. Что входит в конвейер данных? Продукты GCP Data Pipeline. Охваченные модули Data Science. Параметры конвейера данных GCP. Cloud Dataproc. Облачный поток данных. Cloud Pub / Sub. Что такое Apache Beam? Pcollections. Ввод / вывод конвейера. Настройка GCP для потока данных. Настройка Python. Создание простого конвейера. Настройка потока данных. Выполнение в потоке данных. Обработка данных с помощью луча и потока данных. Потоковая передача с Dataflow.
-
Облачные хранилища данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины является изучение современных методологий и технологий создания облачных программных средств; математических основ систем реального времени, принципов организации современных облачных сервисов и систем, которые можно применить при разработке и исследовании нового программного обеспечения. Введение в сервис-ориентированные технологии. Понятие «Облака». Концепция облачных сервисов.
-
Обработка естественного языка (NLP)
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности использовать библиотеки, актуальные и полезные для НЛП в Python. В результате изучения дисциплины сформировать следующие способности: - манипулировать текстом, поиск текста, подсчет слов, разбиение текста на слова, лексическая дисперсия - Извлекать информации из текста - Анализировать структуру предложения(парсер, грамматика) - Управлять лингвистическими данными. В рамках дисциплины рассматриваются следующие аспекты: Обзор пакетов Python, связанных с NLP. Введение в NLP. Простая обработка текста. Обработка сложных конструкций. Естественный . Машинные переводы (статистические, основанные на правилах, буквальные и т. Д.) NLP в Python в примерах. Доступ к текстовым корпусам и лексическим ресурсам. (Общие источники для корпусов. Условные частотные распределения. Подсчет слов по жанрам . Создание собственного корпуса. Словарь произношения. Лексиконы для обуви и инструментов. Смыслы и синонимы. Иерархии. Лексические отношения: меронимы, голонимы. Семантическое сходство) Категоризация и маркировка слов. Текст Извлечение информации из текста. Анализ структуры предложения. Построение грамматик на основе признаков. Анализируя значение предложений. Управление лингвистическими данными. Форматы данных (лексикон или текст), метаданные.
-
Обработка интернет данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности обработывать интернет данные с помощью Google Analitics и Yandex Metrics. В рамках дисциплины рассматриваются следующие аспекты: Введение в обработку интернет данных. Обзор методов обработки интернет данных. Управление процессами. Взаимоисключения и синхронизация. Управление обработкой информации. Управление вводом-выводом. Цели обработки интернет данных. Управление безопасностью. Принципы обработки интернет данных. Защита интернет данных. Изучение конкретных примеров: Google Analitics, Yandex Metrics.
-
Параллельные вычисления для науки о данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности запускать несколько инструкций одновременно с использованием параллельной обработки. Введение в параллельную обработку. Две типичные аппаратные платформы: многоядерные машины и кластеры. Принципы планирования параллельного цикла. Все возможные регрессы, улучшенная версия. Парадигма передачи сообщений.
-
Поисковые системы
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности обеспечить механизм полнотекстового поиска и анализа в реальном времени с открытым исходным кодом. Функциональные возможности Elastic Stack. Об эффективном построении конвейеров данных, позволяющих загрузить в Elasticsearch и Logstash терабайты и петабайты информации для поиска и логирования.
-
Правовые основы противодействия коррупции
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины – сформировать ответственное отношение и способность демонстрировать на практике применение принципов и норм антикоррупционного законодательства в целях предупреждения коррупционных правонарушений, формирования нетерпимости к коррупционным проявлениям, антикоррупционной культуры в быту и на рабочем месте, гражданской ответственности. Будут изучены: антикоррупционное законодательство, система и деятельность субъектов противодействия коррупции, причины и условия, способствующие коррупции, антикоррупционная политика, международный опыт борьбы с коррупцией.
