Нормативный срок освоения программы 2 года Красноярск 2011 г. Содержание
| Вид материала | Документы |
- Нормативный срок освоения программы 2 года Красноярск 2011 г. Содержание, 384.35kb.
- Нормативный срок освоения программы 2 года Красноярск 2011 г. Содержание, 420.15kb.
- Нормативный срок освоения программы 2 года Красноярск 2011 г. Содержание, 415.64kb.
- Нормативный срок, 21.25kb.
- Нормативный срок освоения программы 4 года Форма обучения очная Требования к результатам, 949.08kb.
- Нормативный срок освоения программы 4 года Красноярск 2011 г. Аннотация дисциплины, 1762.53kb.
- «Проблемы и перспективы развития личностно-ориентированного обучения на современном, 23.39kb.
- Нормативный срок освоения программы 4 года фгос впо утвержден приказом Минобрнауки, 687.29kb.
- Нормативный срок освоения программы 4 года фгос впо утвержден приказом Минобрнауки, 1014.52kb.
- Нормативный срок освоения программы 4 года фгос впо утвержден приказом Минобрнауки, 641.62kb.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
Институт космических и информационных технологий
наименование института
кафедра ВТ
АННОТАЦИИ ДИСЦИПЛИН
К основной образовательной программе
Высшего профессионального образования
230100 Информатика и вычислительная техника
код и название направления магистерской подготовки
230100.68. 01 Компьютерный анализ и интерпретация данных
код и название магистерской программы
Квалификация (степень) выпускника
«Магистр техники и технологии»
Форма обучения – очная
Нормативный срок освоения программы – 2 года
Красноярск 2011 г.
СОДЕРЖАНИЕ
Методы оптимизации 3
Интеллектуальные системы 4
Английский язык 5
История и методология информатики и вычислительной техники 7
Вычислительные системы 8
Технология разработки программного обеспечения 9
Современные проблемы информатики и вычислительной техники 11
Комплексная защита информации 12
Инструментальные программные средства 13
Междисциплинарный курсовой проект 14
Модели параллельных вычислений и методы параллельного программирования 15
Методы анализа и обработки данных 16
Методы и алгоритмы обработки и анализа изображений 19
Анализ данных на основе мягких вычислений. 20
Теория вычислительного эксперимента 21
Алгоритмы и методы цифровой обработки сигналов 22
Обработка информации в распределенных системах 23
Компьютерные технологии в науке и образовании 24
Grid-системы и организация облачных вычислений 25
Методы оптимизации
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является овладение современными методами и навыками практического решения задач оптимизации с использованием среды MatLab для поиска оптимальных (наилучших) параметров заданных целевых функций (функций качества) с учетом различные ограничения на варьируемые параметры при поиске локальных и глобальных экстремумов, что позволяет находить наиболее эффективные решения для широкого класса прикладных задач.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: обучение студентов теоретическим и прикладным методам решения задач оптимизации - нахождения максимумов или минимумов целевых функций, выбору программ для их эффективного решения и проведения анализа решений.
Основные дидактические единицы (разделы): методы поиска локальных экстремумов нулевого, первого и второго порядка - покоординатный спуск, симплекс методы, наискорейший спуск, метод Ньютона; методы поиска глобального экстремума: методы мультистарта, генетические алгоритмы, метод роя частиц, метод усреднения координат; учет ограничений с помощью штрафных функций.
В результате изучения дисциплины студент должен:
знать: методы поиска локального и глобального минимума для целевых функций многих переменных;
уметь: использовать программы минимизации в среде MatLab;
владеть: методами решения задач оптимизации.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается защитой расчетных заданий, экзаменом.
Интеллектуальные системы
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является подготовка магистров к созданию и/или применению интеллектуальных автоматизированных информационных систем.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: формирование умений и навыков решения задач проектирования и управления на основе методов искусственного интеллекта.
Основные дидактические единицы (разделы): основные понятия искусственного интеллекта. Базы данных и знаний. Основные области применения и задачи интеллектуальных систем. Классификация интеллектуальных систем. Проблема представления знаний. Методы представления знаний. Продукционные системы (ПС). Компоненты продукционной системы: рабочая память, набор продукций и интерпретатор. Направления поиска в ПС. Режимы применения продукций. Стратегии поиска. Пространства состояний. Методы поиска в ширину и глубину. Поиск в больших пространствах состояний. Поиск при неполных и неточных данных и знаниях. Фреймы. Структура и типы фреймов. Фреймы-примеры и фреймы-прототипы. Процедуры-случаи и процедуры-демоны. Основные операции в базе знаний на основе фреймов. Пример фреймовой модели знаний. Семантические сети (СС).
Исчисление предикатов первого порядка: формальные системы; алфавит, формулы, аксиомы и правила вывода теории. Исчисления высказываний. Алфавит исчисления предикатов первого порядка. Интерпретация формальной теории.
Языки искусственного интеллекта. Обзор языков представления знаний. Понятие о функциональном программировании. Язык ЛИСП. Понятие о логическом программировании. Язык Пролог.
Экспертные системы (ЭС). Области применения ЭС. Архитектура ЭС. База знаний, механизмы вывода, подсистемы объяснения, общения, приобретения знаний ЭС. Жизненный цикл экспертной системы.
