Цели освоения дисциплины

Вид материала

Подобный материал:

1 2 3 4 5 6 7 8

Содержание дисциплины

Введение. Исторические сведения. Происхождение, первоначальные ожидания от теории формальных грамматик (в анализе естественного языка). Отказ от изначальных применений и переход к приложениям в формальных языках.

Основные понятия теории автоматов. Алфавиты, слова, языки. Операции над словами и языками. Задача синтаксического анализа. Основные понятия формальных грамматик. Терминальные и нетерминальные символы. Правила вывода. Грамматический вывод. Классификация формальных грамматик. Иерархия Хомского формальных грамматики и языков.

Конечные автоматы. Детерминированные конечные автоматы (ДКА). Диаграммы Мура (системы переходов). Вычисления ДКА. Язык ДКА. Недетерминированные конечные автоматы (НКА). Язык НКА. Теорема о детерминизации НКА. Пример экспоненциального увеличения размеров автомата при построении эквивалентного детерминированного. Конечные автоматы с пустыми переходами. Теорема об устранении пустых переходов. Операции над конечными автоматами. Эквивалентность и минимизация конечных автоматов. Проверка эквивалентности состояний. Алгоритм минимизации ДКА.

Регулярные выражения. Операторы регулярных выражений. Регулярные выражения. Языки регулярных выражений. Построение регулярных выражений. Построение регулярного выражения по ДКА. Алгоритм преобразования регулярных выражений в ДКА. Теорема Клини. Лексический анализ. Применение регулярных выражений для решения задач лексического анализа. Алгебра Клини регулярных выражений. Основные законы алгебры Клини.

Регулярные языки. Свойства замкнутости регулярных языков относительно теоретико-множественных операций, конкатенации, обращения, гомоморфизма. Различные способы задания регулярных языков. Теорема о совпадении классов регулярных языков, языков ДКА и языков регулярных выражений. Проверка пустоты регулярных языков и алгоритмы ее решения. Проблема принадлежности слова регулярному языку и алгоритмы ее решения. Лемма накачки. Применение леммы накачки для доказательства нерегулярности языков.

Контекстно-свободные грамматики (КСГ) и языки и автоматы с магазинной памятью. Определение КСГ. Контекстно-свободный грамматический вывод. Примеры контекстно-свободных языков (КСЯ). Деревья разбора. Взаимосвязь грамматического вывода и дерева разбора. Определение автомата с магазинной памятью (МПА). Вычисления МПА. Языки МПА. Допустимость по заключительному состоянию и по пустому магазину. Эквивалентность двух определений допустимости МПА. Преобразование КСГ в МПА. Построение КСГ по МПА. Детерминированные МПА (ДМПА). Теорема о дополнении детерминированного КСЯ. Соотношение между регулярными языками, КСЯ и языками ДМПА. Свойства КСГ.

Нормальные формы КСГ. Приведение КСГ к нормальной форме Хомского. Лемма накачки для КСЯ. Примеры языков, не являющихся контекстно-свободными. Замкнутость КСЯ относительно подстановки, объединения, пересечения, гомоморфизма. Замкнутость КСЯ относительно пересечения с регулярными языками.

Проблема неоднозначности для языков и грамматик. Определения. Формальные ряды. Примеры однозначных грамматик и языков. Примеры неоднозначной грамматики и неоднозначного языка с доказательствами.

Языки и грамматики в целом. Линейные грамматики. Рекурсивно-перечислимые языки и грамматики. Алгоритмически разрешимые проблемы автоматов и формальных грамматик. Алгоритм проверки пустоты КС-языков. Алгоритм Кока-Янгера-Касами проверки принадлежности КСЯ произвольной строки. LL(k)-, LR(k)-грамматики.

Алгоритмически неразрешимые проблемы автоматов и формальных грамматик. Неразрешимость проблемы минимизации для магазинного автомата. Эквивалентность автомата с двумя магазинами машине Тьюринга. Алгоритмическая неразрешимость проблемы однозначности.

Примеры применений. Синтаксические анализаторы. Генераторы синтаксических анализаторов. Прикладные алгоритмы синтаксического анализа. Применения к комбинаторным проблемам.

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Физика»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цели освоения дисциплины

Дисциплина "Физика" предназначена для студентов первого и второго курса, обучающихся по направлению 231000.62 «Программная инженерия».

В результате изучения курса студент должен знать основные физические явления и основные законы физики, границы их применимости, использование физических знаний в важнейших практических приложениях; базовые физические величины и физические константы; их определение, смысл, способы и единицы их измерения; фундаментальные физические опыты и их роль в развитии физической науки; назначение и принципы действия важнейших физических приборов.

