Факультет | Факультет математики и информатики
|
Специальность | 1-40 80 01 Компьютерная инженерия |
Профилизация | Программируемые комплексы, системы и сервисы |
Язык обучения | Русский / английский |
Форма обучения | Дневная |
Продолжительность обучения | 1,5 года |
Вступительные испытания для иностранных граждан | |
Учебный план (с указанием основных изучаемых дисциплин) | Наименование видов деятельности магистранта, циклов дисциплин, дисциплин | Количество зачетных единиц |
- Параллельные и реконфигурируемые вычислительные системы
Дисциплина обеспечивает теоретическую и практическую подготовку в области параллельного программирования и параллельных вычислений. Рассматриваются математические модели, методы и технологии параллельного программирования для многопроцессорных систем, систем с общей и распределенной памятью. Практические занятия направлены на закрепление навыков проектирования параллельных алгоритмов и разработки параллельных программ с использованием программного интерфейса обмена данными Message Passing Interface (MPI) и стандарта распараллеливания на основе многопоточности Open Multi-Processing (OpenMP). Полученные знания студенты смогут применять для организации распределённых и высокопроизводительных вычислений, моделирования и анализа результатов фундаментальных физических экспериментов, конструирования параллельных алгоритмов и разработки параллельных программ с разными свойствами, а также для оптимизации прикладных программ. | 6 |
Дисциплина рассматривает современные методы, стандарты и средства планирования и эффективной реализации полного жизненного цикла сложных систем различного вида и назначения, а также основы моделирования с использованием пакета прикладных программ MATLAB. Студенты изучат модели жизненного цикла программной системы, методы и средства инженерии программного обеспечения, познакомятся с международным стандартом по программной инженерии SWEBOK (Software Engineering Body of Knowledge): требования к программному обеспечению (ПО), проектирование ПО, конструирование ПО, тестирование ПО, сопровождение ПО, управление конфигурацией, модели и методы разработки, качество ПО. В результате изучения дисциплины студенты будут уметь разрабатывать модели предметных областей, руководить процессом проектирования систем, применять стандарты системной инженерии, выполнять математическое моделирование с использованием инженерного пакета MATLAB. | 4 |
- Системы информатизации предприятий
Системы информатизации обеспечивают сбор, хранение, обработку, поиск, анализ и эффективное применение информации, необходимой для принятия решений в любой сфере. Данный курс нацелен на разработку и проектирование информационных систем для предприятий различного масштаба и уровня развития. В результате изучения дисциплины студенты будут уметь проектировать информационную систему предприятия (отдела предприятия, фирмы) с использованием структурного и объектно-ориентированного подходов, владеть навыками разработки, эксплуатации и сопровождения информационных систем, навыками использования методологии SADT (Structured Analysis and Design Techniquee) и языка моделирования UML (Unified Modeling Language). | 6 |
- Сетевые проблемно-ориентированные системы
Дисциплина рассматривает архитектуры и концепции функционирования специализированных компьютерных систем и сетей, а также этапы проектирования и эксплуатации проблемно-ориентированных систем: • виды архитектуры компьютерных систем, принципы их построения и функционирования; • основные и наиболее перспективные направления развития архитектуры компьютерных систем; • компьютерные сети: сетевой узел, ресурс, клиент, сервер, трафик, пропускная способность; • классификация компьютерных сетей, особенности локальных и глобальных сетей; • современные методы проектирования элементов и устройств вычислительной техники, средства автоматизации проектирования, оформление проектной документации; В результате изучения дисциплины студенты будут уметь формализовывать и моделировать процессы, протекающие в интеллектуальных вычислительных системах, выбирать средства для построения сетей в соответствии с заданными условиями функционирования, синтезировать схемы компьютерных систем и сетей, выполнять диагностику компьютерных систем, планировать и проводить экспериментальные исследования, разрабатывать научно-техническую документацию. | 3 |
- Информационные системы поддержки принятия решений
