Дисциплины - первая - Сибирский федеральный университет

реклама
Приложение Е
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
Институт Космических и Информационных Технологий
Аннотации учебных дисциплин
220100.68 Системный анализ и управление
220100.68.02 Системный анализ данных и технологий принятия решений
Квалификация (степень) выпускника «Магистр»
Форма обучения – очная
Нормативный срок освоения программы – 2 года
Красноярск 2011 г.
1
Деловой иностранный язык
(Аннотация курса)
«Деловой иностранный язык»
Содержание дисциплины: обучение магистрантов переводу научнотехнических текстов с английского языка на родной и с русского языка на
английский, деловой переписке, развитию языка профессионального общения
(конференции, симпозиумы, дискуссии), восприятию иноязычной речи на
слух, совершенствованию навыков устной речи.
Трудоемкость дисциплины: 4 ЗЕ, 144 часов
2
Аннотация дисциплины
«Философские проблемы науки и техники»
Общая трудоемкость изучения дисциплины составляет _4_ зачетных
единиц (_144_ час).
Цели и задачи дисциплины
Целью изучения дисциплины является приобретение студентами знаний
анализа основных мировоззренческих и методологических проблем,
возникающих в науке на современном этапе ее развития, и получение
представления о тенденциях исторического развития философских проблем
науки и техники.
Задачей изучения дисциплины является:
1) раскрыть перед студентами основные философские проблемы
естественных, гуманитарных и технических наук;
2) наметить соотношение науки и техники и их роль в современных
социальных и этических проблемах
3) раскрыть методологические системные связи между естественными,
гуманитарными и техническими науками;
4) раскрыть формы и методы научного познания и их эволюцию;
Основные дидактические единицы (разделы):
Тема 1 Методологическая многоуровневая интегральная программа
структурирования гуманитарного, философского и научного знания.
Тема 2 Системная сеть философско-методологических принципов.
Тема 3 Философия и целостность естественнонаучного знания.
Фундаментальная онтология. Трансцендентное и трансцендентальное знание.
Логика продуктивного воображения И. Канта. Тотальная системность в
философии Г. Гегеля и Вл. Соловьева.
Тема 4 Философия и целостность социально-гуманитарного знания.
Фундаментальная социоонтология и научные представления о природе
человека. Системно-технологические проекты будущего человечества в
творчестве зарубежных и отечественных мыслителей.
Тема 5 Философия и целостность технического знания. Фундаментальная
техноонтология.
Философские
представления
о
естественном
и
искусственном. Проблема интеграции фундаментального и технологического
знания.
Тема 6 Фундаментальная онтогносеология как основа формирования
классических, неклассических и постнеклассических представлений в
современной культуре, философии и науке. Формы и методы научного
познания и их эволюция.
Тема 7 Философская и научная стратегия будущего. Концептуальная
философия и наука. Философские и научные модели будущего в трудах
западноевропейских и отечественных мыслителей.
3
Аннотация дисциплины
«Математическое моделирование ч.1 Функциональный анализ»
Общая трудоемкость изучения дисциплины составляет _4_ зачетных
единиц (_144_ час).
Цели и задачи дисциплины
Целью
изучения
дисциплины
является
освоение
методов
функционального анализа, непосредственно примыкающим к задачам
вычислительной математики и ее приложений, которые являются
необходимыми для понимания с общих позиций идей и методов
вычислительной математики, задач оптимизации вычислительных алгоритмов.
Задачей изучения дисциплины является:
– освоение студентами фундаментальных понятий функционального
анализа;
– овладение студентами основными приемами постановки и решения
задач с использованием методов функционального анализа.
Основные дидактические единицы (разделы):
Тема 1 Элементы теории множеств, метрические и топологические
пространства
Тема 2 Понятие меры. Измеримые функции, линейные пространства
Тема 3 Выпуклые множества и выпуклые функционалы, обобщенные функции
Тема 4 Нормированные и евклидовы пространства
Тема 5 Линейные операторы, компактные операторы и их свойства
Тема 6 Тригонометрические ряды, преобразование Фурье и его свойства,
преобразование Лапласа
Тема 7 Линейные интегральные уравнения
Тема 8. Дифференцирование в линейных пространствах
4
Аннотация дисциплины
«Математическое моделирование ч.1 Методы многокритериальной
оптимизации»
Общая трудоемкость изучения дисциплины составляет _4_ зачетных
единиц (_144_ час).
Цели и задачи дисциплины
Целью изучения дисциплины является освоение основных методов
многокритериальной оптимизации.