Студент должен уметь правильно использовать законы физики твердого тела в научных исследованиях и разработках; проводить адекватное физическое и математическое моделирование; применять методы физико-математического анализа к решению конкретных естественнонаучных и технических проблем

Общая трудоемкость дисциплины составляет 8 зачетных единиц, 288 часов.

Основные разделы дисциплины

Физические основы механики

Колебания и волны.

Релятивистская механика

Физическая термодинамика

Электростатика

Постоянный электрический ток

Магнитостатика

Электромагнитная индукция

Электромагнитные волны

Оптика

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Информатика»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цель освоения дисциплины

Целью преподавания дисциплины «Информатика» является освоение студентами теоретических и практических основ информатики, умение использовать компьютерную технику в режиме пользователя для решения задач

После изучения материала данного курса студент должен иметь представление об информации, методах её хранения, обработки и передачи; о роли информатики в научных исследованиях; о математическом моделировании; об основных направлениях развития ЭВМ и компьютерных технологий; о разнообразных типах операционных систем и о разнообразных типах программного обеспечения; основные типы алгоритмов; языки программирования; о принципах построения компьютерных сетей; организации работы в сети Internet.

Студент приобретает знания и умения использовать: понятие информации, способы её хранения и обработки; систематизировать и обобщать информацию; структуру, принципы работы и основные возможности ЭВМ; создавать, редактировать программное обеспечение; создавать и работать с простейшими базами данных.

Общая трудоемкость дисциплины составляет 4 зачетные единицы, 144 часа.

Содержание дисциплины

Основные понятия и методы теории информатики и кодирования. Сигналы, данные, информация. Раскрытие понятий: сообщения, данные, сигнал, атрибутивные свойства информации, показатели качества информации, формы представления информации. Системы передачи информации. Меры и единицы количества и объема информации.

Общая характеристика процессов сбора, передачи, обработки и накопления информации. Изучение процессов сбора, передачи, хранения информации. Общие сведения о системах счисления и более детальное изучение позиционных систем счисления. Изучение логических основ ЭВМ.

Технические средства реализации информационных процессов. История развития ЭВМ. Понятие и основные виды архитектуры ЭВМ. Состав и назначение основных элементов персонального компьютера, их характеристики. Запоминающие устройства: классификация, принцип работы, основные характеристики. Устройства ввода/вывода данных, данных, их разновидности и основные характеристики.

Программные средства реализации информационных процессов. Понятие системного и служебного (сервисного) программного обеспечения: назначение, возможности, структура. Операционные системы. Файловая структура операционных систем. Операции с файлами. Технологии обработки текстовой информации. Электронные таблицы. Технологии обработки графической информации. Средства электронных презентаций.

Модели решения функциональных и вычислительных задач. Моделирование как метод познания. Классификация и формы представления моделей. Методы и технологии моделирования. Информационная модель объекта.

Алгоритмизация и программирование. Понятие алгоритма и его свойства. Блок-схема алгоритма. Основные алгоритмические конструкции. Базовые алгоритмы. Программы линейной структуры. Операторы ветвления. Операторы цикла.

Технологии программирования и языки программирования высокого уровня. Этапы решения задач на компьютерах. Понятие о структурном программировании. Модульный принцип программирования. Подпрограммы. Принципы проектирования программ сверху-вниз и снизу-вверх. Объектно-ориентированное программирование. Эволюция и классификация языков программирования. Основные понятия языков программирования. Структуры и типы данных языка программирования. Трансляция, компиляция и интерпретация. Основные этапы компиляции, лексический семантический анализ выражения, формальная грамматика, компилятор формулы, дерево синтаксического разбора. Формальные грамматики.

Базы данных. Локальные и глобальные сети ЭВМ. Основы баз данных и знаний. Системы управления базами данных. Сетевые технологии обработки данных. Основы компьютерной коммуникации. Принципы организации и основные топологии вычислительных сетей. Компьютерные коммуникации и коммуникационное оборудование. Сетевой сервис и сетевые стандарты. Программы для работы в сети Интернет. Защита информации в локальных и глобальных компьютерных сетях Шифрование данных. Электронная подпись.

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Основы электроники»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Предмет изучения курса "Основы электроники" – основные понятия и законы теории электрических цепей; методы анализа линейных и нелинейных цепей; принцип действия и характеристики компонентов и узлов электронной аппаратуры; основы аналоговой и цифровой схемотехники.

Целью изучения дисциплины " Основы электроники " является изучение принципов действия и особенностей функционирования типовых электронных устройств, основ элементной базы ЭВМ, методов анализа и расчета аналоговых и цифровых электронных схем.

В задачи дисциплины входит изучение методов анализа и расчета линейных и нелинейных электрических цепей при действии сигналов различной формы; методов расчета установившихся и переходных процессов; принципов действия, характеристик, моделей и особенностей использования основных типов электронных приборов; принципов построения и основ анализа аналоговых и цифровых электронных схем и функциональных узлов цифровой аппаратуры.