Введение в нейронные сети Типы искусственных нейронов. Подходы к обучению нейронных сетей. Метод обратного распространения ошибки.
Искусственный интеллект и естественный язык. Понимание выражений естественного языка. Представление лингвистических знаний. Методы анализа и синтеза текста. ИИ и прикладная лингвистика.
В результате изучения дисциплины студент должен:
знать: модели представления и методы обработки знаний, системы принятия решений;
уметь: разрабатывать математические модели процессов и объектов, методы их исследования, выполнять их сравнительный анализ;
владеть: способами формализации интеллектуальных задач с помощью средств искусственного интеллекта.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается зачетом.
Английский язык
Общая трудоемкость дисциплины составляет 6 зачетных единиц (216 час).
Целью изучения дисциплины является формирование у магистрантов коммуникативной компетенции, уровень которой позволяет использовать английский язык как в профессиональной деятельности, так и для целей самообразования; подготовить студентов-магистрантов к межкультурной коммуникации, развить навыки публичных выступлений на международных конференциях и симпозиумах.
Структура дисциплины: практические занятия – 34 %, самостоятельная работа – 66%.
Задачами дисциплины является: обучение навыкам устной и письменной речи в ситуациях непосредственного общения с англо-говорящими специалистами, в том числе в условиях выступления на международных конференциях знакомство с основными особенностями технического перевода; подготовка к успешной сдаче кандидатского минимума по английскому языку.
Основные дидактические единицы (разделы): освоение лексики и грамматики английского языка по следующим темам: причастие; герундий; инфинитив; обобщение употребления артиклей; действительный и страдательный залог, модальность, союзы и предлоги, сослагательное наклонение; перевод сложносочиненных и сложноподчиненных предложений, союзы и предлоги. Составление словаря устойчивых выражений для проведения дискуссий на профессиональные темы. Выражения выдвижения, рассмотрения и принятия предложения; выражения согласия и несогласия; выражения выдвижений условий и принятия предложений. План-конспект выступления на научной конференции с рассказом о научно-исследовательской деятельности. Ведение конференции. Речевые клише формулировки проблемы, определения целей и задач, установления методов и подходов исследования, характеристики вопросов и объектов исследования, выдвижения гипотез, описания изученности проблемы и тематической литературы. Подготовка выступления на научной конференции с рассказом о научно-исследовательской деятельности. Ведение конференции. Речевые клише формулировки проблемы, определения целей и задач, установления методов и подходов исследования, характеристики вопросов и объектов исследования, выдвижения гипотез, описания изученности проблемы и тематической литературы.
В результате изучения дисциплины студент должен:
знать: лексический минимум, состоящий из специальных терминов и лексики общеязыкового характера; приемы и методы перевода текста по специальности; принципы реферирования, аннотирования и составление тезисов; основные соответствия систем подготовки специалистов и научных работников в нашей стране и в англо-говорящих странах.
уметь: использовать знание иностранного языка в профессиональной деятельности и межличностном общении; письменно и устно излагать собственную точку зрения на иностранном языке в области своих научных интересов; вести научную беседу, дискуссии и полемики на иностранном языке с использованием профессиональной терминологии и выражений речевого этикета; аудировать тексты общего и профессионального иноязычного общения с извлечением общей и специальной информации; самостоятельно читать оригинальную литературу по специальности; пользоваться современными системами машинного перевода, печатными и электронными словарями;
владеть: иностранным языком в объеме необходимом для возможности получения информации из зарубежных источников; навыками письменного аргументированного изложения собственной точки зрения; методиками сбора, переработки и представления научно-технических материалов по результатам исследований к опубликованию в печати, а также в виде обзоров, рефератов, отчетов, докладов и лекций; навыками разговорной речи по темам специальности,
Виды учебной работы: лекции, семинарские занятия, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается зачетами в текущих семестрах, итоговым экзаменом.
История и методология информатики и вычислительной техники
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является систематизация знаний об истории развития информатики и вычислительной техники, анализ тенденций развития вычислительных и информационных ресурсов; формирование представления о методологии научных исследований и прикладной проектно-технологической деятельности; рассмотрение прикладных методологий в различных областях ВТ.
Структура дисциплины: лекции – 25%, семинарские занятия – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: обучение студентов теоретическим и прикладным методам решения задач оптимизации - нахождения максимумов или минимумов целевых функций, выбору программ для их эффективного решения и проведения анализа решений.
Основные дидактические единицы (разделы): Роль методологии в организации научной и практической деятельности. Особенности проектно-технологической организации деятельности. Научное знание и методология научного исследования. Структура научного знания и его основные элементы. Методология научного исследования. Организация процесса проведения исследования. Методология практической деятельности. Способы организации практической деятельности. Средства и методы практической деятельности. Общая методология проектирования систем.
История и методология информатики. Предмет, структура, история информатики. Данные и знания. Онтологии.
История вычислительной техники. Архитектуры ЭВМ. Параллельные вычислительные системы. Сети ЭВМ. Распределенные вычислительные системы. GRID. История развития программного обеспечения (ПО). Жизненный цикл ПО. Парадигмы программирования. Методологии разработки ПО. CASE-средства.