-
Предпринимательство
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель: формирование практических навыков осуществления предпринимательской деятельности на основе изучения теории и практики предпринимательства. Студент будет способен: использовать возможности рынка, соответствующие их личным интересам и способностям; принять первоначальное решение о начале бизнеса; эффективно работать в рамках действующих правовых норм; определять и оценивать потенциальные рыночные возможности стартапа.
-
Прикладная наука о данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности знать основы в основополагающих элементах теории и систем науки о данных, включая преобразования данных, системы баз данных и практические конвейеры обработки данных. Основные понятия технологий сбора и систематизации данных. Предобработка данных, визуализация, первичный статистический анализ. Корреляционный и регрессионный анализы.
-
Проект Python для разработки данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в представления концепций и пакетов Python, которые полезны для решения прикладных задач подготовки данных, применения методов машинного обучения и построения нейронных сетей. Пакеты NumPy, SymPy, Pandas. Визуализация данных: Matplotlib, seaborn, plot.ly. Git/GitHub. Рекомендации по стилю кодирования. Реляционные базы данных. SQL запросы.
-
Проектирование и конструирование ПО
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности применять, основные методы и средства проектирования Интернет банкинга/мобильного банкинга с использованием объектно-ориентированного подхода и реализации ее с различными СУБД. Объектно-ориентированный анализ Интернет банкинга/мобильного банкинга. Основные элементы ООП: абстрагирование, инкапсуляция, модульность, иерархия, типизация, параллелизм, устойчивость
-
Рекомендательные системы
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Целью дисциплины состоит в формировании способности создавать рекомендательные системы на основе языка программирования Python. В результате изучения дисциплины будут сформированы способности: понимать особенности машинного обучения создавать и применять функции на Python Работать с рекомендательными системами Переносить проекты на Hadoop В рамках дисциплины отображаются аспекты: Python, быстрый старт: типы данных, функции, циклы, классы, ошибки. Библиотеки для анализа данных: Pandas, Numpy, Matplotlib, Plotly. Знакомство с машинным обучением. Этапы построение ML системы. Основные модели машинного обучения: линейная и логистическая регрессии. Деревья решений и knn. Алгоритмы кластеризации и оценка качества. Feature Engineering, Feature Selection.
-
Статистические вычисления и анализ данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности организации и проведения статистического наблюдения, статистическими методами обработки и анализа статистических данных. Введение в статистику. Предмет, метод и задачи статистики. Этапы проведения и программно-методологические вопросы статистического наблюдения. Формы, виды и способы организации статистического наблюдения.
-
Технология распределенной потоковой передачи данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности обеспечить сбор и обработку данных поведение пользователя на сайте, потоки информации с множества конечных устройств IoT и IIoT, агрегация журналов работы приложений, агрегация статистики из распределенных приложений для корпоративных витрин данных (ETL-хранилищ), журналирование событий. В рамках дисциплины рассматриваются следующие аспекты: Основные концепции Kafka и базовые операции. Архитектура Kafka. Основные термины. Изучение основных компонентов Kafka, принципы их взаимодействия и killer features данной технологии Kafka workflow. Работа по модели Pub/Sub и Queue/Consumer Group. Изучение 2 возможных режима работы Кafka, а также их отличия и основные причины выбирать тот или другой. Понятие Topic-а в Kafka. Управление Topic-ами из консоли. Обучение разделять сообщения по группам и управлять ими как из кода, так и из консоли. Kafka Producer. Публикация сообщений с помощью кода. Погрузимся в детальную настройку Kafka Producerа и best practices на стороне производителя сообщений Kafka Consumer. Прием сообщений point-to-point. Обучение принимать сообщения и завершение на практике минимального сценария работы приложения. Kafka Broadcasting and Groups. Гибкий процесс приема сообщений. Научимся настраивать группы для работы с сообщениями в режиме broadcasting.
-
Технология блокчейн
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности обосновывать, проектировать и применять технологию блокчейна в практической работе. Архитектура программного обеспечения и ее связь с технологией блокчейна. Различные способы определения технологии блокчейна. Проектирование блокчейна. Основные концепции управления правом владения с помощью блокчейна. Документирование права владения. Хэширование данных. Защита хранимых данных.