Задачей изучения дисциплины является:
- Освоение основных постановок задач оптимизации.
- Освоение основных математических методов качественного анализа
задач оптимизации, включая задачи многокритериальной оптимизации.
- Освоение основных математических методов численного решения
задач оптимизации.
- Понимание постановок и решения некоторых прикладных задач
оптимизации: задачи по формированию портфелей инвестиций, задачи
лучевой терапии и др.
Основные дидактические единицы (разделы):
Тема 1. Выпуклые множества и их свойства. Примеры.
Тема 2. Выпуклые функции и их свойства. Примеры.
Тема 3. Численные методы безусловной оптимизации. Примеры.
Тема 4. Задачи выпуклого программирования. Примеры.
Тема 5. Теорема Куна-Таккера. Условия Куна-Таккера.
Тема 6. Двойственные задачи. Экономическая интерпретация
двойственных задач.
Тема 7. Системы линейных неравенств. Задачи линейного
программирования (ЗЛП). Примеры.
Тема 8. Симплекс-метод решения ЗЛП. Примеры.
Тема 9. Задачи квадратичного программирования и численные методы их
решения.
Студент должен:
знать
классификацию
экономико-математических
моделей,
моделирование микроэкономических процессов и систем, моделирование
социальных процессов, моделирование эколого-экономических систем;
уметь применять известные виды моделей для моделирования
конкретных процессов и систем:
владеть навыками построения моделей и анализа результатов
моделирования.
5
Аннотация дисциплины
«Информационная безопасность и защита информации»
(аннотация)
Дисциплина «Информационная безопасность и защита информации»
предназначена для магистрантов обучающихся по направлению 220100.68
«Системный анализ и управления».
Целью преподавания дисциплины " Информационная безопасность и
защита информации " является изучение магистрантами вопросов защиты
информации в компьютерных системах.
В результате изучения дисциплины " Информационная безопасность и
защита информации" магистранты должны знать о возможных угрозах
безопасности информации, уметь классифицировать эти угрозы, владеть
методами и средствами защиты от незаконного проникновения в
вычислительные сети, уметь строить и эксплуатировать комплексные системы
защиты информации.
Общая трудоемкость дисциплины составляет 4 зачетных единицы, 144
часов.
Основные разделы дисциплины
Предмет и объект защиты.
Угрозы безопасности информации в компьютерных системах.
Правовые и организационные методы защиты информации в
компьютерных сетях.
Защита информации от случайных угроз.
Методы и средства защиты информации в КС от традиционного
шпионажа и диверсий.
Методы и средства защиты от электромагнитных излучений и наводок.
Методы защиты от несанкционированного изменения структур КС.
Защита информации в КС от несанкционированного доступа.
Криптографические методы защиты информации.
Компьютерные вирусы и механизмы борьбы с ними.
Защита информации в распределенных КС.
Построение комплексных систем защиты информации
Организация функционирования комплексных систем защиты
информации
6
Аннотация дисциплины
«Анализ и синтез аппаратно-программного обеспечения сложных
систем»
Дисциплина «Анализ и синтез аппаратно-программного обеспечения
сложных систем» предназначена для магистрантов обучающихся по
направлению 220100 «Системный анализ и управление».
Целью преподавания дисциплины "Анализ и синтез аппаратнопрограммного обеспечения сложных систем" является приобретение
магистрантами знаний о современных технологиях анализа и синтеза
аппаратно-программного обеспечения сложных систем.
В результате изучения дисциплины "Анализ и синтез аппаратнопрограммного обеспечения сложных систем" магистранты на конкретных
примерах, с использованием современных информационных технологий
получат представление о проблемах и задачах анализа и синтеза аппаратнопрограммного обеспечения сложных систем. Магистрант будет знать:
и задач и действий,
ресурсов,
Спецификацию
требований к ПО.
Так же магистрант будет уметь: Производить выбор жизненного цикла
разработки ПО, Анализировать процессы предметной области, Производить
отбор команды разработчиков проекта, Производить оценку размера и
возможности повторного использования ПО, Производить оценку
длительности и стоимости разработки ПО, Разрабатывать спецификацию
требований к ПО.
Общая трудоемкость дисциплины составляет 4 зачетных единицы, 144
часов.
Основные разделы дисциплины
Выбор жизненного цикла разработки ПО
Управление процессами предметной области
Отбор команды разработчиков проекта
Определение цели и области действия программного проекта
Создание структуры пооперационного перечня работ
Идентификация задач и действий
Оценка размера и возможности повторного использования ПО
Оценка длительности и стоимости разработки ПО
Распределение ресурсов
Формирование рабочего графика
Спецификация требований к ПО
7
Аннотация дисциплины
«Информационные технологии управления проектами»
(аннотация)
Дисциплина «Информационные технологии управления проектами»
предназначена для магистрантов обучающихся по направлению 220100.68
«Системный анализ и управление».