ВТ как инструмент научной и практической деятельности. Вычислительный эксперимент. Организация и проектирование вычислительного эксперимента. Методы и средства вычислительного эксперимента.
В результате изучения дисциплины студент должен:
знать: базовые понятия истории, методологии, информатики, вычислительной техники, общие закономерности развития науки в целом; основные исторические этапы развития информатики и вычислительной техники; средства и методы научного исследования; методологию организации прикладной проектной деятельности;
уметь: формулировать научную проблему, цели и задачи научного исследования; разрабатывать и исследовать теоретические концепции и модели научного знания; применять на практике общенаучные методы познания, методы эмпирического и теоретического исследования. планировать проведение экспериментов и испытаний, проводить анализ полученных результатов; ориентироваться в современных методологиях практической проектно-технологической деятельности в основных областях информатики и вычислительной техники;
владеть: методами эмпирического и теоретического исследования, навыками организации и планирования персональной и коллективной научно-исследовательской и практической деятельности; умением вести научную дискуссию и полемику;
Виды учебной работы: лекции, семинарские занятия, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается защитой расчетных заданий, экзаменом.
Вычислительные системы
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является ознакомление студентов с основными принципами организации вычислительных систем (ВС), различными типами архитектур ВС, способами их проектирования и особенностями организации процессов обработки информации, современным состоянием и тенденциями развития данной предметной области.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: изучение архитектур вычислительных систем, методов организации и планирования решения задач и обмена данными при параллельных вычислениях на однородных и неоднородных вычислительных системах, методы распределения задач по узлам вычислительной сети.
Основные дидактические единицы (разделы): Основные определения в области вычислительных систем (ВС). Понятие фон-неймановской архитектуры, ее узкие места и способы их устранения. Классификация вычислительных систем. ВС с пакетным режимом обработки данных. ВС коллективного пользования. ВС реального времени.
Вычислительные системы, использующие параллелизм данных. Принцип скалярной и векторной обработки. ВС на основе матричных процессоров. Оценка производительности матричных систем. ВС на основе векторных процессоров.
Коммутационные сети многопроцессорных ВС. Шинные структуры, матричные структуры, кубические структуры. Примеры коммутационных сетей.
Процессоры, применяемые при проектировании многопроцессорных ВС. Структурные схемы процессоров разных поколений. Особенности организации многоуровневой памяти. Принципы построения сверхоперативной памяти. Взаимодействие процессоров при работе с общими данными.
Адаптивные (настраиваемые) ВС. Принципы настройки структуры ВС на заданный класс прикладных задач. Мультиконвейерные ВС. Особенности балансировки конвейера. Отказоустойчивые ВС, принципы их построения, примеры таких систем.В результате изучения дисциплины студент должен:
знать: организацию основных типов параллельных вычислительных систем, их важнейшие архитектурные особенности и области эффективного применения конкретных типов параллельных ВС; проблемы разработки параллельных ВС и организации параллельной обработки информации и современные подходы к их решению
уметь: выполнять анализ структурной и функциональной схемы вычислительных систем с целью определения структурных параметров этих систем, оптимизировать время решения задач на однородных и неоднородных вычислительных системах.
владеть: навыками по организации работы высокопроизводительных вычислительных систем и решению прикладных задач с их применением.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается экзаменом.
Технология разработки программного обеспечения
Общая трудоемкость дисциплины составляет 6 зачетных единиц (216 час).
Целью изучения дисциплины является ознакомление с методами и методологиями разработки программного обеспечения (ПО), анализа и проектирования программных систем, освоение инструментальной поддержки процесса разработки программного обеспечения, парадигм и техники программирования.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: изучение особенности жизненного цикла процесса разработки программного обеспечения; получение базовых сведений о стандартах на разработку программных систем; получить представление об основных этапах процесса разработки программного обеспечения и моделях разработки, широко применяемых в настоящее время.
Основные дидактические единицы (разделы):
Раздел 1. Общие сведения о процессе разработки программного обеспечения. Общие сведения о технологиях программирования. Предмет и задачи курса. Основные понятия и определения. Этапы развития технологий программирования. Жизненный цикл процесса разработки ПО. Общая специфика процесса разработки программного обеспечения. Методы и средства разработки больших программных проектов. Критерии качества ПО.
Раздел 2. Парадигмы программирования, техника написания кода.
Парадигмы программирования. Классификации парадигм программирования. Особенности использования основных парадигм программирования при разработке больших программных систем. Поддержка эволюционной расширяемости программ.
Особенности конструирования программных объектов. Методы конструирования программных объектов. Методы компоновки программных объектов.
Разработка программ с использованием процедурного подхода. Объектно-ориентированное проектирование. Применение методов быстрой разработки приложений. Экстремальное программирование.
Разработка программ с использованием объектно-ориентированного подхода.
Языковые средства объектно-ориентированной парадигмы программирования. Сравнение процедурного и ОО подходов.
Эволюционное расширение мультиметодов. Понятие мультиметода. Проблемы эволюционного расширения представленных реализаций мультиметодов. Схемы эволюционного расширения мультиметодов, реализуемых в мультипарадигменном стиле.
Процедурно-параметрическая парадигма программирования.