-
Управление базами данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности построения систем реляционных баз данных, принципах проектирования структур БД на основе (Oracle, PL SQL), методах приведения структур БД к нормальным формам, изучение основ языка SQL и выполнение основных операций по работе с данными.
-
Учение Абая
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины – сформировать у будущих специалистов способности к самопознанию, использованию учения Абая как основы духовности и интеллектуальности современного Казахстана, применению своих профессиональных знаний, пониманий и способностей через призму гуманизма и просвещения в целях укрепления единства страны и гражданской солидарности общества. Будут изучены: понятие об учении Абая; источники учения; составные части учения Абая; категории учения Абая; измерительные приборы учения Абая; сущность и значение учения Абая.
-
Экология и безопасность жизнедеятельности человека
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины – сформировать ряд ключевых компетенций, базирующихся на современных концепциях природопользования, реализующих принципы гармоничной оптимизации условий взаимодействия человека с природой, в том числе в процессе туристско-рекреационной деятельности.Будут изучены: принципы устойчивого развития, сохранения и воспроизводства природных ресурсов для обеспечения безопасности жизнедеятельности человека, способы оценки и минимизации рисков, защиты от опасностей, в том числе в условиях путешествия, мероприятия по ликвидации последствий аварий, катастроф, стихийных бедствий, охране окружающей среды и рациональному природопользованию.
-
Экосистемы больших данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании способности создания и использования информационных технологий нового поколения, предназначенных для экономически эффективного извлечения полезной информации из больших объемов разнообразных данных путем высокой скорости их сбора, обработки и анализа для обеспечения информационно-аналитической деятельности, поддержки принятия решений, а также создания инновационных продуктов и услуг в целях повышения эффективности управления и конкурентоспособности организаций любых отраслей экономики.
-
Производственная
- Тип контроля: Защита практики
- Описание: Целью практики является формирование профессиональных знаний в сфере избранной специальности, закрепление полученных теоретических знаний по дисциплинам направлениям и специальным дисциплинам программы, овладение необходимыми профессиональными компетенциями по избранному направлению специализированной подготовки. Практика призвана создать условия для формирования практических компетенций.
-
Преддипломная
- Тип контроля: Защита практики
- Описание: Цель: закрепить теоретические знания, приобрести навыки аналитической и управленческой работы на основе изучения работы организации, учреждения, в котором проходят практику. Сбор материала для дипломной работы. Будут закреплены навыки: анализа эффективности деятельности предприятий, достоинства и недостатки предприятий, составление картотеки партнеров, договоров, контрактов; проведения совещаний, встреч, переговоров; подбора персонала,
-
Профессиональная (учебная) практика
- Тип контроля: Защита практики
- Описание: Цель - практики сформировать способность применять в полевых условиях на практике свои знания и умения, сформированные в ходе освоения дисциплины «Геодезия», в максимально приближенных к производственным условиям выполнения землеустроительных работ. В результате прохождения практики студент будет способен: 1. пользоваться геодезическими инструментами; 2. производить поверку теодолитов, нивелиров, тахеометров и их установку в рабочее положение; 3. проложить теодолитный ход; 4. произвести нивелирование; 5. произвести тахеометрическую съемку; 6. произвести камеральную обработку полевых измерений; 7. составить план, продольный и поперечный профили и другие необходимые чертежи. Практика по геодезии относится к циклу учебных практик. При прохождении практики будут проделаны следующие виды геодезических работ: поверка теодолитов, нивелиров, тахеометров и их установка в рабочее положение: центрирование, горизонтирование; измерения теодолитом, нивелиром, тахеометром; проложение теодолитного хода вдоль границы землепользования и проверка допустимости ошибок измерений; при превышении ошибок измерений допустимых значений производяться повторные измерения; нивелирование и проверка допустимости ошибок измерений; съемка местности и изготовления плана.