SYLABUS^Online

Навігація

Категорії

Фільтри

Фільтри:

Обрані фільтри: Тривалість навчання : рік Рівень навчання: магістр Мова: французька Семестр: 4 семестр Обрані категорії: Інженерія програмного забезпечення

Організація високопродуктивних обчислень

Побудова Cloud-систем

Методи Deep Learning

Генетичні алгоритми

Технології розподілених обчислень

Глибинне навчання

Інтернет технології

Сучасні мобільні операційні системи

Методи та технології паралельного програмування

Теорія прийняття рішень

Стек технологій проектування Web-застосувань

Сучасні методи обробки масивів даних

Тестування програмного забезпечення

Проектування комплексних систем захисту інформації

Технології машинного навчання

Управління бізнес процесами

Developing a highload software architecture (авторський курс від компанії Genesis)

Що буде вивчатися

Області знань, методи та практики :

Сучастні підходи до управління організацією та продуктом (Agile Mindset)
Сучастні підходи, методи та практики створення программного забезпечення.
Підходи та практики трансформації організації.
Сучасні підходи використання Management 3.0
Розвиток лідерських навичок за допомогою Agile Leadership
Практики, бізнес ігри та вправи для розвитку команд та лідерських навичок.

Чому це цікаво/треба вивчати

Дисципліна забезпечує ознайомлення з актуальними проблемами змін організацій та цифрових трансформацій, що відбуваються з організаціями у сучасному VUCA світі. Знання та застосування підходів та практик, що здатні допомогти змінити та сформувати світогляд сучасного менеджера, допоможуть успішно справлятися з викликами, які очікують магістрів у їх подальшій практичній професійній роботі.

Чому можна навчитися (результати навчання)

Отримані знання можуть бути використані та застосовані на практиці до менеджменту сучасної організації на різних рівнях управління та виконанні сучасних ролей при створенні продуктів та ведення проектів.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Набуті знання та уміння дозволять:

знати основні сучасні моделі, методи, підходи та практики управління продуктом та проектом;
уміти реалізовувати трансформаційні зміни у існуючих організаціях;
застосовувати практики управління на рівні розвитку персоналій, команд та організацій;
отримають знання з agile лідерства — Agile Leadership Course

Що буде вивчатися

Розглядаються сучасні методи та засоби паралельного програмування (mpi, OpenMP, концепція хмарних обчислень та GRID систем), а також проєктування обчислювальних систем (мультипроцесорних, розподілених та нетрадиційних), що дозволяють будувати високоефективні сучасні та багатофункціональні інформаційні системи.

Чому це цікаво/треба вивчати

Метою кредитного модуля є формування у здобувачів освіти здатності самостійно розроблювати та використовувати методи та засоби програмування задач для паралельних та розподілених комп’ютерних систем.

Чому можна навчитися (результати навчання)

Уміти:

проєктувати паралельні системи програмування;
використовувати у проєктах суперкомп’ютери;
використовувати у проєктах GRID технології;
використовувати у проєктах нейромережеві та хмарні системи.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Приймати участь в розробці сучасних проєктів обробки інформації (систем big data та інш.), в тому числі систем з некласичною архітектурою та програмного забезпечення для них. — Паралельні та розподілені обчислення

Що буде вивчатися

Cуперкомп’ютери та пов’язані з ними технології. Концепції та основи побудови високошвидкісних обчислювальних систем. Основні принципи та методи обчислень у високошвидкісних обчислювальних системах та комплексах різної архітектури. Основи архітектури багатопроцесорних обчислювальних систем. Архітектури та стандарти розподілених обчислень. Технології та принципи розподілених обчислень. Особливості та проблеми паралельної обробки та основні шляхи їх вирішення. Методи оцінки продуктивності швидкодіючих багатопроцесорних обчислювальних систем. Основні сценарії використання високошвидкісних обчислень.

Чому це цікаво/треба вивчати

Метою дисципліни є формування у студентів здатностей розробляти програмне забезпечення з максимальним використанням сучасного рівня існуючого технічного парку, застосовувати високошвидкісні обчислювальні системи для задоволення стрімкого зростання сучасних обчислювальних вимог.