Особенности процедурно-параметрической парадигмы программирования. Языковая поддержка процедурно-параметрической парадигмы. Сравнение с процедурным и объектно-ориентированным подходами. Перспективы развития процедурно-параметрической парадигмы программирования. Реализация мультиметода с применением процедурно-параметрического подхода
Раздел 3. Методы и методологии разработки программного обеспечения
Сведения о методах и методологиях. Обзор современных методов и методологий разработки ПО.
Структурное проектирование. Основные особенности структурного проектирования. Современная инструментальная поддержка структурного проектирования.
Объектно-ориентированная методология. Особенности объектно-ориентированной методологии. Унифицированный процесс проектирования. Инструментальная поддержка объектно-ориентированной методологии
Язык визуального моделирования UML. Связь UML с языками программирования. Перспективы использования UML.
Объектно-ориентированное проектирование. Использование ОО образцов (паттернов) проектирования. Реализация ОО образцов проектирования с применением процедурно-параметрической парадигмы программирования.
знать: особенности организации жизненного цикла программных систем и связь между различными фазами разработки; зависимость методов проектирования программ от применяемых парадигм программирования; специфику эволюционной разработки программного обеспечения; языки и методы проектирование программных систем.
уметь: разрабатывать эволюционно расширяемые программы; применять образцы (паттерны) проектирования при разработке программных систем; выбирать языки и системы программирования в зависимости от решаемой задачи.
владеть: методами объектно-ориентированного проектирования; современными средствами разработки программного обеспечения; методами эволюционной разработки программ.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается экзаменом.
Современные проблемы информатики и вычислительной техники
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является формирование у студентов знаний о взаимосвязях между современными компьютерными технологиями и их использованием при решении прикладных задач в различных сферах деятельности.
Структура дисциплины: лекции – 25%, семинарские занятия – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: анализ взаимосвязи между достижениями в микроэлектронике и компьютерными архитектурами на различных уровнях; формирование представлений о современном состоянии и перспективах развития системных и инструментальных программных средств, обеспечивающих построение разнообразных аппаратно-программных платформ; получение знаний о современных проблемах разработки прикладного программного обеспечения.
Основные дидактические единицы (разделы): Современные компьютерные платформы и их системное программное обеспечение. Инструментальные надстройки над компьютерными системами. Инструментальная поддержка компьютерных технологий в различных прикладных областях.
Современные достижения и перспективы развития микроэлектроники. Основные тенденции в разработке архитектур компьютерных систем и используемые технические решения. Архитектуры современных компьютерных систем и их ориентация на решение задач из различных прикладных областей.
Системная программная прослойка. Управление процессами. Организация межпроцессорных и сетевых взаимодействий. Поддержка периферийных устройств. Комплексные решения, ориентированные на различные предметные области.
Предметные области и инструменты пользователей, направленные на повышение эффективности работы. Инструментальная поддержка работы пользователей. Примеры основных предметных областей и используемых в них инструментальных средств. Перспективы развития прикладных инструментальных средств.
Основные достижения компьютерных технологий в прикладных областях. Использование высокопроизводительных вычислительных систем. Web 2.0. Социальные сети. Автоматизация технологических и производственных процессов. Космические технологии. Военные технологии. Мультимедийные технологии. Прочие достижения.
знать: современное состояние и перспективные направления развития основных областей информатики и вычислительной техники; взаимосвязь между аппаратными и программными решениями; перспективные аппаратные решения; современные компьютерные архитектуры и их программное обеспечение; инструментальные средства, ориентированные на поддержку работы пользователей; общие сведения об использовании компьютерных технологий в различных прикладных областях.
уметь: использовать многоуровневую модель вычислительных систем для их проектирования и сопровождения в различных прикладных областях.
владеть: навыками по анализу современного состояния в конкретных областях информатики и вычислительной техники и выбору перспективных направлений разрешения существующих проблем.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается экзаменом.
Комплексная защита информации
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является ознакомление с принципами организации, проектирования и анализа систем защиты информации, освоение основ их комплексного построения на различных уровнях защиты и особенностей степеней защиты для государственного и частного назначения.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: формирование у обучаемого знаний о наборе практических методов, предназначенных для проведения исследований в области компьютерной безопасности и навыков их применения в условиях реальных требований защиты информации.
Основные дидактические единицы (разделы): Раздел 1. Общая характеристика КЗИ. Комплексная защита информации, ее сущность и задачи. Стратегии комплексной защиты информации, стадии их создания. Структура, характеристики принципы построения и этапы разработки комплексной защиты информации объекта.
Раздел 2. Документ конфиденциальный. Критерии ценности информации и направления ее формирования. Выявление конфиденциальных сведений. Перечень конфиденциальных сведений. Конфиденциальные документы: состав, сроки, реквизиты. Угрозы конфиденциальному документу. Жизненный цикл открытого и конфиденциального документа. Документированная система защиты информации
Раздел 3. Система физической защиты в КЗИ. Система физической защиты, типовые задачи и способы ее реализации. Принципы обеспечения эффективности системы физической защиты, путь и стратегии нарушителя. Количественный и качественный анализ системы физической защиты. Применение технических, инженерных средств и сооружений охраны.