Целью преподавания дисциплины " Информационные технологии
управления проектами " является приобретение магистрантами знаний о
современных технологиях управления проектами и информационных
технологий в данной сфере.
В результате изучения дисциплины " Информационные технологии
управления проектами " магистранты на конкретных примерах, с
использованием современных информационных технологий получат
представление о проектной деятельности, получат практические навыки в
решении основных задач управления проектами и изучат информационные
технологии управления проектной деятельностью.
В результате изучения дисциплины магистрант будет знать:
современную технологию и методологию управления проектом и осознавать
место и роль управления проектом в общей системе организационноэкономических знаний, основные признаки и типы проектов, характеристики
проектов, функции управления проектами, место проектной технологии в
жизненном цикле организации, современное программное обеспечение в
области управления проектами.
Уметь применять организационный инструментарий управления
проектом и приобретенные знания и навыки на практике, разделять
деятельность на отдельные взаимозависимые задачи, назначать необходимое
для завершения задачи количество времени и ресурсов, анализировать
реализуемость проекта и визуализировать результаты анализа, использовать
MS Project и Project Expert для управления проектами.
Общая трудоемкость дисциплины составляет 4 зачетных единицы, 144
часа.
Основные разделы дисциплины
Управление интеграцией проекта
Управление содержанием проекта
Управление сроками проекта
Управление стоимостью проекта
Управление качеством проекта
Управление человеческими ресурсами проекта
Управление коммуникациями проекта
Управление рисками проекта
Управление поставками проекта
8
Аннотация дисциплины
«Методы обработки экспериментальных данных»
Цели освоения дисциплины
Дисциплина
«Методы обработки экспериментальных данных»
предназначена для магистрантов второго курса, обучающихся по направлению
220100 «Системный анализ и управление».
Целью изучения дисциплины «Методы обработки экспериментальных
данных» является получение компетенций, необходимых для проведения
квалифицированного статистического анализа экспериментальных данных в
автоматизированных системах обработки информации и управления.
В
результате
изучения
дисциплины
«Методы
обработки
экспериментальных данных» приобретаются знания: о существующих
подходах к обработке и анализу данных и основных методах статистических
расчетов.
Студент должен уметь подготавливать экспериментальные данные к
обработке, выбирать необходимые методы для обработки и проводить
интерпретацию полученных результатов.
Студент должен получить навыки по обработке данных с использованием
современных математических пакетов, таких как, MatLab, MathCad, Statistica.
Общая трудоемкость дисциплины составляет 3 зачетных единиц, 108 часов.
Содержание дисциплины
Введение. Основные этапы обработки информации. Основные
статистические характеристики.
Классификация в распознавании образов. Байесовская теория принятия
решений при дискретных и непрерывных признаках. Идеи классификации.
Прямые методы восстановления решающей функции.
Планирование эксперимента. Планирование эксперимента при
построении линейной статической модели объекта. Полный факторный
эксперимент. Дробные реплики. Обработка результатов эксперимента.
Ортогональное планирование второго порядка.
Методы непараметрической обработки информации. Оценивание
функционалов. Простейшие оценки функции и плотности распределения
вероятности. Оценка Розенблатта-Парзена. Оценивание условной плотности
вероятности. Оценка регрессии. Адаптивное управление при априорной
неопределенности.
Дисперсионный анализ. Многофакторный дисперсионный анализ.
Ковариационный анализ.
Временные ряды. Анализ трендов и сезонности. ARIMA процессы.
Идентификация статических моделей объектов. Критерий наименьших
квадратов. Адаптивные алгоритмы метода наименьших квадратов.
Простейший адаптивный алгоритм подстройки параметров.
9
Аннотация дисциплины
«Современные системы искусственного интеллекта»
Цели освоения дисциплины
Дисциплина " Современные системы искусственного интеллекта" предназначена для
студентов четвертого курса, обучающихся по направлению 220100 «Системный анализ и
управление». Целью преподавания дисциплины является знакомство с методами и
технологиями построения интеллектуальных систем. Основная задача дисциплины –
обучить методам решения прикладных задач с применением технологий искусственного
интеллекта. В результате изучения дисциплины студент должен знать основные
технологические подходы к построению интеллектуальных систем, критерии выбора
инструментальных средств, методы автоматизации формирования знаний. В результате
изучения дисциплины студент должен научиться применять изученные технологии для
создания интеллектуальных систем.
Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108 часа.
Содержание дисциплины
Технологические аспекты построения интеллектуальной системы. Этапы
технологического процесса разработки экспертной системы: обоснование, идентификация,
концептуализация, формализация, реализация, тестирование. Уровни реализации:
демонстрационный прототип, исследовательский прототип, действующий прототип,
промышленная система, коммерческая система. Показатели качества: работоспособность,
достоверность и информативность решений. Показатели быстродействия: относительные
временные затраты, эффективность вывода, количество изменений состояния рабочей
памяти в единицу времени. Аппаратные и программные инструментальные средства.
Символьные языки программирования. Специализированные языки инженерии знаний,
"пустые" системы, оболочки. Критерии оценки инструментальных средств:
универсальность,
мощность,
эффективность.
Характеристические
особенности
инструментальных систем высокого уровня. Современный рынок оболочек.
Методы приобретения знаний. Языки представления знаний и текстовые редакторы.
Интеллектуальные редакторы. Методы автоматизированного формирования знаний.
Методы извлечения знаний. Принципы индуктивного обобщения. Обобщение по
признакам. Обобщение по структурам. Системы автоматического формирования знаний.
Примеры построения интеллектуальных систем для решения различных прикладных
задач.
10
Аннотация дисциплины
«Проблемы систем искусственного интеллекта»
Цели освоения дисциплины
Дисциплина «Проблемы систем искусственного интеллекта» предназначена для
студентов четвертого курса, обучающихся по направлению 220100 «Системный
анализ и управление».
Задачей изучения дисциплины является: Изучение сущности методов получения
и использования знаний, применяемых в экспертных системах и системах
искусственного интеллекта, основ применения существующих алгоритмов и систем
искусственного интеллекта. Овладение в комплексе классификацией методов
представления знаний, методов решения задач, методологией нечеткого
планирования задач, экспертными системами, методами работы со знаниями.
Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108 часа.
Содержание дисциплины:
Модели и методы решения задач
Представление знаний в интеллектуальных системах
Планирование задач
Методы работы со знаниями
Экспертные системы
Системы понимания естественного языка
Системы машинного зрения
Тенденции развития систем искусственного интеллекта
11
Аннотация дисциплины
«Проектирование программных систем»
Дисциплина «Проектирование программных систем» предназначена для
магистрантов обучающихся по направлению 220100 «Системный анализ и
управление». Является дисциплиной по выбору.
Целью преподавания дисциплины "Проектирование программных
систем" является приобретение магистрантами знаний о современных
технологиях проектирования программных систем.
В результате изучения дисциплины "Проектирование программных
систем" магистранты на конкретных примерах, с использованием
современных информационных технологий получат представление о
проблемах и задачах проектирования программных систем.
В результате изучения дисциплины магистрант будет знать принципы
определения цели и области действия программного проекта, принципы
создание структуры пооперационного перечня работ, технологии
идентификации задач и действий, принципы распределения ресурсов,
принципы формирования рабочего графика, спецификацию требований к ПО.
Уметь производить выбор жизненного цикла разработки ПО, анализировать
процессы предметной области, производить отбор команды разработчиков
проекта, производить оценку размера и возможности повторного
использования ПО в смежных проблемных областях, производить оценку
длительности и стоимости разработки ПО, разрабатывать спецификацию
требований к ПО. Иметь представление о спецификации требований к ПО, о
ГОСТ стандарте на разработку ПО.
Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108
часов.
Основные разделы дисциплины
Выбор жизненного цикла разработки ПО.
Управление процессами предметной области.
Отбор команды разработчиков проекта.
Определение цели и области действия программного проекта.
Создание структуры пооперационного перечня работ.
Идентификация задач и действий.
Оценка размера и возможности повторного использования ПО.
Оценка длительности и стоимости разработки ПО.
Распределение ресурсов.
Формирование рабочего графика.
Спецификация требований к ПО.
12
Аннотация дисциплины
«Методы глобальной оптимизации»
Цели освоения дисциплины
Дисциплина «Методы глобальной оптимизации» предназначена для
магистрантов первого курса, обучающихся по направлению 220100
«Системный анализ и управление».
Цель изучения дисциплины «Методы глобальной оптимизации» состоит в
формировании базы знаний и умений по такому направлению математики, как
методы исследования и решения задач глобальной оптимизации.
Изучение дисциплины «Методы глобальной оптимизации» позволяет
сформировать у магистрантов компетенции, необходимые для решения
оптимизационных задач в производственно-технологической, проектной и
научно-исследовательской деятельности.