Дисциплина "Основы электроники" входит в вариативную часть математического и естественнонаучного цикла образовательной программы бакалавра. Ее изучение базируется на следующих курсах: Физика, Математический анализ, Алгебра и геометрия.

Изучение дисциплины направлено на формирование следующих компетенций:

готовность учитывать современные тенденции развития аналоговой и цифровой электроники, измерительной и вычислительной техники, информационных технологий в своей профессиональной деятельности;
умение использовать инструментальные средства компьютерного моделирования для решения исследовательских и производственных задач;
сопряжение аппаратных и программных средств в составе информационных и автоматизированных систем;
инсталляция программного и аппаратного обеспечения для информационных и автоматизированных систем;

В результате изучения дисциплины студент должен знать:

основы теории линейных и нелинейных электрических цепей;
перспективы и тенденции развития аналоговой и цифровой электроники;
принцип действия и методы расчета функциональных устройств аналоговой и цифровой электроники, их характеристики, параметры, модели;
классификацию и назначение функциональных узлов ЭВМ;
принципы построения структурных, функциональных и принципиальных схем узлов ЭВМ.

Уметь:

выполнять расчет электрических цепей при постоянных и синусоидальных воздействиях, а также при воздействии сигналов произвольной формы;
анализировать воздействие сигналов на линейные и нелинейные цепи;
использовать современные средства проектирования аналоговых и цифровых электронных устройств;
оформлять результаты исследований в соответствии с требованиями ЕСКД и ЕСПД, использовать специальную нормативную и справочную литературу, стандарты.

Владеть:

программами моделирования и схемотехнического проектирования;
навыками анализа и синтеза цифровых систем.

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Компьютерный статистический анализ данных»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цели освоения дисциплины

Дисциплина «Компьютерный статистический анализ данных» предназначена для студентов третьего курса, обучающихся по направлению 231000.62 «Программная инженерия».

Дисциплина «Компьютерный статистический анализ данных» имеет целью ознакомить студентов с основами статистической обработки данных с использованием современных математических пакетов программ, что позволило бы в дальнейшем решать разнообразные прикладные задачи.

В результате изучения дисциплины «Компьютерный статистический анализ данных» приобретаются знания: о существующих подходах к анализу данных и основных методах статистических расчетов.

В результате изучения дисциплины приобретаются навыки и умения: ввода, модификации и подготовки к статистическому анализу исходных данных; принятия решения о выборе того или иного статистического метода, соответствующего решаемой задаче; выбора и использования различных средств визуализации данных; работы в современных программных статистических пакетах; интерпретации результатов статистических расчетов.

Общая трудоемкость дисциплины составляет 5 зачетных единиц, 180 часов.

Содержание дисциплины

Предмет курса, его цели и задачи, содержание и связь с другими курсами. Обзор истории создания и применения математических и статистических пакетов программ. Современное состояние в этой области. Примеры прикладных задач.

Основные возможности математических пакетов. Общие приемы работы с данными в пакетах Statistica, Statgraphics. Манипуляция данными, построение различных графиков.

Элементарные понятия анализа данных. Переменная. Описательные статистики и их свойства. Шкалы измерений. Распределение переменной. Зависимости между переменными. Корреляции. Общая конструкция статистических тестов. Почему важно нормальное распределение.

Вероятностные распределения, их свойства и применение. Построение оценок плотностей распределений по реальным данным.

Визуальный анализ данных. Статистический вывод. Оценка регрессии и временные ряды. Дисперсионный анализ (ANOVA)

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Исследование операций»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цели освоения дисциплины

Дисциплина "Исследование операций" предназначена для студентов четвертого курса, обучающихся по направлению 231000.62 «Программная инженерия».

В результате изучения курса студент должен знать основные типы задач исследования операций; простейшие приемы решения задач многокритериальной оптимизации; основные понятия теории игр.

Студент должен уметь строить математические модели для простейших задач

принятия оптимальных решений; использовать методы математического программирования для решения задач.

Общая трудоемкость дисциплины составляет 4 зачетные единицы, 144 часа.

Содержание дисциплины

Исторические предпосылки возникновения теории исследования операций и факты постановки и способов решения в средние века. Постановка задачи исследования операций. Математическая модель исследования операций и информационное состояние «лица, принимающего решения». Классификация задач исследования операций. Примеры задач исследования операций, история их возникновения.

Сети, эйлеровы и гамильтоновы графы, проблема моряка (задача о торговце), деревья как класс графов, свойства и особенности построения путей в дереве, порождающие деревья, понятие минимально порождающего дерева. Организация решения задачи с помощью таблицы. Поиск кратчайшего маршрута. Обоснование корректности алгоритма.

