Магистратура
Шифр:
7M06104
Название:
Компьютерные науки
Факультет:
Информационных технологий
Квалификация:
- Научно-педагогическое направление - магистр технических наук
- Модель выпускника
- Обязательные дисциплины
- Элективные дисциплины
- Практики
ON1 Объяснять принципы организации и планирования научных исследований.
ON2 Описывать способы оценки вычислительной сложности алгоритмов.
ON3 Выбирать методы проектирования и разработки программного обеспечения, языки программирования, архитектуры, принимая во внимание присущие им ограничения.
ON4 Моделировать задачи и разрабатывать новые инструменты и приложения для сбора, хранения, анализа и управления данными.
ON5 Разрабатывать передовые сетевые компьютерные системы с акцентом на надежность и безопасность.
ON6 Выполнять высокопроизводительные научные вычисления, оценивать производительность параллельных вычислительных систем.
ON7 Применять теорию распознания образов и методы машинного обучения для решения задач из различных предметных областей.
ON8 Реструктуризировать существующее программное обеспечение, выявляя проблемные компоненты, выбирая стратегии решения.
ON9 Осуществлять исследования и разработки в среде, ориентированной на конечный продукт, научно обосновывать принимаемые стратегические решения.
ON10 Анализировать и критически относиться к различным источникам информации, применять их для структурирования и формулирования рассуждений.
ON11 Самостоятельно проводить научные исследования: понимать текущие вопросы исследования, самостоятельно применять опубликованные результаты или методы в новом контексте.
ON12 Вести научно-педагогическую деятельность, руководить исследовательской группой: производить оценку необходимых средств, разделять задачи, планировать время выполнения задач, предоставлять отчеты.
ON2 Описывать способы оценки вычислительной сложности алгоритмов.
ON3 Выбирать методы проектирования и разработки программного обеспечения, языки программирования, архитектуры, принимая во внимание присущие им ограничения.
ON4 Моделировать задачи и разрабатывать новые инструменты и приложения для сбора, хранения, анализа и управления данными.
ON5 Разрабатывать передовые сетевые компьютерные системы с акцентом на надежность и безопасность.
ON6 Выполнять высокопроизводительные научные вычисления, оценивать производительность параллельных вычислительных систем.
ON7 Применять теорию распознания образов и методы машинного обучения для решения задач из различных предметных областей.
ON8 Реструктуризировать существующее программное обеспечение, выявляя проблемные компоненты, выбирая стратегии решения.
ON9 Осуществлять исследования и разработки в среде, ориентированной на конечный продукт, научно обосновывать принимаемые стратегические решения.
ON10 Анализировать и критически относиться к различным источникам информации, применять их для структурирования и формулирования рассуждений.
ON11 Самостоятельно проводить научные исследования: понимать текущие вопросы исследования, самостоятельно применять опубликованные результаты или методы в новом контексте.
ON12 Вести научно-педагогическую деятельность, руководить исследовательской группой: производить оценку необходимых средств, разделять задачи, планировать время выполнения задач, предоставлять отчеты.
-
Теория распределенных систем
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Введение в модели распределенных вычислений. Синхронизация часов. Алгоритмы обнаружения прекращения. Распределенные алгоритмы взаимного исключения. Алгоритмы обнаружения тупиковых ситуаций. Распределенная общая память. Распределенные файловые серверы. Распределенные среды программирования: коммуникационные примитивы, отдельные тематические исследования.
-
Организация и планирование научных исследований (англ.)
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: сформировать способность самостоятельно вести научный поиск, ставить конкретные научные задачи и знать методы и приемы их решения для создания научной работы. Дисциплина изучает: формы и методы планирования, организации и оформления научных статей и диссертации; формы обобщения результатов научных исследований в презентациях, выступлениях, проектах, статьях.
-
Иностранный язык (профессиональный)
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: сформировать практические навыки в различных видах речевой деятельности на иностранном языке. Учебный курс формирует способность воспринимать, понимать и переводить информацию в современном глобальном пространстве, участвовать в научных мероприятиях для апробации собственных исследований. Дисциплина направлена на совершенствование компетенций в соответствии с международными стандартами иноязычного образования.
-
История и философия науки
- Количество кредитов: 3
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - рассматривается на основе исторической динамики и в исторически изменяющемся социокультурном контексте. Знакомит с проблемами феномена науки, являющегося предметом специального философского анализа, формирует знания об истории и теории науки, закономерностях развития науки и структуре научного знания, особенностях науки как профессии и социального института, роли науки в развитии общества.
