Университет «Туран» 
«Утверждаю» Первый проректор университета «Туран» ____________________ Тазабеков К.А. «______»_____________2011 г.
КАТАЛОГ ЭЛЕКТИВНЫХ ДИСЦИПЛИН для магистрантов специальности 6М070400 – Вычислительная техника и программное обеспечение (научно-педагогическое направление)
Составлен с учетом требований Государственного стандарта ГОСО РК для специальности 6М070400 – Вычислительная техника и программное обеспечение
АЛМАТЫ, 2011
СОДЕРЖАНИЕ
^
|
Дисциплина | Количество кредитов | Семестр | БДКВ01 | Интеллектуальный анализ данных Анализ данных в ЭИС Современные технологии анализа данных | 3
| 1 | БДКВ02 | Нейрокомпьютинг Нейрокомпьютерные системы Интеллектуальные робототехнические системы | 3
| 1 | БДКВ03 | Геоинформационные технологии Телематика Мобильные коммуникации | 2 | 1 |
^
| ПДКВ01 | Технологии анализа клиентских сред Технология прогнозирования взаимосвязанных процессов Информационный маркетинг | 3 | 3 | ПДКВ02 | ^ Инженерия предметной области Ментальное программирование | 3 | 3 | ПДКВ03 | ^ Моделирование в управлении инновационными проектами Имитационное моделирование сложных систем
| 3 | 3 | ПДКВ04 | ^ Технология магистерского исследования Психология карьеры и профессионального развития | 2 | 2 | ПДКВ05 | ^ Менеджмент программных проектов Управление проектами | 2 | 2 | ПДКВ06 | Сетевые технологии Облачные вычисления Облачные Web - приложения | 3 | 2 |
^
«ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ» 1курс, 1семестр
Код дисциплины | БДКВ01 | Общая трудоемкость | 3 кредита | В том числе аудиторная нагрузка | 45 ч. | Цель изучения дисциплины | Ознакомление магистрантов с наиболее перспективными направлениями в области разработки корпоративных систем: организация хранилищ данных, распределенный, оперативный, интеллектуальный и визуальный анализ данных. | Пререквизиты | Системы искусственного интеллекта. Технологии баз данных. | Постреквизиты | Нейросетевые алгоритмы в идентификации объектов, Распознавание образов и принятие решений. | Тьюторы | к.т.н., доц. Нурмаганбетова А.Т. , к.т.н., доц. Ахметова М.А. | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел. 2646395, act_piret@mail.ru | Виды учебной работы | Лекции. Лабораторные работы. Консультации. СРM. СРMП | Формы самостоятельной работы: | доклады, написание рефератов, компьютерный эксперимент, индивидуальные занятия (СРМ) | Формы контроля | рубежный контроль (р1, р2), итоговый контроль (устно) | Ожидаемые результаты изучения дисциплины | В результате освоения дисциплины магистранты должны понимать важность задач, связанных с анализом накопленной информации для извлечения новых знаний; представлять и применять наиболее перспективные направления и методы анализа данных: хранение информации, оперативный и интеллектуальный анализ. |
^
Системы поддержки принятия решений. Хранилище данных. OLAP- системы. Многомерная модель данных. Архитектура OLAP –систем. Интеллектуальный анализ данных: добыча данных, задачи Data Mining, практическое применение Data Mining, модели и методы Data Mining, процесс обнаружения знаний. Классификация и регрессия. Методы построения правил классификации и математических функций. Поиск ассоциативных правил. Алгоритмы поиска ассоциативных правил. Базовые и адаптивные методы кластеризации. Визуальный анализ данных –Visual Mining. Методы визуализации. Анализ текстовой информации- Text Mining. Извлечение ключевых понятий из текста. Методы и средства кластеризации текстовых документов. Стандарты Data Mining.