Студент должен уметь формулировать задачу глобальной оптимизации и
выбирать подходящий для ее решения метод оптимизации.
Студент должен получить навыки решения оптимизационных задач с
использованием современных математических пакетов MatLab, MathCad и
Global Optimizer.
Общая трудоемкость дисциплины составляет 3 зачетных единиц, 108 часов.
Содержание дисциплины
Введение в методы глобальной оптимизации. Основные понятия.
Локальный и глобальный экстремумы. Целевая функция и ее некоторые
свойства. Примеры задач глобальной оптимизации.
Случайный поиск. Предпосылки случайного поиска. Алгоритмы
случайного поиска. Метод мультистарта.
Генетические алгоритмы глобальной оптимизации. История появления
эволюционных алгоритмов. Генетические алгоритмы. Символьная модель
простого генетического алгоритма. Работа простого генетического алгоритма.
Метод усреднения координат. Алгоритмы поисковой оптимизации. Поиск
экстремума при наличии помех. Использование непараметрических оценок
инверсных регрессий. Поиск главных минимумов.
Условная минимизация при ограничениях типа неравенств. Условная
минимизация при ограничениях типа равенств. Условная минимизация при
ограничениях типа неравенств и равенств.
Программный комплекс глобальной оптимизации «Global Optimizer
v2.0». Общее описание системы. Решение задач оптимизации.
13
Аннотация дисциплины
«Современные проблемы системного анализа и управления»
Дисциплина «Современные проблемы системного анализа и
управления» предназначена для магистрантов первого года обучения,
обучающихся по направлению 220100 «Системный анализ и управление».
Целью преподавания дисциплины «Современные проблемы системного
анализа и управления» является освоение студентами теоретических основ
системного анализа.
В результате изучения курса студент должен владеть понятиями
система и системный анализ, уметь выполнять декомпозицию, применять
системный
подход
при
решении
научно-исследовательских
и
производственных задач.
Общая трудоемкость дисциплины составляет 5 зачетных единицы, 180
часа.
Основные разделы дисциплины
История возникновения и становления системного подхода. Сущность и
основные характеристики системности. Возникновение и развитие системных
идей. Мир в свете системных представлений
Понятие "система". Категориальный аппарат системного подхода.
Системообразующие факторы.
Типология систем. Проблема построения классификации систем.
Характеристика сложных систем.
Структура и организация систем. Структурный аспект систем. Проблема
организации систем.
Функционирование системы. Характеристика основных разновидностей
функций системы. Проблемы эффективного функционирования системы.
Система и среда. Среда и ее роль в жизни системы. Взаимодействие
системы и среды. Жизненный путь системы. Характеристика основных этапов
жизненного пути системы. Система в переходных и критических состояниях.
Отражение систем наукой. Моделирование систем различной природы.
Математическое и кибернетическое моделирование систем.
Проблемы проектирования, внедрения систем и управления ими.
Системные аспекты проектировочной деятельности. Управленческая
деятельность в свете системных идей.
Аналитическая деятельность: технологический аспект. Сущность и
технологии аналитической деятельности. Характеристика основных
разновидностей аналитической деятельности.
Основы системного анализа. Основные разновидности системного
анализа. Содержание и технология системного анализа. Роль системного
подхода в науке и практике. Функции системности в науке. Системные идеи в
практической жизни общества.
14
Аннотация дисциплины
«Современные компьютерные технологии в науке»
Общая трудоемкость изучения дисциплины составляет _5_ зачетных
единиц (_180_ час).
Цели и задачи дисциплины
Целью изучения дисциплины является формирование у студентов
устойчивых практических навыков эффективного применения в науке
современных компьютерных технологий, а также элементов теории систем,
используемых при разработке, внедрении и оценке информационных
технологий в научных исследованиях и практической работе.
Задачей изучения дисциплины является:
- выработать
практические
навыки
работы
с
современными
компьютерными
технологиями,
реализующими
математическое
моделирование телекоммуникационных систем, сбор и обработку
информации, подготовку и оформление документов, представление
материалов в науке.
- фундаментализации
образования,
формированию
научного
мировоззрения и развитию системного мышления.
Основные дидактические единицы (разделы):
Тема 1. Современные тенденции развития компьютерных и информационных
технологий.