-
Педагогика высшей школы
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель – формирование способности к педагогической деятельности в вузе на основе знаний дидактики высшей школы, теорий воспитания и менеджмента образования, анализа и самооценки преподавательской деятельности. Курс рассматривает проектирование образовательной деятельности будущего преподавателя с применением КТО, реализации Болонского процесса, овладения лекторским, кураторским мастерством с использованием стратегий и методов обучения/воспитания и оценивания (TLA-стратегий).
-
Технология разработки программного обеспечения
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - предназначен для описания совокупности процессов и методов создания программного продукта. Технология разработки программного обеспечения – это система инженерных принципов для создания экономичного ПО, которое надежно и эффективно работает в реальных компьютерах.
-
Продвинутые структуры данных, алгоритмы и анализ
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Основные алгоритмы: асимптотическая запись, рекурсия, парадигма «разделяй и властвуй», базовые структуры данных; быстрое преобразование Фурье. Алгоритмы сортировки. Структуры данных: приоритетные очереди и кучи, словари, хеш-таблицы, фильтры Блума, деревья двоичного поиска, деревья интервалов. Динамическое программирование, графовые алгоритмы: DFS, BFS, топологическая сортировка, алгоритмы кратчайшего пути, проблемы сетевого потока.
-
Теория распознавания образов
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Постановка задачи распознавания образов. Представление изображений в цифровой форме. Методы анализа и первичной обработки изображений. Задачи выбора информативных признаков. Методы распознавания образов: детерминистские, статистические, структурные методы решения задач распознавания; алгебраические методы построения решающих правил и распознавания образов; интеллектуальные методы анализа и распознавания.
-
Психология управления
- Количество кредитов: 3
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: сформировать способность применять важнейшие аспекты сферы управления в процессе профессионального становления. В рамках курса раскрываются предмет, основные принципы психологии управления, личность в управленческих взаимодействиях, управление поведением личности, психология управления групповыми явлениями и процессами, психологические особенности личности руководителя, индивидуальный стиль управления, психология влияния в управленческой деятельности, управление конфликтными ситуациями.
-
Нейронные сети для распознавания образов
- Количество кредитов: 5
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - предназначен реализовать сверточную нейронную сеть, которая применяется в компьютерном зрении для распознавания образов, освоение практических основ формирования базы данных для обучения, основных принципов обучения, тестирования и разработки структуры нейронных сетей.
-
Нейронные сети в анализе данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Процесс анализа данных, основанный на нейронной сети. Межнейронные связи. Искусственный нейрон. Архитектуры НС. Предварительный подбор архитектуры сети. Подбор оптимальной архитектуры сети. Методы наращивания сети. Распознавание и классификация образов. Нейронная сеть для сжатия данных. Нейроны типа WTA. Модель нейрона Хебба. Стохастическая модель нейрона.
-
Облачные вычисления
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: основные тенденции развития облачных вычислений и технологий; архитектура «облачных» технологий; способы и особенности проектирования «облачных» сервисов; основные модели предоставления услуг облачных вычислений; решения ведущих вендоров – Microsoft, Amazon, Google; основные преимущества и недостатки моделей облачных вычислений и предлагаемых на их основе решений.
-
Основы обучения с подкреплением
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - Развивать умение магистрантов анализировать данные, использовать методы машинного обучения в реальных задачах, проводить самостоятельные исследования на реальных данных, внедрять новые исследования в области ML. Также познакомить магистрантов с основными понятиями и терминологией машинного обучения; научиться выполнять статистический анализ данных и визуализировать их;
-
Научное машинное обучение
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина объединяет машинное обучение с физическими и инженерными задачами. Магистранты изучают сбор научных данных, физико-информированные нейронные сети, эмпирически ориентированные модели, оценку неопределённости, обучение с использованием симуляции, суррогатные модели и методы надёжного планирования эксперимента.
-
Научные параллельные вычисления
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина обучает методам решения научных задач на многоядерных процессорах и кластерах. Магистранты осваивают MPI, OpenMP, CUDA, модели распределённой памяти, балансировку нагрузки, кэш эффективные алгоритмы, отладку ошибок и анализ масштабируемости результатов.
-
Обучение с подкреплением
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина углубленно изучает алгоритмы, позволяющие агентам обучаться целевому поведению во взаимодействии со средой. Магистранты освоят марковские процессы принятия решений, динамическое программирование, TD-обучение, градиенты политики, методы «агент-критик», многоагентное RL, модель‑ориентированные методы, стратегии разведки-эксплуатации и буфер опыта.
