Образовательные программы

Data science в МУИТ

Данные актуальны на декабрь 2024 г.

Описание образовательной программы 6B06112 Data science в МУИТ

Целью образовательной программы «Data Science» является подготовка высококвалифицированных специалистов и аналитиков в области data science, которые обладают пониманием прикладной математики и экономики, включая задачи финансовой сферы. Они также способны творчески применять свои знания и навыки для успешного решения этих задач.
Язык обучения: английский.
Срок обучения: 4 года.

Методология исследования. Курс посвящен изучению деятельности, направленной на развитие у студентов способности к самостоятельным теоретическим и практическим суждениям и выводам, умений объективной оценки научной информации, свободы научного поиска и стремления к применению научных знаний в образовательной деятельности, в том числе для выполнения дипломного проекта (работы).

Компоненты по выбору – перечень учебных дисциплин, которые можно выбрать самостоятельно.

  1. Основы права и антикоррупционной культуры. В курсе изложены правовые, экономмческие и социальные основы противодействия коррупции, раскрыты особенности государственной политики, представлен международный опыт по борьбе с коррупцией, определены особенности регулирования конфликта интересов, служебной этики, методы выявления коррупционных нарушений. В результате успешного прохождения курса студенты будут владеть следующими компетенциями: 1. Понимать меры правовой ответственности участия в корупционных нарушениях. 2. Определять конфликт интересов в деятельности организаций, ведущий к коррупции. 3. Проводить анализ работы организаций, применяя различные методы исследования.
  2. Основы экологии и безопасности жизнедеятельности. Изучает способы безопасного взаимодействия человека со средой обитания (производственная, бытовая, городская, природная), устойчивого функционирования объектов хозяйствования (организаций) в условиях чрезвычайных ситуаций, вопросы защиты от негативных факторов, предупреждения и ликвидации последствий чрезвычайных ситуаций природного и техногенного характера и применения современных средств поражения. Также в курсе раскрывается роль экологии в решении современных экономических, социальных и политических задач, а также возникновение глобальных экологических проблем в результате производственной деятельности человека и ответственность за них мирового сообщества. Очень важным аспектом является также международное сотрудничество по обеспечению устойчивого развития. Рассматриваются и различные области практического приложения экологии – природные ресурсы и загрязнение окружающей среды.
  3. Стартапы и предпринимательство. Этот курс представляет собой введение в то, что такое бизнес, как он работает и как им управлять. Студенты будут определять формы собственности и процессы, используемые в производстве и маркетинге, финансах, персонале и управлении в деловых операциях.
  4. Экономическая теория. Целью курса является изучение и объяснение процессов и явлений экономической жизни, объяснение закономерности и прогнозирование способов их использования.

Вузовские компоненты

  1. Алгебра и геометрия. Цели курса ознакомить студентов с важными разделами линейной алгебры и аналитической геометрии. В ходе учебного процесса студенты должны ознакомиться и уметь применять алгебраические и геометрические методы и инструменты для решения различных прикладных задач с такими важными понятиями, как матрицы, детерминанты, ранг матрицы, векторы, линии, плоскости, линейное и евклидово пространство, линейные преобразования и квадратичные формы.
  2. Алгоритмы и структуры данных. Курс предназначен для изучения алгоритмов и программ разработки для решения различных задач. Для этого рассматриваются программная структура, принципы построения алгоритмов и программ, методы решения, алгоритмизации, программирования, отладки и реализации программ с использованием языка программирования.
  3. Введение в программирование. Изучить методологические основы разработки программ и практические навыки программирования. Основными целями изучения дисциплины являются следующие: • Изучение основ алгоритмизации задач • Изучение основ классификации языков программирования • Изучение типов данных и классификация операторов языка C ++ • Разработка программ с использованием подпрограмм, стандартных модулей, стиля программирования, показателей качества программирования, методов отладки и тестирования программ, основ объектно-ориентированного программирования.
  4. Вычислительная математика. В курс входит: Основы теории погрешностей, Системы линейных алгебраических уравнений, Нелинейные уравнения и системы нелинейных уравнений, Интерполяция и наилучшие приближения, Дифференцирование и интегрирование функций, Обыкновенные дифференциальные уравнения, Уравнения математической физики.
  5. Делопроизводство на государственном языке. Делопроизводство на государственном языке является очень важным предметом для студентов, т.к. данная дисциплина учит составлению, оформлению документов на государственном языке, формирует практические навыки и умения самостоятельно составлять, переводить на казахский язык документы.
  6. Дифференциальные уравнения. Курс классифицирует дифференциальные уравнения и применяет необходимые методы для решения этих уравнений; учит решать линейные дифференциальные уравнения n-го порядка и систем линейных уравнений с постоянными коэффициентами; находить точки покоя автономной системы; решать краевые задачи для линейного однородного уравнения с постоянными коэффициентами; и использовать математический аппарат для освоения теоретических основ и практического использования физических методов.
  7. Математический анализ 1. Цель курса ознакомить студентов с важными отраслями исчисления и его применениями в компьютерных науках. Во время учебного процесса студенты должны ознакомиться и уметь применять математические методы и инструменты для решения различных прикладных задач. Более того, они изучат фундаментальные методы исследования бесконечно малых переменных с помощью анализа, основу которого составляет теория дифференциальных и интегральных вычислений.
  8. Математический анализ 2. Курс объясняет основные понятия определенного интеграла и его свойств; использовать различные математические методы для оценки интегралов, применять определенные интегралы для решения прикладных задач; разработать методы численного интегрирования; определить понятия бесконечных рядов, приближения функций и понятие сходимости; применять бесконечные ряды в приближенных расчетах.
  9. Объектно-ориентированное программирование. Этот курс предоставит навыки разработки консольных или оконных приложений с использованием языка программирования Java с использованием концепций объектно-ориентированного программирования. Темы курса включают парадигму ООП, программирование на Java, обработку файлов, исключения, структуры, коллекции, концепции объектно-ориентированного программирования.
  10. Физика. В курсе затрагиваются такие темы, как: Кинематика; динамика; круговое движение и гравитация; энергия; импульс; простые гармонические колебания; крутящий момент и вращательное движение; электрический заряд и электрическая сила; Цепи постоянного тока; термодинамика и механические волны, поле и потенциал; электрические цепи; индукция магнетизма и электромагнетизма; геометрическая и физическая оптика; и квантовая, атомная и ядерная физика и звук.
  11. Численный анализ. В курсе изучаются следующие разделы: Основные задачи математической физики. Разностные схемы для уравнений параболического типа. Разностные схемы для уравнений гиперболического типа. Разностные схемы для уравнений эллиптического типа. Вариационные и вариационно-разностные методы. Итерационные и вариационные методы решения нелинейных задач математической физики. Методы Монте – Карло.
  12. WEB технологии. Целью данного курса является достижение студентами прозрачного понимания механизмов работы веб-приложений, а также знаний, умений и навыков для написания собственных приложений.