Тема 2. Универсальные пакеты научных и инженерных расчётов
Тема 3. Математическое моделирование телекоммуникационных систем
Тема 4. Сетевые технологии
Тема 5. Microsof Net.Framwork – мульти язычная универсальная платформа
для разработки сетевых те-лекоммуникационных приложений
Студент должен:
знать:
основные принципы организации и технические средства компьютерных
систем, назначение и функциональные возможности информационных и
телекоммуникационных сетей.
Основные телекоммуникационные и информационные техноло-гии,
применяемые в научных исследованиях и практической инженерной
деятельности.
Основные способы и форматы представления в электронном виде
текстовой, графической и мультимедийной информации.
Современные технологии программирования и разработки приложений.
уметь
Оформить результаты научных исследований в виде электронных
публикации, отчёта, презентации проектно технической документации.
15
Выполнять различные математические расчёты с
современных компьютерных средств.
работать с современными операционными системами
прикладными программами обработки информации,
информации, с базами данных, с Интернет.
владеть
навыками Разрабатывать сетевые информационные
использованием современных технологий программирования.
16
использованием
и важнейшими
представления
приложения с
Аннотация дисциплины
«Методы принятия решений в сложных системах»
Дисциплина «Методы принятия решений в сложных системах»
предназначена для магистрантов обучающихся по направлению 220100
«Системный анализ и управление».
Целью преподавания дисциплины "Методы принятия решений в
сложных системах" является рассмотрение классических задач принятия
решений, формулируемых как задачи выбора вариантов из допустимого
множества. В частности, рассматриваются задачи конечномерной
оптимизации. Дается введение в экспертные системы принятия решений, что
позволит разработать свою собственную экспертную систему.
В результате изучения дисциплины студент должен знать основные
теории выбора вариантов из заданного множества альтернатив при различных
типах неопределенностей; теории конечномерной оптимизации; основные
виды экспертных систем принятия решений; системы поддержки принятия
решений, на основе метода t-упорядочения и с применением нейлоровской
концепции построения диагностирующих байесовских экспертных систем.
Общая трудоемкость дисциплины составляет 5 зачетных единицы, 180
часов.
Основные разделы дисциплины
Проблемы принятия решений в управлении экономическими системами.
Основные понятия и категории теории принятия решений.
Технология принятия решений.
Описание и анализ проблемной ситуации.
Принятие решений в структурированных ситуациях.
Групповой выбор для структурированных задач.
Примеры решения структурированных задач.
Решение многокритериальных задач.
Компьютерное
решение
неструктурированных
задач
многокритериального выбора.
Методы решения многокритериальных задач со структурированными
критериями.
Примеры компьютерного решения многокритериальных задач.
Примеры многокритериальных задач с группировкой критериев.
Принятие решений в условиях риска и неопределенности.
Экспертные (групповые) методы выбора в сложных задачах принятия
решений.
Автоматизация процедур принятия решений.
17
Аннотация дисциплины
«Моделирование сложных систем»
Дисциплина «Моделирование сложных систем» предназначена для
магистрантов обучающихся по направлению 220100 «Системный анализ и
управление».
Целью преподавания дисциплины " Моделирование сложных систем"
является приобретение студентами знаний и навыков применения
методологических основ моделирования сложных систем и проведения
вычислительного эксперимента.
В результате изучения дисциплины " Моделирование сложных систем "
магистранты должны знать сущность методов моделирования, применяемых
при системных исследованиях, методологические основы имитационного
моделирования сложных систем и методы моделирования случайных
факторов, основы применения существующих аппаратно-программных
средств для проведения вычислительного эксперимента, принципы
моделирования и основные требования, предъявляемые к моделям сложных
систем.
Владеть в комплексе научно-методическим аппаратом моделирования
сложных систем и планирования вычислительного эксперимента, методами
постановки задач системного исследования, формализации исходной
информации, разработки имитационных моделей с использованием
существующих аппаратно-программных средств, подготовки и обработки
исходных данных для системного моделирования, планирования
вычислительного эксперимента;
Иметь представление о классификации методов моделирования и
моделях сложных систем, существующих методологических подходах к
построению моделей, методах получения наблюдений при моделировании
сложных систем, повышении качества оценивания показателей.
Общая трудоемкость дисциплины составляет 5 зачетных единицы, 180
часов.
Основные разделы дисциплины
Методы моделирования, применяемые при исследовании сложных
систем
Объектно-классификационное моделирование сложных систем
Имитационные модели исследования сложных систем
Современные информационные технологии в моделировании сложных
систем
18
Аннотация дисциплины
«Методы оптимизации в примерах и задачах»
Цели освоения дисциплины
Дисциплина «Методы оптимизации в примерах и задачах» предназначена
для магистрантов первого курса, обучающихся по направлению 220100
«Системный анализ и управление».