Раздел 4. Организация и аудит КЗИ. Жизненный цикл организации работ по комплексной защите информации на объекте. Современные системы анализа угроз и рисков комплексной защиты информации на объекте.
знать: методологии создания систем защиты информации; основные функции, назначение составных частей и принципы построения систем компьютерной безопасности; проблемы построения систем зашиты информации (СЗИ) и организации её функционирования, а также об основных направлениях решения этих проблем и направлениях дальнейшего развития; методики проведения сравнительного анализа систем защиты информации; основы менеджмента современных систем информационной безопасности.
уметь: квалифицированно оценивать область применения элементов СЗИ; грамотно использовать элементы СЗИ при решении практических задач; использовать все возможности, предоставляемые системой защиты; адекватно управлять системой информационной безопасности.
владеть: навыками освоения и внедрения новых систем комплексной защиты информации; навыками сопровождения и управления системами КЗИ; аппаратом исследования различных систем КЗИ.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается зачетом
Инструментальные программные средства
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является формирование у студентов знаний об инструментальных программных средствах, поддерживающих современные компьютерные технологии решения прикладных задач в различных сферах деятельности.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: ознакомление с инструментальными программными средствами, позволяющими повысить эффективность разработки и качество прикладного программного обеспечения..
Основные дидактические единицы (разделы): Жизненный цикл программного обеспечения (ПО). Этапы жизненного цикла ПО. Критерии качества ПО и способы их достижения. Общие требования к методологии и технологии разработки ПО. Понятие инструментальных программных средств (ИПС). Назначение и классификация ИПС.
Средства для создания приложений. Локальные средства и интегрированные среды. SDK (от англ. Software Development Kit). Компиляторы. Интерпретаторы. Линковщики. Парсеры и генераторы парсеров. Ассемблеры. Отладчики. Профилировщики. Генераторы документации. Средства анализа покрытия кода. Средства непрерывной интеграции. Средства автоматизированного тестирования. Системы управления версиями.
Программные средства поддержки жизненного цикла ПО. Методологии проектирования ПО как программные продукты. Методология DATARUN.
Методология RAD (Rapid Application Development). Средства поддержки технологии RAD.
Структурный подход к проектированию ИС. Сущность структурного подхода. Методология функционального моделирования SADT. Состав функциональной модели. Иерархия диаграмм . Типы связей между функциями. Моделирование потоков данных (процессов). Построение иерархии диаграмм потоков данных. Case-метод Баркера. Методология IDEF1.
CASE-средства. Общая характеристика и классификация. Технология внедрения CASE-средств. Определение потребностей в CASE-средствах. Оценка и выбор CASE-средств. Разработка стратегии внедрения CASE-средств. Характеристики и критерии выбора CASE-средств. Обзор существующих CASE-средств.
В результате изучения дисциплины студент должен:
знать: основные категории инструментальных программных средств, критерии их выбора, современное состояние инструментальных программных средств.
уметь: выбирать и применять инструментальные программные средства, соответствующие прикладной области деятельности.
владеть: навыками по самостоятельного выбора и освоения инструментальных программных средств, соответствующих прикладной области деятельности.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается экзаменом.
Междисциплинарный курсовой проект
Общая трудоемкость дисциплины составляет 2 зачетные единицы (72 час).
Целью дисциплины является формирование навыков самостоятельной научно-практической деятельности; подготовка к работе над магистерской диссертацией.
Структура дисциплины: практические занятия – 50 %, самостоятельная работа – 50%.
Задачей дисциплины является: анализ поставленной задачи; поиск, сбор, классификация и анализ теоретических материалов; поиск способов решения поставленной задачи.
В результате изучения дисциплины студент должен уметь:
Использовать специальные теоретические и практические знания, часть из которых находится на передовом рубеже данной области.
Демонстрировать понимание вопросов, связанных со знанием в данной области и на стыке разных областей.
Выполнять поиск и сбор информации; демонстрировать умение комплексного использования источников знания, которые могут быть неполными, в новых и незнакомых контекстах.
Формировать диагностические решения проблем, основанные на исследованиях, путем интеграции знаний из новых или междисциплинарных областей, выносить аргументированные суждения, отстаивать их в ходе научной дискуссии.
Демонстрировать лидерство и инновации в трудовой и учебной деятельности, которая является незнакомой, сложной и непредсказуемой и требует решения проблем, связанных с множественными взаимосвязанными факторами. Оценивать стратегическую деятельность команд.
Демонстрировать самостоятельность в управлении обучением и высокую степень понимания процессов обучения.
Представлять результаты, методы проектов и их обоснование специалистам и неспециалистам, используя соответствующие техники. Изучать и осмысливать социальные нормы и воздействовать на их изменения.
Виды учебной работы: практические занятия, курсовое проектирование, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается защитой КП.
Модели параллельных вычислений и методы параллельного программирования
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является изучение методов организации построения и анализа параллельных процессов, параллельных программ, параллельных вычислительных систем.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: освоение теоретических методов прооведения исследований в области параллельной обработки данных; освоение реальных инструментов и технических средств, применяемых при создании параллельных программ, разработке и эксплуатации параллельных вычислительных систем; обеспечение теоретического фундамента для изучения профильных предметов.