-
Продвинутая архитектура программного обеспечения
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины – проектирование продвинутых архитектур сложных программных систем. Магистранты изучат микросервисы, проектирование на основе предметной области, шаблоны на основе событий, контейнеризацию, масштабирование, оценку производительности и технического долга, подготовку архитектурной документации, обеспечение безопасности и интеграцию с внешними сервисами.
-
Продвинутое программирование графических процессоров
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина обучает оптимизации потоковых данных и вычислений на GPU. Магистранты осваивают CUDA, OpenCL, HIP, управление памятью, warp тайминг, модели параллелизма, профилирование производительности, mixed precision и масштабирование на много GPU.
-
Продвинутое распределенное машинное обучение
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Курс углубляется в крупномасштабные распределенные алгоритмы обучения. Магистранты изучают градиентное сжатие, асинхронный SGD, архитектуры серверов параметров, конвейерный параллелизм, сегментирование моделей, отказоустойчивое обучение, федеративное и раздельное обучение и телеметрию для аналитики обучения.
-
Продвинутое тестирование и верификация программного обеспечения
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Дисциплина акцентирует внимание на формальных методах и автоматизированном тестировании. Магистранты изучают разработку через тестирование (TDD), разработку через поведение (BDD), статический анализ, модель ориентированное тестирование, покрытие, fuzzing, конвейеры непрерывной верификации, метрики качества и требования сертификации.
-
Разработка облачных приложений
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Курс обучает магистрантов создавать масштабируемые, отказоустойчивые облачные сервисы. Они применяют микросервисный дизайн, принципы 12 факторов, бессерверные архитектуры, CI/CD, инфраструктуру как код, лучшие практики безопасности, наблюдаемость и методы много-регионального развертывания.
-
Управление программным продуктом
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Курс направлен на стратегическое управление жизненным циклом программного продукта. Магистранты проводят анализ рынка, строят дорожные карты, применяют Agile / Lean, приоритизируют требования, собирают метрики, учитывают UX, управляют релизами и координируют командное взаимодействие.
-
Этика и ответственный искусственный интеллект
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Курс анализирует этические, правовые и социальные последствия систем ИИ. Магистранты изучают справедливость, интерпретируемость, приватность, смягчение предвзятости, подотчётность, ESG стандарты, нормативные требования и разрабатывают фреймворки ответственного управления ИИ.
-
Продвинутая сетевая безопасность
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины – дать представление об основных принципах и структурах информации, научить программировать многофункциональные приложения для обеспечения безопасности, разработать модели безопасности. Сформировать у магистрантов систему базовых теоретических знаний со способами защиты сетевых технологий. Помочь магистрантам приобрести навыки противодействия уязвимости базовых мобильных технологий, защиты от атак использующих уязвимости технологий SMS.
-
Продвинутое объектно-ориентированное программирование
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Диаграммы прецедентов и сценарии для поддержки понимания требований пользователя. Нотации объектно-ориентированного проектирования, включая диаграммы классов UML и диаграммы состояний для моделирования решения задач. Базовые объектно-ориентированные шаблоны проектирования для структурирования решений задач проектирования программного обеспечения.
-
Разработка динамических веб-приложений
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины-описание и сравнение современных инструментов, используемых для программирования серверов веб-приложений; применение основных концепций разработки программных приложений к проектированию и программированию веб-приложений; Программирование серверов веб-приложений; обобщение концепций веб-приложений с использованием Django / Python для других технологий и инструментов веб-приложений;
-
Технологии разработки компьютерных систем
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Принципы построения архитектур суперкомпьютеров и кластерных систем. Архитектуры многопроцессорных вычислительных систем: векторно-конвейерные суперкомпьютеры, симметричные мультипроцессорные системы (SMP), системы с массовым параллелизмом (МРР), кластерные системы. Введение в тематику суперкомпьютерных технологий. Основные элементы программного обеспечения суперкомпьютеров и кластерных систем. Администрирование суперкомпьютеров и кластерных систем.
-
Серверы и хранилища данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины: реализация платформы хранения данных для поддержки бизнес-решений, формирование способности проверять и очищать данные с помощью служб качества. Формирование у магистрантов в результате изучения дисциплины следующих способностей: описание основных элементов решения для хранилища данных; реализация логического и физического проектирования хранилища данных; развертывание хранилища данных; внедрение службы качества данных;
-
Модели речевых технологий
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины состоит в формировании умения ставить задачи в области обработки и анализа речевой информации и находить решения на основе современных подходов. Формирование у магистрантов в результате изучения дисциплины следующих способностей: решение задач обработки естественной речи на основе методов машинного обучения и распознавания образов; выполнение самостоятельных научных исследований в области речевых технологий; эффективное использование теоретических компонентов науки на практике;
-
Моделирование и симуляция для компьютерных наук
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Целью дисциплины является проведение углубленного анализа проблем, обоснование физических задач, выявление их естественнонаучной сущности в ходе научной и исследовательской деятельности; применение для их решения соответствующего математического аппарата и численного алгоритма; анализ, проектирование и проведение численных экспериментов; построение математических моделей промышленных, физико-технологических, нелинейных нестационарных физических, химических, биомедицинских, финансовых процессов.