^ 1курс, 1семестр
Код дисциплины | БДКВ01 | Общая трудоемкость | 3 кредита | В том числе аудиторная нагрузка | 45 ч. | Цель изучения дисциплины | Ознакомление магистрантов с наиболее перспективными направлениями в области разработки корпоративных систем: организация хранилищ данных, распределенный, оперативный, интеллектуальный и визуальный анализ данных. | Пререквизиты | Системы искусственного интеллекта. Технологии баз данных. | Постреквизиты | Нейросетевые алгоритмы в идентификации объектов, Распознавание образов и принятие решений. | Тьюторы | к.т.н., доц. Нурмаганбетова А.Т. , к.т.н., доц. Ахметова М.А. | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел. 2646395, act_piret@mail.ru | Виды учебной работы | Лекции. Лабораторные работы. Консультации. СРM. СРMП | Формы самостоятельной работы: | доклады, написание рефератов, компьютерный эксперимент, индивидуальные занятия (СРМ) | Формы контроля | рубежный контроль (р1, р2), итоговый контроль (устно)
| Ожидаемые результаты изучения дисциплины | В результате освоения дисциплины магистранты должны понимать важность задач, связанных с анализом накопленной информации для извлечения новых знаний; представлять и применять наиболее перспективные направления и методы анализа данных: хранение информации, оперативный и интеллектуальный анализ. |
^ Теоретические основы проектирования экономических информационных систем (ЭИС). Архитектура экономических информационных систем. Методологические основы проектирования ЭИС. Содержание и методы канонического проектирования ЭИС. Проектирование классификаторов технико-экономической информации. Проектирование системы экономической документации. Проектирование внутримашинного информационного обеспечения ЭИС. Основы проектирования технологических процессов обработки данных. Проектирование процессов получения первичной информации, создания и ведения информационной базы. Проектирование технологических процессов обработки в локальных ЭИС. Проектирование процессов защиты данных. Реинжиниринг бизнес-процессов и проектирование корпоративной ЭИС. Проектирование клиент-серверных корпоративных ЭИС. Автоматизированное проектирование ЭИС (CASE-технология). Типовое проектирование ЭИС. Организационные структуры проектирования ЭИС. Планирование и контроль проектных работ.
^
1курс, 1семестр
Код дисциплины
| БДКВ01 | Общая трудоемкость
| 3 кредита | В том числе аудиторная нагрузка | 45 ч. | Цель изучения дисциплины | Ознакомление магистрантов с наиболее перспективными направлениями в области разработки корпоративных систем: организация хранилищ данных, распределенный, оперативный, интеллектуальный и визуальный анализ данных. | Пререквизиты | Системы искусственного интеллекта. Технологии баз данных. | Постреквизиты | Нейросетевые алгоритмы в идентификации объектов, Распознавание образов и принятие решений. | Тьюторы | к.т.н., доц. Нурмаганбетова А.Т. , к.т.н., доц. Ахметова М.А. | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел. 2646395, act_piret@mail.ru | Виды учебной работы | Лекции. Лабораторные работы. Консультации. СРM. СРMП | Формы самостоятельной работы: | доклады, написание рефератов, компьютерный эксперимент, индивидуальные занятия (СРМ) | Формы контроля | рубежный контроль (р1, р2), итоговый контроль (устно)
| Ожидаемые результаты изучения дисциплины | В результате освоения дисциплины магистранты должны понимать важность задач, связанных с анализом накопленной информации для извлечения новых знаний; представлять и применять наиболее перспективные направления и методы анализа данных: хранение информации, оперативный и интеллектуальный анализ.
|
^
Введение в анализ данных. Методология анализа. Аналитический подход к моделированию. Теория бизнес - анализа. Технологии анализа данных. Информационный подход к моделированию. Принципы анализа данных. Процесс анализа. Извлечение и визуализация данных.. Этапы моделирования. Формулирование цели моделирования. Подготовка и сбор данных. Процесс построения модели. Структурированные данные. Формы представления данных. Типы данных.
«НЕЙРОКОМПЬЮТИНГ» 1 курс, 1 семестр
Код дисциплины
| БДКВ02 | Общая трудоемкость
| 3 кредита | В том числе аудиторная нагрузка | 45 ч. | Цель изучения дисциплины | Ознакомление магистрантов с наиболее перспективными направлениями в области нейронных сетей: современных многоканальных и многосвязанных систем, современных нейрокомпьютеров. | Пререквизиты
| Дискретная математика. Алгоритмы и структуры данных. | Постреквизиты
| Распознавание образов и принятие решений, Нейросетевые алгоритмы в идентификации объектов. | Тьюторы | к.т.н., доц. Ахметова М.А., к.т.н., доц. Нурмаганбетова А.Т | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел. 2646395, act_piret@mail.ru | Виды учебной работы | Лекции. Лабораторные работы. Консультации. СРM. СРMП | Формы самостоятельной работы: | доклады, написание рефератов, компьютерный эксперимент, индивидуальные занятия (СРМ)
| Формы контроля | рубежный контроль (р1,р2), экзамен (устно)
| Ожидаемые результаты изучения дисциплины | В результате изучения дисциплины магистранты должны освоить новую парадигму вычислительных систем, основанную на ассоциативной обработки данных, технологии распознавания ситуаций и принятия решений. |
^
Вычислительная система с MSIMD – архитектурой. Обзор современных нейровычислителей и их элементной базы. Классификация архитектур вычислительных систем. Теория нейронных сетей - алгоритмический базис нейрокомпьютеров. Теоретические положения нейроматематики. Построение современных многоканальных и многосвязанных систем управления с использованием нейросетевого подхода и на основе нейросетевого логического базиса. Основные преимущества нейрокомпьютеров. Проблема эффективного параллелизма. Средства реализации параллельных процессов заданной абстрактной архитектуры. Современные нейрокомпьютеры и основные правила выделения функциональных компонентов идеального нейрокомпьютера. Wetware - новое направление, основанное на соединении биологических нейронов с электронными элементами.