Цель изучения дисциплины «Методы оптимизации в примерах и задачах»
состоит в формировании базы знаний и умений по такому направлению
математики, как методы исследования и решения экстремальных задач.
Изучение дисциплины «Методы оптимизации в примерах и задачах»
позволяет сформировать у магистрантов компетенции, необходимые для
решения оптимизационных задач в производственно-технологической,
проектной и научно-исследовательской деятельности.
Студент должен уметь формулировать задачу оптимизации и выбирать
подходящий для ее решения метод оптимизации.
Студент должен получить навыки решения оптимизационных задач с
использованием современных математических пакетов MatLab и MathCad.
Общая трудоемкость дисциплины составляет 3 зачетных единиц, 108 часов.
Содержание дисциплины
Введение в методы оптимизации. Классификация задач оптимизации.
Целевая функция и ее некоторые свойства. Задачи оптимизации.
Одномерная оптимизация. Безградиентные методы детерминированного
поиска. Аналитический метод. Численные методы поиска экстремума. Метод
локализации экстремума. Метод деления интервала пополам. Метод
дихотомии. Метод «золотого сечения». Метод поиска экстремума с
использованием чисел Фибоначчи. Аппроксимация кривыми. Квадратичная
аппроксимация.
Многомерная оптимизация. Аналитический метод. Методы поиска для
функций N переменных. Градиентные методы. Задачи без ограничений. Метод
покоординатного спуска. Метод скорейшего спуска. Метод наискорейшего
спуска. Методы прямого поиска для функций N переменных. Метод Ньютона.
Метод Хука-Дживса. Симплексный метод.
Задачи с ограничениями. Поиск оптимума в задачах с ограничениями
типа равенств. Метод неопределенных множителей Лагранжа. Поиск
оптимума в задачах с ограничениями типа неравенств. Метод штрафных
функций. Градиентный метод.
19
Аннотация дисциплины
Практикум по разработке компиляторов
Цели освоения дисциплины
Дисциплина «Практикум по разработке компиляторов» предназначена для магистрантов первого года,
обучающихся по направлению 220100 «Системный анализ и управление».
В результате изучения курса студент должен знать алгоритмы и методы построения лексических
анализаторов; алгоритмы и методы построения возвратных и однопроходных синтаксических анализаторов;
методы статического семантического анализа, основанные на атрибутных грамматиках и атрибутных
трансляциях; алгоритмы и методы генерации промежуточного представления программы, основанные на
атрибутных грамматиках и атрибутных трансляциях.
Студент должен уметь разрабатывать лексические анализаторы; разрабатывать как однопроходные, так и
однопроходные синтаксические анализаторы; применять методы обработки и нейтрализации синтаксических
ошибок; применять методы статического семантического анализа для проверки типов и контекстнозависимых условий; разрабатывать генераторы промежуточного представления программы, основанные на
атрибутных грамматиках и атрибутных трансляциях.
Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108 часа.
Содержание дисциплины
Место трансляторов в системном программном обеспечении. Процесс трансляции: этапы, фазы и проходы.
Компиляторы и интерпретаторы. Организация таблиц идентификаторов и методов их поддержки. Обработка
ошибок. Основы теории формальных языков и грамматик. Синтаксис и семантика. Алфавит языка.
Регулярные выражения. Сентенциальная форма и предложение. Продукции и их использование для описания
порождения предложений языка. Классификация Хомского языков и грамматик: регулярные, контекстносвободные, контекстно-зависимые и рекурсивно-перечислимые языки и грамматики. Эквивалентные и
неоднозначные грамматики и языки. Ограничения контекстно-свободных грамматик. Атрибутные
грамматики. Распознаватели и преобразователи.
Задачи фазы лексического анализа. Распознаватели – конечные автоматы. Состояния автомата и переходы
между ними. Табличное и графическое представление конечных автоматов. Три эквивалентных способа
описания регулярных языков: регулярные выражения, регулярные грамматики и конечные автоматы. Связь
между регулярными грамматиками и конечными автоматами. Автоматизированные средства генерации
программ лексического анализа на основе расширенных регулярных выражений на примере программы flex.
Нисходящий синтаксический анализ. Левое порождение предложения языка. Символы предпросмотра.
Множества первых порождаемых символов. Стартовый символ и символ-последователь. Алгоритмы
синтаксического анализа для LL(K)-грамматик. LL(1)-грамматики и языки. Метод рекурсивного спуска.
Преобразование грамматик: удаление левой рекурсии и факторизация. Введение действий в грамматику.