Основные дидактические единицы (разделы):
Раздел 1. Общие сведения о моделях параллельных вычислений. Стратегии управления в вычислительных системах и языках программирования. Информационно-управляющий ресурсный граф процессов.
Раздел 2. Модели параллельных программ. Классические модели программ. Функционально-потоковая модель параллельных вычислений. Методы функционально-потокового параллельного программирования. Основные сведения о языке программирования Пифагор.
Раздел 3. Модели вычислительных ресурсов. Методы управления взаимодействующими процессами. Синхронизация процессов. Механизмы взаимного исключения. Тупики. Предотвращение тупиков.
Раздел 4. Модели для исследования поведения параллельных процессов. Специфика исследований поведения параллельных процессов. Сети Петри. Модель взаимодействующих процессов Хоара. Информационный анализ параллельных процессов
Раздел 5. Модели для получения количественных оценок. Специфика использования количественных оценок. Оценка производительности вычислительных систем с применением аналитических моделей. Анализ производительности вычислительных систем с применением имитационных моделей
В результате изучения дисциплины студент должен
знать: специфику параллельных вычислений, факторы, определяющие разнообразие параллельных вычислительных процессов; модели параллельных программ; влияние организации вычислительных ресурсов на разработку параллельных программ;
уметь: применять на практике методы создания параллельных программ; оценивать влияние вычислительных ресурсов на организацию параллельных процессов, рассмотрение ресурсных конфликтов и методов их преодоления; использовать методы количественного анализа параллельных процессов.
владеть: средствами проектирования и разработки параллельных программ; разработкой параллельных программ, обладающих неограниченным параллелизмом; методами синхронизации параллельных процессов и предотвращения конфликтных ситуаций; навыками анализа поведения параллельных процессов;
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается экзаменом.
Методы анализа и обработки данных
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является ознакомление с общими задачами анализа таблиц данных, освоение методов анализа и обработки таблиц данных, извлечения скрытых закономерностей в данных.
Структура дисциплины: лекции – 40%, лабораторные работы – 35 %, самостоятельная работа – 25%.
Задачей дисциплины является: формирование у обучаемого знаний о наборе практических методов, предназначенных для проведения анализа и обработки таблиц данных, четкого представления об области применимости каждого из методов, понимания какие методы следует применять в том или ином случае.
Основные дидактические единицы (разделы): Раздел 1. Общая постановка задачи анализа и обработки таблиц данных. Постановка задачи в условиях неполноты данных. Некорректность задачи анализа данных. Предположения, позволяющие решать задачу обработки данных. Метод нулевого порядка как база для сравнения качества работы других методов. Задачи классификации и получения численных значений.
Раздел 2. Методы потенциальных функций и к-соседей. Универсальность этих методов, их ограничения.
Раздел 3. Линейные методы анализа данных: линейная и квазилинейная регрессия, метод главных компонент. Ограничения линейных методов. Расширение множества линейных методов на случай не полных таблиц.
Раздел 4. Альтернативные линейные методы: транспонированная и мозаичная регрессия. Область применения методов. Построения опорного множества объектов снизу вверх и сверху вниз.
Раздел 5. Применение нейронных сетей для решения задач анализа и обработки данных.
знать: Основные методы проведения анализа и обработки данных, область применения каждого метода, сравнительные возможности методов.
уметь: квалифицированно оценивать полученную таблицу данных, выбирать методы анализа и обработки для конкретной таблицы данных, квалифицированно интерпретировать полученные результаты.
владеть: навыками анализа и обработки данных, умением освоения новых методов и разработки модификаций существующих методов для адаптации к имеющейся таблицы данных.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается зачетом.
Математические модели процессов и систем
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является ознакомление с методами, применяемыми при разработке математических моделей и систем.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Основные дидактические единицы (разделы):
Временные ряды. Многомерные сигналы. Стохастические и нечеткие модели. Задачи анализа и обработки данных.
Параметрический анализ данных. Задачи и методы теории оценивания. Байесовские критерии. Минимаксные оценки. Робастные методы. Регрессионный анализ и рекуррентные оценки. Дисперсионный анализ. Непараметрическая регрессия и ядерное сглаживание.
Оптимальное планирование экспериментов. Обработка и планирование имитационного эксперимента.
Теория игр и принятия решений. Многошаговые процессы принятия решений. Многокритериальный выбор.
Основы теории распознавания образов, классификация и кластеризация данных. Дискриминантный анализ. Иерархическая классификация. Снижение размерности и отбор информативных показателей. Метод главных компонент. Факторный анализ. Многомерное шкалирование. Анализ и визуализация неколичественных данных.
Динамические модели данных. Динамическая регрессия. Оптимальная фильтрация: фильтр Винера-Колмогорова, фильтр Кальмана-Бьюси. Рекуррентное сглаживание. Минимаксная фильтрация. Робастная и адаптивная фильтрация. Рекуррентные оценки в задачах обучения, обнаружения и идентификации.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается зачетом.
Методы и алгоритмы обработки и анализа изображений
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является ознакомление магистрантов с современными способами обработки и анализа изображений.
Структура дисциплины: лекции – 40%, лабораторные работы – 35 %, самостоятельная работа – 25%.