-
Продвинутый дизайн и анализ алгоритмов
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - Направлен на изучение подходов к решению задач из различных областей (математический анализ, дискретный анализ, теория графов, теория комбинаторных игр, оптимальная разработка программного обеспечения и др.), которые не освещаются на классических курсах по алгоритмам и структурам данных, но могут быть полезны как часть математического аппарата.
-
Разработка мобильных приложений
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - Нацелен на изучение технологии разработки программного обеспечения для мобильных устройств с операционной системой Android, основ управления качеством и стандартизации разработки программных средств, формирование навыков использования современных технологий программирования, применении подходов объектно-ориентированного программирования в разработке мобильных приложений и использовать базы данных в мобильных приложениях.
-
Формальные методы и приложения
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины - Основные принципы использования формальных методов в разработке программ , в том числе, изучаются основные математические модели и методы их анализа и синтеза, формируются навыки анализа и проектирования программного обеспечения с использованием формальных методов.
-
Глубокое обучение
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Курс охватывает следующие аспекты: aрхитектура глубоких нейронных сетей; настройка гиперпараметров и платформ глубокого обучения; сверточные нейронные сети, их приложения; классификация объектов и подобные методы; сверточные нейронные сети, их приложения; рекуррентные нейронные сети, их приложения; параллельные алгоритмы глубокого обучения; ускорение обучения нейронной сети.
-
Математические методы распознавания образов
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Представление образов и основные подходы к машинному распознаванию. Приложения методов распознавания образов: машинное зрение, распознавание рукописных символов, распознавание речи. Классификация на основе байесовской теории решений. Линейный и нелинейный классификаторы. Комитетные методы решения задач распознавания. Методы распознавания образов на основе нейронных сетей. Методы распознавания образов на основе кластерного анализа.
-
Модели машинного обyчения
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: Цель дисциплины-в рамках курса рассматриваются следующие аспекты дисциплины: формальная модель машинного обучения. Основные алгоритмы решения задач классификации регрессии и восстановления. Метрические методы машинного обучения. Байесовские методы машинного обучения. Расчет восстановления плотности распределения. Распределение распределительной смеси. EM-алгоритм. Линейные методы машинного обучения и их обобщение. Визуализация и кластеризация. Искусственные нейронные сети.
-
Анализ больших данных
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Концептуализация и обобщение: представление данных. Моделирование техники машинного обучения. Применение технологий обработки больших данных. Тривиальные данные против больших данных: репрезентативное обучение. Публично доступные наборы данных. Масштабируемость и методы масштабирования. Среда обработки больших данных: современные технологии анализа данных. Языки программирования для аналитики больших данных: Python, Java и C.
-
Архитектура высокопроизводительных компьютеров и параллельные вычисления
- Тип контроля: [РК1+MT+РК2+Экз] (100)
- Описание: В рамках дисциплины рассматриваются следующие аспекты: Современный многоядерный процессор. Модели параллельного программирования. Архитектура GPU и программирование CUDA. Оптимизация производительности. Распределение и планирование работ. Оценка производительности на основе рабочей нагрузки. Базовая многопроцессорная реализация. Транзакционная память. Гетерогенный параллелизм и аппаратная специализация. Распределенные вычисления в памяти.
-
Педагогическая
- Тип контроля: Защита практики
- Описание: Формирование практических и учебно-методических навыков проведения лекционных, семинарских занятий, творчески применять в педагогической деятельности научно-теоретические знания, практические навыки, проводить учебные занятия по дисциплинам специальности; владеть современными профессиональными приемами, методами организации обучения; использовать на практике новейшие теоретические, методологические достижения, составлять учебно-методическую документацию, организовывать воспитательную работу со студентами.
-
Исследовательская
- Тип контроля: Защита практики
- Описание: Цель практики: приобретение опыта в исследовании актуальной научной проблемы, расширение профессиональных знаний, полученных в процессе обучения, и формирование практических навыков ведения самостоятельной научной работы. Практика направлена на развитие навыков исследования, анализа и применения экономических знаний.