Чому можна навчитися (результати навчання)

Уміти:

створювати та використовувати високопродуктивні програмні системи на базі існуючих технічних ресурсів;
аналізувати вимоги до сучасних високопродуктивних комп’ютерних систем;
використовувати методи оцінки продуктивності обчислювальних систем;
розв’язувати задачі проєктування та експлуатації розподілених систем з підвищеними вимогами до обчислювальних можливостей;
розробляти нові архітектури високошвидкісних обчислювальних систем;
застосовувати теоретичні знання для розв’язання практичних задач підвищеної складності в плані безперервного зростання обчислювальних можливостей і швидкодії програмних систем;
освоїти сучасні технології Hyper-V.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Уміти:

застосовувати технології суперкомп’ютерних обчислень;
використовувати на одному комп’ютері одночасно декілька операційних систем;
одночасно користуватись особливостями та програмами різних систем, не перенапружуючи комп’ютер;
використовувати різні операційні системи для різних задач;
розпаралелювати існуючі комп’ютерні ресурси — Технології суперкомп'ютерних обчислень

Що буде вивчатися

Інформаційні технології представлення цифрових зображень та сигналів. Технології розпізнавання зображень. Технології пошуку зображень. Технології перетворення даних для детектування об’єктів інтересу (Region of interest, ROI), трекінгу об’єктів інтересу (ROI tracing). Технології перетворення зображення для стиснення даних.

Чому це цікаво/треба вивчати

Метою дисципліни є формування у студентів здатностей розробляти математичні та програмні інструменти дослідження зображень та сигналів, аналізувати інтелектуальні системи перетворення цифрових сигналів та зображень, обирати, налагоджувати та модифікувати технології аналізу сигналів відповідно до поставленої задачі.

Чому можна навчитися (результати навчання)

Знати:

технології представлення цифрових зображень та сигналів;
технології класифікації зображень;
технології кластеризації зображень;
технології виділення ROI;
технології детектування ROI;
технології трекінгу ROI;
технології розпізнавання зображень.

Уміти:

досліджувати сигнали та зображення з використанням відповідних інформаційних технологій;
аналізувати результати роботи програмних технологій розпізнавання зображень.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Уміти:

застосовувати методи, алгоритми, програмні засоби оброблення сигналів та зображень відповідно до поставлених завдань;
перетворювати методи, алгоритми, програмні засоби оброблення сигналів та зображень відповідно до поставлених завдань;
розроблювати математичні методи та програмні інструменти аналізу сигналів та зображень;
створювати інтелектуальні системи аналізу, розпізнавання та пошуку зображень. — Технології оброблення цифрових зображень та сигналів

Що буде вивчатися

Аналіз основного застосування технології блокчейн як грошової системи. Архітектура блокчейн-систем на прикладі системи Bitcoin. Криптографічні примітиви необхідні для функціонування блокчейн-системи. Використання технології блокчейн поза межами грошової системи. Експериментальні альтернативні протоколи (Ethereum, Monero), їхні переваги і недоліки.

Чому це цікаво/треба вивчати

Метою дисципліни є формування у студентів здатностей розроблювати програмне забезпечення для взаємодії з мережею Bitcoin та розуміння моделі безпеки, яка є ключовим компонентом такого програмного забезпечення.

Чому можна навчитися (результати навчання)

Знати:

переваги і недоліки використання технології блокчейн як грошової системи;
архітектуру програмного забезпечення за технологією блокчейн на прикладі системи Bitcoin;
основи криптографії;
поняття хеш-функцій та основи асиметричних криптосистем;
виділяти властивості блокчейн-систем, що дозволяють застовувати їх поза межами грошої системи;
розуміти переваги і недоліки альтернативних протоколів (Ethereum, Monero).

Як можна користуватися набутими знаннями і уміннями (компетентності)

Уміти:

налаштовувати програмне забезпечення для взаємодії з системою Bitcoin;
розробляти прості програмні застосунки для взаємодії з системою Bitcoin;
аналізувати і адаптувати моделі безпеки програмних застосунків для взаємодії з блокчейн-системами. — Методи Block Chain

Що буде вивчатися

Класифікація моделей, властивості та контроль правильності математичних моделей. Елементи теорії похибок. Технологія моделювання. Математичні моделі, що описуються диференціальними рівняннями першого порядку. Математичні моделі, що описуються диференціальними рівняннями вищих порядків та їх системами. Аналіз систем диференціальних рівнянь та моделей, що описуються системами диференціальних рівнянь. Математичний пакет Matlab або Octave.

Чому це цікаво/треба вивчати

Обчислювальні (імітаційні) експерименти з моделями об’єктів дозволяють, спираючись на потужність сучасних обчислювальних методів та технічних інструментів інформатики, детально та глибоко вивчати об’єкти достатньо повно, що є недоступним для чисто теоретичного підходу. Математичне моделювання швидко розвивається, охоплюючи нові сфери – від розробки технічних систем та їх керуванням до аналізу складних економічних та соціальних процесів. Будучи методологією, математичне моделювання не замінює собою математику, фізику, біологію та інші наукові дисципліни і не конкурує з ними. Навпаки воно виконує синтезуючу роль.