^
1 курс, 1 семестр
Код дисциплины | БДКВ02 | Общая трудоемкость | 3 кредита | В том числе ауд. нагрузка | 45 ч. | Цель | Овладение основами по изучаемой дисциплине, как отрасли психологической науки, расширение профессиональных возможностей в плане применения психологических знаний в научных исследованиях и профессиональной деятельности | Пререквизиты | Информатика Бионинформатика Нейроинформатика Нейрокомпьютинг Искусственный интеллект | Постреквизиты | Основы нейронных сетей и систем Логические нейронные сети Технологии высокоскоростных вычислений Высокопроизводительные вычислительные системы Нейросетевые алгоритмы прогнозирования и оптимизации систем | Тьюторы | к.т.н., доц. Ахметова М.А., к.т.н., доц. Нурмаганбетова А.Т | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел.2646395, act_piret@mail.ru | Виды учебной работы | Лекции. Семинары. Лабораторные работы.Консультации. СРМ. СРМП | Формы самостоятельной работы: | - написание эссе;- подготовка рефератов;- презентации и др. | Формы контроля | Эссе (Р1), реферат (Р 2), Экзамен (письменный) | Ожидаемые результаты | Навыки и умения практического использования полученных знаний в области искусственного интеллекта и научных исследованиях искусственных нейросетей. |
^
Основная цель данного курса - сформировать системное видение функционирования нейрокомпьютерных систем и искусственных нейросетей. В процессе изучения дисциплины магистранты рассмотрят такие актуальные вопросы, как современные понятия символьная и коннекционистская парадигмы искусственного интеллекта. Рассматриваются теоретические аспекты нейронных сетей и систем - новая модель параллельных и распределенных вычислений, один из основных архитектурных принципов построения машин 6-го поколения, а также методы решения конкретной задачи нейронных сетей: модель нейрона; топологию связей; веса связей. Использование современных инструментов и методик позволит магистрантам в будущем, уже как специалистам в области управления персоналом, эффективно применять полученные знания.
^
1 курс, 1 семестр
Код дисциплины | БДКВ02 | Общая трудоемкость | 3 кредита | В том числе ауд. нагрузка | 45 ч. | Цель | Целью курса является обучение основным теоретическим положениям, понятиям, методам и практической работе при создании интеллектуальных систем и нового поколения интеллектуальных робототехнических систем, исключающих участие человека в сфере производства. Овладение основами по теории и методологии создания интеллектуальных систем и робототехнических комплексов. | Пререквизиты | Информатика. Бионинформатика. Нейроинформатика Нейрокомпьютинг. Искусственный интеллект | Постреквизиты | Основы нейронных сетей и систем Логические нейронные сети Технологии высокоскоростных вычислений Высокопроизводительные вычислительные системы Нейросетевые алгоритмы прогнозирования и оптимизации систем | Тьюторы | к.т.н.,доц. Ахметова М.А., к.т.н., доц. Нурмаганбетова А.Т | Кафедра | «Компьютерная и программная инженерия» | Контакты | Тел.2646395, act_piret@mail.ru | Виды учебной работы | Лекции, Семинары, Лабораторные работы, Консультации, СРМ СРМП | Формы самостоятельной работы: | - написание эссе; - подготовка рефератов; - презентации и др. | Формы контроля | Эссе (Р1), реферат (Р 2), Экзамен (письменный) | Ожидаемые результаты | Навыки и умения практического использования полученных знаний в области искусственного интеллекта и научных исследованиях искусственных нейросетей. |
|