Восходящий синтаксический анализ. Действия: перенос, свертка, переход и допуск. Конфликты переноссвертка и свертка-свертка. LR(K)-грамматики и языки. Алгоритмы синтаксического анализа для LR(K)грамматик. Таблица синтаксического анализа как основа синтаксического анализатора. LR(0)-, SLR(1)-,
LALR(1)- и LR(1)-грамматики. Автоматизированные средства генерации программ синтаксического анализа
на основе LALR(1)-грамматик на примере программы BYacc.
Не-контекстно-свободные характеристики языков. Примеры. Таблицы трансляции. Идентификаторы:
переменные, функции, типы, метки. Включение семантики в алгоритмы синтаксического анализа.
Распределение памяти как фаза трансляции, вызываемая генератором кода. Память глобальная и локальная,
статическая и динамическая. Управление динамической памятью. Стек, куча. Адреса времени компиляции и
времени выполнения. Стековый фрейм, дисплеи. Методы управления кучей: сборка мусора и использование
счетчиков ссылок. Генерация промежуточного кода. 3-адресный код, P-code и байт-код.
20
Аннотация дисциплины
«Современные методы обработки информации»
Цели освоения дисциплины
Дисциплина
«Современные
методы
обработки
информации»
предназначена для магистрантов первого курса, обучающихся по направлению
220100 «Системный анализ и управление».
Целью изучения дисциплины «Современные методы обработки
информации» является получение компетенций, необходимых для проведения
анализа больших объемов информации с использованием современных
методов добычи данных (data mining).
Изучение дисциплины «Современные методы обработки информации»
позволяет сформировать у магистрантов компетенции, необходимые для
решения задач по обработке информации в производственно-технологической,
проектной и научно-исследовательской деятельности.
Студент должен уметь: производить подготовку данных к проведению
анализа, выбирать подходящий метод для анализа и визуализации данных.
Студент должен получить навыки проведения анализа с использованием
современных математических пакетов Statistica и Deductor.
Общая трудоемкость дисциплины составляет 3 зачетных единиц, 108
часов.
Содержание дисциплины
Технологии
анализа
данных.
Введение
в
анализ
данных.
Структурированные данные. Подготовка данных к анализу.
Консолидация данных. Задача консолидации. Основные концепции
хранилищ данных. Очистка данных.
Трансформация данных. Трансформация упорядоченных данных.
Группировка данных. Слияние данных. Нормализация и кодирование данных.
Визуализация данных. Визуализаторы общего назначения. OLAP-анализ.
Data Mining. Ассоциативные правила. Алгоритм кластеризации k-means.
Сети и карты Кохонена.
Анализ и прогнозирование временных рядов. Временной ряд и его
компоненты. Модели прогнозирования.
Аналитическая платформа Deductor.
21
Аннотация дисциплины
«Методология программной инженерии»
Дисциплина «Теория систем и системный анализ» предназначена для
магистрантов обучающихся по направлению 220100 «Системный анализ и
управление».
Целью преподавания дисциплины «Методология программной
инженерии» является освоение студентами методологических основ
современной программной инженерии, обеспечивающих жизненный цикл
сложных программных средств.
В результате изучения курса студент должен знать методологические
основы современной программной инженерии, уметь разрабатывать
требования к программному обеспечению, осуществлять планирование,
структурное и объектно-ориентированное проектирование, управлять
ресурсами проектов, оценивать риски при разработке ПС на всех этапах
жизненного цикла, владеть методами верификации, тестирования и
оценивания корректности программных компонентов, а также их интеграции,
квалификационного тестирования и испытаний крупных комплексов
программ.
Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108
часа.
Основные разделы дисциплины
Программная инженерия в жизненном цикле программных средств.
Профили стандартов жизненного цикла программных систем.
Модели и процессы управления проектами.
Системное проектирование программных средств.
Технико-экономическое обоснование проектов программных средств.
Разработка требований к программным средствам.
Планирование жизненного цикла программных средств.
Объектно-ориентированное проектирование программных средств.
Управление ресурсами в жизненном цикле программных средств.
Дефекты, ошибки и риски в жизненном цикле программных средств.
Характеристики качества программных средств.
Выбор характеристик качества в проектах программных средств.
Верификация, тестирование и оценивание корректности программных
компонентов.
Интеграция, квалификационное тестирование и испытания комплексов
программ.
Сопровождение и мониторинг программных средств.
Управление конфигурацией в жизненном цикле программных средств.
Документирование программных средств.
Удостоверение качества и сертификация программных продуктов.
22
Скачать