Компоненты по выбору

  1. Анализ и визуализация данных в Power BI. Аналитик — специалист, занимающийся изучением и моделированием конкретной области. Power BI — система аналитики, которое объединяет данные из различных источников информации, преобразует их, и представляют в наглядном виде, удобном для анализа. Технологии BI позволяют обрабатывать большие неструктурированные объемы данных для принятия решений. Power BI – это набор программных сервисов Microsoft, которые работают вместе, превращая несвязанные источники данных компании в целостные интерактивные отчеты. При этом источником могут быть базы данных, файлы Excel, данные из облачных источников и интернета, текстовые файлы и так далее. Данный инструмент помогает отслеживать ситуацию и незамедлительно получать ответы на вопросы с помощью подробных информационных панелей, доступных на каждом устройстве.
  2. Английский язык для STEM. Деловой английский направлен на формирование и развитие у студентов навыков аудирования, говорения, чтения и письма на английском языке по темам, связанным с предпринимательством, а также развитие таких социальных навыков, как проведение презентаций. Подход к обучению коммуникативный, интерактивный, ориентированный на учащихся, ориентированный на результат и в значительной степени зависит от самостоятельной работы студентов, организованной в форме СРСП (деловая корреспонденция) и СРС (лексико-грамматические упражнения с самопроверкой и деловой проект).
  3. Дискретная математика и математическая логика. Изучение дискретных объектов, решение комбинаторных задач, исследование типов отображений и бинарных отношений, приведение формул алгебры высказываний к нормальным формам, применение алгебры логики к теории переключательных схем. Развиваются способности к анализу и синтезу, математическая зрелость.
  4. Исследование операции. Цели -овладение основными понятиями и методами исследования экономических систем; изучение современного состояния и основных направлений развития математических моделей экономических систем различных уровней; приобретение навыков, необходимых для самостоятельной работы по проектированию и внедрению в практику экономического анализа моделей и моделирующих алгоритмов; выработка системного типа мышления.
  5. Машинное обучение 1. Курс знакомит студентов с теоретическими основами и алгоритмами машинного обучения, их возможными практическими реализациями и применением при решении реальных задач. В рамках данного курса студенты должны получить представление о задачах, решаемых с помощью рассматриваемой теории, и принципах построения некоторых основных классификаторов.
  6. Программирование на Python. Целью освоения курса является развитие навыков программирования на языке Python. В результате освоения дисциплины студент должен: знать основные конструкции и идиомы языка программирования Python и уметь на практике составить несложную программу для выполнения поставленной аналитической задачи. Иметь навыки формализации и решения практических задач по программированию
  7. Продвинутая математика для Машинного обучения. Курс содержит элементы алгебры, статистики, элементы математического анализа (например, градиентный спуск), элементы численного метода и анализа, введение в оптимизационные задачи, элементы векторного пространства.
  8. Профессионально-ориентированный иностранный язык. Курс профессионального английского ориентирован на темы, представляющие профессиональный интерес, как будущие тенденции в ИТ, компьютер как друг, компьютер как враг, минимизация негативных воздействий ИТ, магнитное хранилище, оптическое хранилище, флэш-память, языки программирования, веб-дизайн, графика. дизайн и т. д. Он предназначен для повышения языковой осведомленности учащихся, улучшения их речевых навыков и коммуникативных навыков профессионального английского языка.
  9. Статистика для анализа данных. Курс посвящен статистике любых событий, а также взаимосвязи между математикой и моделированием, операционными системами в рамках междисциплинарной программы обучения, охватывающей раздел современные статистические методы и экономическую теорию.
  10. Теория базы данных. Курс объясняет, что такое система баз данных, а затем переходит к большей части учебного материала для изучения систем реляционных баз данных — баз данных, разработанных в соответствии с реляционной (или табличной) моделью. Затем от абстракции данных курс переходит к управлению транзакциями с дополнительными материалами по повышению производительности запросов. Наконец, появились современные тенденции в проектировании систем баз данных, которые также определяют последние разработки в более широкой истории технологий хранения данных.
  11. Теория вероятности. Курс посвящен вероятности, а также взаимосвязи между математикой и моделированием, операционными системами в рамках междисциплинарной программы обучения, охватывающей раздел математического анализа.
  12. Python для анализа данных. Курс показывает как применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями. Курс ориентирован на практику и позволит вам сразу приступить к работе с данными и построению моделей.