Основные дидактические единицы (разделы):
Спектральное представление данных. Быстрые преобразования Фурье. Методы и алгоритмы цифрового спектрального анализа.
Методы и алгоритмы обработки и анализа изображений. Модели изображений. Дискретизация, квантование и сжатие изображений и визуальных данных. Восстановление и реконструкция изображений. Сегментация изображений. Структурные модели и понимание изображений.
Анализ статических и динамических сцен.
Некорректные обратные задачи при восстановлении зависимостей и реконструкции изображений.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается зачетом.
Анализ данных на основе мягких вычислений.
Общая трудоемкость дисциплины составляет 1 зачетные единицы (144 час).
Целью изучения дисциплины является овладение современными методами анализа данных на основе мягких вычислений, которые включают использование генетических алгоритмов (ГА), нечеткой логики (НЛ) и искусственных нейронных сетей (ИНС) для задач управления и принятия решений.
Структура дисциплины: лекции – 40%, лабораторные работы – 35 %, самостоятельная работа – 25%.
Задачей дисциплины является: обучение студентов теоретическим и прикладным методам интеллектуального анализа данных на основе современных информационных технологий.
Основные дидактические единицы (разделы): генетические алгоритмы, эволюционные вычисления, генетические операторы; нечеткая логика, нечеткие множества, функции принадлежности, нечеткие алгоритмы и выводы; искусственные нейронные сети, нейросетевые технологии, алгоритмы обучения, нейроуправление.
В результате изучения дисциплины студент должен:
знать: методы анализа данных на основе ГА, НЛ, ИНС;
уметь: использовать программы ГА, НЛ, ИНС в среде MatLab для анализа данных;
владеть: методами мягких вычислений для анализа данных и принятия решений.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается защитой расчетных заданий, экзаменом
Теория вычислительного эксперимента
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является освоение студентами методологии и технологии моделирования (в первую очередь компьютерного) при исследовании, проектировании и эксплуатации информационных систем.
Структура дисциплины: лекции – 35%, лабораторные работы – 35 %, самостоятельная работа – 30%.
Задачей дисциплины является: изучение типовых математических схем моделирования систем; рассмотрение вопросов формализации и алгоритмизации информационных процессов; ознакомление с основными языками имитационного моделирования систем; изучение современных способов моделирования сложных информационных систем.
Основные дидактические единицы (разделы):
Построение концептуальной модели вычислительного эксперимента и ее формализация. Логическая структура моделей (блочный принцип). Алгоритмизация модели. Принципы построения моделирующих алгоритмов. Оценка точности и достоверности результатов моделирования. Точность оценки. Достоверность оценки. Планирование имитационных экспериментов с моделями. Полный факторный эксперимент. Дробный факторный эксперимент. Правила масштабирования уровней факторов. Стратегическое и тактическое планирование имитационных экспериментов с моделями систем. Фиксация и статистическая обработка результатов моделирования систем. Анализ и интерпретация результатов моделирования на ЭВМ.
-
В результате изучения дисциплины студент должен
знать: принципы моделирования, классификацию способов представления моделей систем; приемы, методы, способы формализации объектов, процессов, явлений и реализации их на компьютере; достоинства и недостатки различных способов представления моделей систем; алгоритмы фиксации и обработки результатов моделирования систем; способы планирования машинных экспериментов с моделями;
уметь: владеть технологией моделирования; представить модель в математическом и алгоритмическом виде; оценить качество модели; показать теоретические основания модели; проводить статистическое моделирование систем; моделировать процессы протекающие в информационных системах и сетях;
владеть: навыками построения имитационных моделей информационных процессов; получения концептуальных моделей систем; построения моделирующих алгоритмов; программирования в системе моделирования GPSS.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается зачетом.
Алгоритмы и методы цифровой обработки сигналов
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины Цель изучения дисциплины – обучение студентов систематизированным представлениям о возможностях и областях использования речевых модулей в информационных и управляющих системах. Особое внимание уделяется изучению методов измерения параметров речевого сигнала, созданию моделей речевых единиц на основе которых ведется синтез и распознавание речи, проектированию устройств преобразования русской речи в текст. В качестве среды разработки используется Mathlab .
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: исследование речевых сообщений, закономерностей восприятия речи человеком, изучение методики проектирования речевых систем и получение навыков проектирования.
Основные дидактические единицы (разделы):
Проектирование синтезаторов речи Классификация систем синтеза речи. Архитектура систем. Выбор алгоритмов речегенерации. Модели генераторов речевого сигнала. Проектирование на основе компиляции слогов. Разметка и расстановка ударений. Исследование информации об интонации фразы, учет громкости. Формирование базы знаний звуков и слогов. Дифонный синтез.
Проектирование форматных синтезаторов. Исследование спектрограмм звуков. Измерение параметров первичных признаков в среде Mathlab Определение ширины полосы форматных частот их амплитуд. Сжатие спектра сигнала. Методы сжатия. Структура форматного синтезатора. Форматы данных для базы звуков форматных синтезаторов. Интерфейс со звуковой картой. Синтез речи с использованием SDK 5.1.