Линейное программирование. Постановка двойственной задачи, теоремы двойственности, экономическая интерпретация задачи, транспортная задача, задача целочисленного программирования, метод ветвей и границ. Построение дерева решений.

Теория игр. История возникновения, понятие стратегии, чистые и смешанные стратегии. Матричные игры, принципы минимакса и максимина, равновесная точка, теорема Дж.Фон Неймана, основные этапы поиска решения матричной игры, связь задачи линейного программирования и решения матричной игры. Итерационный метод решения матричных игр. Моделирование конкретных ситуаций с помощью матричных игр.

Биматричные игры. Примеры использования смешанных стратегий, теорема Нэша. Ситуация, оптимальная по Парето, поиск равновесных ситуаций.

Позиционные игры, структура, нормализация позиционной игры, задачи. Позиционные игры с полной информацией, примеры ситуаций.

Другие виды игр. Неантагонистические позиционные игры: борьба за рынки, игра типа дуэли. Иерархические игры, примеры.

Многокритериальная оптимизация: постановка задачи, примеры. Оптимальность по Парето, множество Парето. Поиск решения методом уступок, метод идеальной точки, метод ограничений.

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Методы анализа данных»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цели освоения дисциплины

Дисциплина «Методы анализа данных» предназначена для студентов третьего курса, обучающихся по направлению 231000.62 «Программная инженерия».

В результате изучения курса студент должен знать основные методы обработки информации для стохастических объектов, включающие как классические результаты, так и современные научные достижения.

Студент должен уметь: синтезировать и исследовать алгоритмы статистической проверки гипотез, классификации в распознавании образов, планирования эксперимента, непараметрической обработки информации, экспериментальной оптимизации, идентификации статических и динамических моделей объектов, адаптивного управления.

Общая трудоемкость дисциплины составляет 7 зачетных единиц, 252 часа

Содержание дисциплины

Предмет методов анализа данных.

Статистическая проверка гипотез. Общая схема проверки гипотез и её реализация при проверке 9 гипотез.

Классификация в распознавании образов. Общая схема системы распознавания; идея классификации; байесовская теория принятия решений; прямые методы восстановления решающих функций; схема персептрона.

Планирование эксперимента. Построение линейной статической модели объекта; полный факторный эксперимент первого порядка; дробные реплики; насыщенные планы; устранение кусочно-постоянного дрейфа за счет разбиения матрицы планирования на блоки; ортогональные и ротатабельные планы второго порядка; метод случайного баланса.

Методы непараметрической обработки информации. Построение оценок для функции и плотности распределения, свойства оценок; получение на основе оценок Розенблатта – Парзена состоятельных оценок: моментов случайных величин, энтропии, условной энтропии, условной плотности распределения, регрессии, средней условной энтропии, среднего количества информации, дисперсионных характеристик, робастных оценок регрессии; синтез (на основе использования непараметрических оценок инверсных регрессий) алгоритмов: адаптивного управления при априорной неопределенности, оптимального управления, минимизации функций, классификации в распознавании образов.

Методы экспериментальной оптимизации. Рассматриваются методы недифференцируемой локальной и глобальной минимизации функций, основанные только на измерениях или вычислениях этих функций.

Идентификация статических моделей. Синтезируются алгоритмы ретроспективной и адаптивной параметрической идентификации статических нелинейных моделей.

Идентификация динамических моделей объектов. Синтезируется оптимальная структура дискретных динамических моделей стохастических объектов и строятся алгоритмы адаптивной подстройки параметров этих моделей.

Адаптивное управление с идентификацией. Построен подход к синтезу алгоритмов адаптивного управления динамическими стохастическими объектами (линейными, нелинейными, с чистыми запаздываниями и без них), основанный на построении (идентификации) моделей прогноза выхода систем; вычисляется ошибка работы замкнутых систем.

АННОТАЦИЯ ДИСЦИПЛИНЫ

«Методы обработки экспериментальных данных»

для подготовки бакалавров

по направлению 231000.62 «Программная инженерия»

Цели освоения дисциплины

Дисциплина «Методы обработки экспериментальных данных» предназначена для студентов третьего курса, обучающихся по направлению 231000.62 «Программная инженерия».

В результате изучения курса студент должен знать основные методы статистического анализа экспериментальных данных и обработки информации для стохастических объектов в автоматизированных системах обработки информации и управления

Студент должен уметь синтезировать и исследовать математические модели, параметрические и непараметрические методы и алгоритмы обработки и анализа экспериментальных данных, а также строить динамические модели для стохастических объектов и алгоритмы адаптивного оптимального управления ими.

Общая трудоемкость дисциплины составляет 7 зачетных единиц, 252 часа.

Blog

Аннотация дисциплины «Философия» для подготовки бакалавров по направлению 231000. 62 «Программная инженерия» Цели освоения дисциплины