Дисциплины по профилю

Компоненты по выбору

  1. Глубокое обучение для прикладной математики. Многослойные искусственные нейронные сети становятся все более распространенным инструментом во множестве областей применения. В основе этой революции глубокого обучения лежат знакомые концепции из прикладной и вычислительной математики, особенно из исчисления, теории приближений, оптимизации и линейной алгебры. Курс также демонстрирует использование современного программного обеспечения для решения крупномасштабной задачи классификации изображений.
  2. Глубокое обучение обратных задач. Ознакомить студентов методами решения обратных практических задач. Разрабатывается приближенные методы решения обратных задач, составляются алгоритмы. Предсказывать решение заданных задач с помощью машинного обучения. Проводятся вычислительные эксперименты, анализируются выходные данные.
  3. Исследовательский анализ данных. Исследовательский анализ данных относится к критически важному процессу выполнения первоначальных исследований данных с целью выявления закономерностей, выявления аномалий, проверки гипотез и проверки предположений с помощью сводной статистики и графических представлений.
  4. Майнор 1. Дополнительная образовательная программа (Мinor) – совокупность дисциплин и (или) модулей и других видов учебной работы, определенная обучающимся для изучения с целью формирования дополнительных компетенций
  5. Майнор 2. Дополнительная образовательная программа (Мinor) – совокупность дисциплин и (или) модулей и других видов учебной работы, определенная обучающимся для изучения с целью формирования дополнительных компетенций
  6. Майнор 3. Дополнительная образовательная программа (Мinor) – совокупность дисциплин и (или) модулей и других видов учебной работы, определенная обучающимся для изучения с целью формирования дополнительных компетенций
  7. Машинное обучение 2. Целью данного курса является изучение основ теории обучения машин, включая дискриминантный, кластерный и регрессионный анализ, овладение навыками практического решения задач интеллектуального анализа данных.
  8. Методы нелинейного программирования. При численном решении оптимизационных задач приходиться сталкиваться со следующими трудностями: большим временем расчёта варианта проектируемой системы из-за сложности математической модели; неопределенностью принятия оптимального решения из-за многоэкстремальности оптимизируемых функций, а также из-за многокритериальности задач проектирования систем управления; отсутствием рекомендаций по использованию эффективных методов поисковой оптимизации для решения экстремальных задач. В условиях преодоления отмеченных трудностей актуальным является разработка и совершенствование пакетов программ, облегчающих выбор методов НЛП и обеспечивающих адаптацию алгоритмов к особенностям решаемых задач.
  9. Методы решения обратных некорректных задач. Ознакомить студентов основными методами решения некорректно поставленных практических задач. Рассматривается модели распространения тепла в многослойной области. Разрабатывается приближенные методы решения некорректных задач искусственного сооружения, составляются алгоритмы решения различных видов обратных задач. Проводятся вычислительные эксперименты, анализируются выходные данные.
  10. Нейронные сети. Целями курса являются подготовка студентов в области применения современных методов решения трудно формализуемых задач, требующих больших вычислительных мощностей. Изучение курса направлено на подготовку студентов к решению практических задач обработки данных, математического моделирования, информатики, получение высшего профессионального образования, позволяющего выпускнику успешно работать в избранной сфере деятельности с применением современных компьютерных технологий.
  11. Оптимальное управление. Курс дает способность использовать основные методы естественнонаучных дисциплин в профессиональной деятельности для теоретического и экспериментального исследования; способность использовать соответствующий математический аппарат и инструментальные средства для обработки, анализа и систематизации информации по теме исследования.