Ввод звуковой последовательности. Вычисление спектра сигнала с использованием быстрого преобразования Фурье. Получение первоначального образа звуковой оболочки. Измерение параметров с использованием технологии вейвлетов. Предварительная обработка звукового образа с целью уменьшения шумов. Сглаживание амплитудного спектра сигнала путем экспериментальных исследований. Нахождение матожидания и дисперсии звукового образа. Вычисление интегральных мер подобия звукового образа базы и входного сигнала.
Формирование обучающей выборки для получения эталонного образа в словаре синтеза. Использование пакета Speech SDK для проектирования систем распознавания. Распознование слитной речи (корпораци Dialogic).
Студент должен знать особенности речевого сигнала, уметь объяснить методы, используемые при разработке речевых систем, освоить архитектуру, принципы построения и функционирования систем преобразования речи в текст.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается зачетом.
Обработка информации в распределенных системах
Общая трудоемкость дисциплины составляет 3 зачетные единицы (108 час).
Целью изучения дисциплины является ознакомление с принципами организации распределенных систем, архитектурами и программным обеспечением, используемыми при их разработке.
Структура дисциплины: лекции – 25%, лабораторные работы – 25 %, самостоятельная работа – 50%.
Задачей дисциплины является: изучение особенностей распределенных технологий; методов и подходов, используемых при обработки информации в распределенных системах различного типа.
Основные дидактические единицы (разделы):
Введение в распределенные системы. Основные определения. Обзор методологий и утилит для разработки агентно-ориентированных систем. Языки и методы проектирования агентных систем. Обзор агентных платформ. Платформы «общего назначения» (Aglets, Voyager, JADE, JADEX, и др). Основные характеристики. Масштабируемость платформы JADE. Платформы “специального назначения” (Diplomacy, Repast Simphony , etc). Проблемы стандартизации агентных пламформ (FIPA).
Обработка информации в мобильных приложениях.
знать: принципы организации распределенных систем; методы разработки агентных систем; инструментальные средства, используемые при разработке распределенных систем.
уметь: разрабатывать распределенные системы с использованием существующих инструментальных средств.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается зачетом.
Компьютерные технологии в науке и образовании
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 час).
Целью изучения дисциплины является освоение комплекса знаний, умений и навыков, позволяющих эффективно разрабатывать и владеть современными компьютерными технологиями для последующего практического использования в науке и образовании.
Структура дисциплины: лекции – 40%, лабораторные работы – 35 %, самостоятельная работа – 25%.
Задачей дисциплины является: приобретение студентами знаний основных принципов построения научных и образовательных порталов, принципов формирования информационной научно-образовательной среды с использованием современных программных средств, а также навыков применения этих знаний для дальнейшей научной работы.
Основные дидактические единицы (разделы): Информационные технологии в научных исследованиях и разработках. Компьютерные методы и технологии анализа и интерпретации данных. Компьютерные системы поддержки принятия решений. Локальные и глобальные компьютерные сети. Поиск научно-технической информации в Интернет. Компьютерная графика в научных исследованиях. Гипермедиа и мультимедиа системы. Распределенные базы данных. Интеграция ресурсов Интернет с распределенными базами данных. Дистанционное обучение, технологии и средства. Видеоконференции.
В результате изучения дисциплины студент должен
знать: направления и возможности использования современного программного и аппаратного обеспечения ЭВМ в науке и производстве; современные тенденции развития программного и аппаратного обеспечения; методы и средства получения и хранения научно-технической информации; современные информационные технологии; новейшие достижения в технологии дистанционного обучения;
уметь: обновлять свои знания, используя современные информационные технологии; использовать возможности современного программного обеспечения для решения задач по тематике магистерской диссертации; представлять итоги проделанной работы в виде отчетов и статей, оформленных в соответствии с имеющимися требованиями, с привлечением современных средств редактирования и печати,
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа.
Изучение дисциплины заканчивается зачетом.
Grid-системы и организация облачных вычислений
Общая трудоемкость дисциплины составляет 1 зачетные единицы (144 час).
Целью изучения дисциплины является ознакомление магистров с основными принципами организации облачных вычислений.
Структура дисциплины: лекции – 40%, лабораторные работы – 35 %, самостоятельная работа – 25%.
Задачей дисциплины является: формирование у магистров навыков планирования и развертывания Grid-систем и облачных сервисов.
Основные дидактические единицы (разделы): понятие и основные принципы организации облачных вычислений(предоставление программного обеспечение в виде сервиса – SaaS (Software as a service), платформы в качестве сервиса - PaaS (Platform as a service), инфраструктуры в качестве сервиса – IaaS (Infrastructure as a service)); виртуализация, как основа облачных вычислений; программное обеспечение облачных вычислений.
В результате изучения дисциплины студент должен:
знать: принципы организации облачных вычислений, программное обеспечение для организации облачных вычислений, преимущества и проблемы облачных вычислений;
уметь: планировать и разворачивать облачные сервисы;
владеть: навыками работы со специализированным программным обеспечение организации облачных вычислений.
Виды учебной работы: лекции, лабораторные работы, самостоятельная работа (написание рефератов, подготовка докладов и презентаций).
Изучение дисциплины заканчивается защитой расчетных заданий, экзаменом.