Дисциплина нацелена на освоение основных понятий и получение практических навыков в области проектирования и разработки систем поддержки принятия решений (СППР) и рассматривает следующие разделы: • задачи и методы принятия решений, примеры задач принятия решений; • генерация решений с помощью экспертных систем, генерация решений на основе эвристическихпредположений; • формирование и анализ когнитивных карт; • информационные технологии поддержки принятия решений, цели и назначение СППР; • классификация и основные компоненты СППР; • типы закономерностей, выявляемые методами Data Mining; • СППР и Knowledge Discovery in Databases (KDD), KDD на основе анализа свойств паттернов класса. В результате изучения дисциплины студенты будут знать основные подходы к проектированию и построению информационных СППР, владеть навыками анализа и формализации предметной области, иметь практические навыки проектирования и разработки СППР. | 3 |
- Разработка и профилирование интернет-сервисов
Дисциплина посвящена технологиям разработки веб-сервисов и знакомит слушателей с наиболее распространенными языками описания и протоколами их реализации: Web Services Description Language (WSDL), Simple Object Access Protocol (SOAP), Universal Description, Discovery, and Integration (UDDI). Содержание курса включает: • понятие веб-сервиса, архитектура XML Web-сервисов; • разработка Web-сервиса SOAP; • расширения технологии Web-сервисов: WS-Security, WS-Federation, WS-Management и другие; • Java Web-сервисы. В результате изучения дисциплины студенты будут уметь проектировать, реализовывать, разворачивать и поддерживать веб-сервисы. | 6 |
- Автоматизация технологического проектирования
Дисциплина знакомит слушателей с системами автоматизированного проектирования (САПР), использующимися для создания конструкторской и технологической документации,3D-моделей и чертежей. В курсе рассматриваются: • структура и классификация САПР; • математическое обеспечение автоматизации технологического проектирования; • геометрическое моделирование; • алгоритмизация задач конструкторского проектирования; • системы автоматизированного проектирования AutoCAD и T-FLEX CAD. В результате изучения дисциплины студенты будут уметь использовать СПАР для создания чертежей и трехмерных моделей, для автоматического и полуавтоматического создания и редактирования управляющих программ, для инженерных расчетов и ведения документооборота, а также для работы с оцифрованными документами технического назначения. | 3 |
Дисциплина рассматривает теоретические основы больших данных, базовые элементы интеллектуального анализа больших наборов данных, основы поиска и организации информации. Содержание курса включает: • определения, термины и задачи анализа больших данных (Big Data); • понятие Data Mining, источники информации для Big Data, методики сбора данных; • Map Reduce и Hadoop; • инструменты для обработки больших данных; • аналитика больших данных; • когнитивный анализ данных; • методы Data Mining; • технологии хранения и обработки больших данных; • программные средства анализа Big Data. В результате изучения дисциплины студенты будут знать принципы анализа больших данных и уметь применять методы анализа и обработки больших объемов информации, а также владеть навыками работы с инструментами сбора и структуризации данных. | 3 |
- Методы интеллектуального анализа данных
Дисциплина знакомит слушателей с основными понятиями интеллектуального анализ данных (ИАД) и типами закономерностей, выявляемых с помощью ИАД. Студенты изучат методы ИАД и программные средств анализа данных для решения практических задач. Содержание курса включает: • интеллектуальный анализ данных: методы и задачи, постановка и классификация задач ИАД, данные; • предварительный анализ данных: очистка, нормировка, стандартизация, анализ выбросов и аномальных значений; • дисперсионный, разведочный и кластерный анализ данных; • процесс интеллектуального анализа данных: сбор и подготовка данных, построение, проверка, оценка, выбор и коррекция модели, анализ данных, интерпретация и прогнозирование; • язык R для статистической обработки данных и среда разработки RStudio. В результате изучения дисциплины студенты будут уметь производить расчеты с применением аппарата ИАД; применять методы ИАД в программной среде вычислений R, владеть навыками разработки алгоритмов и программных систем анализа данных, а также навыками работы со средствами автоматизации интеллектуального анализа и обработки данных. | 3 |
Основные компетенции, которыми будет обладать выпускник | - Будет способным применять методы научного познания (анализ, сопоставление, систематизация, абстрагирование, моделирование, проверка достоверности данных, принятие решений и др.) в самостоятельной исследовательской деятельности, генерировать и реализовывать инновационные идеи.
- Будет уметь выделять сложные причинно-следственные связи для проектирования вычислительных систем.
- Будет уметь анализировать и решать научно-технические проблемы, возникающие в процессе планирования и проведения научного эксперимента.
- Будет владеть современным инструментарием создания виртуальной среды при проектировании вычислительных систем.
- Будет владеть навыками выполнения параллельных вычислений на многопроцессорных системах.
|
Документ о полученном образовании | ДИПЛОМ МАГИСТРА |