Чому можна навчитися (результати навчання)

Знати:

основи ймовірнісних методів аналізу і моделювання систем та методів імітаційного моделювання;
методи аналізу фазових портретів нелінійних систем диференціальних рівнянь;
загальні принципи побудови математичних моделей;
моделі зростання населення;
моделі конкуренції;
моделі механічних систем;
моделі взаємодії популяцій.

Уміти:

будувати математичні моделі реальних систем та процесів;
проводити аналіз адекватності математичної моделі;
будувати та проводити багатокритеріальний аналіз моделей механічних систем, моделей зростання населення, конкуренції та взаємодії популяції;
обґрунтовувати вибір комп’ютерних засобів для побудови математичної моделі;
застосовувати методи лінеаризації для спрощення моделей, що описуються нелінійними системами диференціальних рівнянь.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Уміти:

розроблювати математичні моделі реальних систем та процесів;
аналізувати адекватність математичної моделі;
застосовувати методи лінеаризації для спрощення моделей, що описуються нелінійними системами диференціальних рівнянь. — Математичне моделювання систем і процесів

Що буде вивчатися

Основи проєктування високопродуктивних обчислювальних систем. Основні принципи та методи обчислень у високошвидких обчислювальних системах та комплексах різної архітектури. Технології, методи і засоби проєктування високопродуктивних обчислювальних систем. Стандарти проєктування та оформлення проєктної документації. Інструментальні засоби проєктування високопродуктивних систем. Технології Grid computing для побудови високопродуктивних обчислювальних систем. Технології Cloud computing для побудови високопродуктивних обчислювальних систем. Основні сценарії використання високошвидкісних обчислень.

Чому це цікаво/треба вивчати

Метою дисципліни є формування у студентів здатностей розробляти програмне забезпечення для проєктування сучасних високопродуктивних обчислювальних систем, використовувати стороннє програмне забезпечення для створення сучасних високопродуктивних обчислювальних систем.

Чому можна навчитися (результати навчання)

Уміти:

створювати високопродуктивні програмні системи на базі існуючих технічних ресурсів;
аналізувати вимоги до сучасних високопродуктивних комп’ютерних систем;
застосовувати технології Grid computing та Cloud computing для побудови високопродуктивних обчислювальних систем;
розв’язувати задачі проєктування та експлуатації розподілених систем з підвищеними вимогами до обчислювальних можливостей;
розробляти нові архітектури високошвидких обчислювальних систем;
застосовувати теоретичні знання для розв’язання практичних задач підвищеної складності в плані безперервного зростання обчислювальних можливостей і швидкодії програмних систем.

Як можна користуватися набутими знаннями і уміннями (компетентності)

Уміти:

застосовувати інструментальні засоби проєктування сучасних високопродуктивних обчислювальних систем;
використовувати сучасні інтегровані технології для проєктування високопродуктивних систем. — Проєктування сучасних високопродуктивних обчислювальних систем

Силабуси за спеціальністю 121 - Інженерія програмного забезпечення протягом року, магістерського рівня підготовки, французька, 4 семестр

121 - Інженерія програмного забезпечення

Другий магістерський рівень підготовки.

французька4 семестр

×

Бізнес, адміністрування та право

Фінанси, банківська справа, страхування та фондовий ринок Менеджмент Маркетинг Підприємництво та торгівля Публічне управління та адміністрування

Бізнес, адміністрування та право Інформаційні технології

Інженерія, виробництво та будівництво

Прикладна механіка Матеріалознавство Галузеве машинобудування Біомедична інженерія Електронні комунікації та радіотехніка Автоматизація, комп’ютерно-інтегровані технології та робототехніка Інформаційно-вимірювальні технології Технології захисту навколишнього середовища Будівництво та цивільна інженерія

Професійна освіта (за спеціалізаціями)

Транспорт, спорт і послуги

Автомобільний транспорт

Соціальні науки, журналістика та інформація

Економіка

Природничі науки, математика та статистика

Екологія

Інформаційні технології

Інженерія програмного забезпечення Комп'ютерні науки Комп'ютерна інженерія Системний аналіз Кібербезпека та захист інформації Інформаційні системи та технології

×

Форма навчання

Аудиторні заняття

Рівень навчання

Семестровий контроль

Семестр

Цикл підготовки

Рік