Описание программы:
02.04.01
Математика и компьютерные науки
Математические и естественные науки
Институт естественных наук и математики
Магистратура
2017-2018
О наборе в текущем году смотреть здесь
Список актуальных программ
Институт естественных наук и математики
Направление02.04.01 Математика и компьютерные науки
Образовательная программа (Магистерская программа)Современные проблемы компьютерных наук
Траектория образовательной программыКомпьютерная биомедицина
Описание траектории образовательной программыТОП «Компьютерная биомедицина» направлена на подготовку высококвалифицированных специалистов в области компьютерных наук, способных решать актуальные задачи использования информационных технологий и компьютерного моделирования в различных областях биомедицины. Основным фокусом индивидуальных научно-образовательных проектов в рамках ТОП является разработка современных систем обработки клинической информации и построение персонифицированных моделей физиологических систем человека, их использование в клинической практике для реализации основных парадигм 4П-медицины: предиктивности (предсказательности); превентивности (профилактики); персонализации; партисипативности (участия, партнерства).
Компьютерная биомедицина является мультидисциплинарной отраслью фундаментальной науки и практического здравоохранения и предполагает освоение знаний и умений в различных областях биологии, физиологии и патофизиологии, биофизики и биохимии, математического моделирования, вычислительной математики, программирования, информационных технологий, в том числе:
- понимание и моделирование физиологических процессов в организме человека (Physiome, Virtual Physiological Human);
- методы и технологии реализации биофизических моделей на современных суперкомпьютерах;
- методы и инструменты получения и обработки клинических изображений;
- технологии построения персонифицированных моделей на основе клинических изображений и клинико-физиологических данных;
- методы и технологии обработки больших массивов информации (Big Data)
- методы телемониторинга и телемедицины;
- методы управления работой учреждений здравоохранения;
- методы и алгоритмы для задач биоинформатики и геномных исследований;
- методы виртуального проектирования и скринига фармакологически активных веществ и разработка информационных технологий для рационального дизайна лекарственных препаратов.
ТОП «Компьютерная биомедицина» предполагает взаимодействие студентов с учреждениями фундаментальной и практической медицины, в том числе, в рамках сотрудничества УрФУ с Уральским государственным медицинским университетом, Областной клинической больницей №1. ТОП «Компьютерная биомедицина» будет реализовываться в рамках билатерального соглашения УрФУ с Университетом Гента, предполагающего двусторонние обмены студентов, возможность стажировок и выполнения части проектной работы. Учебный план предлагает возможность выбрать индивидуальную траекторию обучения, в том числе с учетом дисциплин в университетах-партнерах.
Актуальность и значимость программыАктуальность ТОП «Компьютерная биомедицина» обусловлена выбором приоритетных направлений, сформулированных в Стратегии научно-технологического развития РФ и в Стратегии развития медицинской науки. В их числе информационные технологии и персонифицированная медицина, которая невозможна без внедрения в медицину информационных технологий и компьютерного моделирования. Эти вызовы современности требуют формирования когорты новых синтетических специалистов, квалифицированных не только в области математики, биоинформатики и вычислительных наук, компьютерного моделирования, но и понимающих основы функционирования живых систем, знакомых с принципами регистрации и обработки сигналов, используемых в медицинских приборах и инструментах.
Цель программыЦелью ТОП является обучение и формирование нового поколения высококвалифицированных, мультидисциплинарных специалистов в области компьютерных наук, нацеленных на решение актуальных задач медицинской науки и практики, позволящих повысить качество жизни населения РФ.
Траектория образовательной программы
Анализ данных
Описание траектории образовательной программыПрограмма ориентирована на подготовку высококвалифицированных специалистов по анализу данных. Рассматриваются математические методы моделирования и прогнозирования, а также современные программные системы и методы программирования для анализа данных, включая обработку больших объемов данных (Big Data). Отличительной особенностью программы является совмещение теоретических занятий с практикой. Студенты не просто слушают лекции и посещают семинары, но также реализуют проекты по анализу данных начиная с первого семестра обучения.Программа реализуется совместно со Школой Анализа Данных (ШАД) компании Яндекс. Сотрудники ШАД участвуют в разработке учебных планов, ведут занятия и руководят проектами магистрантов.
№ пп |
Наименования модулей и дисциплин |
Аннотации модулей |
1. |
Модули |
|
2. |
Базовая часть |
|
3. |
Иностранный язык |
Основной целью курса является совершенствование знаний в области иностранного языка, достигнутых на предыдущей ступени образования, а также навыков и умений, необходимых для эффективного делового общения на современном иностранном языке в устной и письменной формах в соответствии с уровнем В1 Общеевропейских компетенций владения иностранным языком |
4. |
История и методология математики |
Курс в основном опирается на бакалаврский курс «История математики» и курс «Философия и методология научного знания», читаемый в магистратуре. История математики до «Периода современной математики» излагается обзорно в связи с изучением вопросов методологии математики. Содержанием данного курса (это касается периода истории и философии современной математики, истории компьютерных наук и методологии математики) являются предмет, концепция, метод математического исследования, оценка роли математики в развитии общества, глубокий обзор истории создания математических теорий и структур, знакомство с биографиями их создателей, яркие примеры решения «нерешаемых» проблем, интеллектуальных революций. В курсе уделено особое внимание истории Российской математики и становлению Уральской математической школы. При изложении курса используются интерактивные технологии, электронно-образовательные ресурсы. |
5. |
Философия и методология научного знания |
Цель дисциплины – подготовка выпускников к использованию в профессиональной деятельности знаний традиционных и современных проблем философии и методологии научного знания. Изучение модуля-дисциплины «Философия и методол огия научного знания» направлено на освоение студентами результатов обучения: В результате изучения базовой части цикла студент должен: знать и различать: тенденции исторического развития философии и методологии научного знания, типы знания, общие формы, закономерности и инструментальные средства математических, естественнонаучных и гуманитарных наук; уметь: ориентироваться в основных философских и методологических проблемах, возникающих в науке на современном этапе развития; осмыслить динамику научно-технического развития в широком социо-культурном контексте. владеть: методологией современной науки. |
6. |
Профессиональные коммуникации |
В курсе рассматривается культура и вопросы коммуникации в профессиональной среде. |
7. |
Вариативная часть |
|
8. |
Основы машинного обучения |
В рамках курса будут разобраны основные типы задач, решаемых с помощью машинного обучения. Главным образом, речь пойдёт о классификации, регрессии и кластеризации. Преподаватели расскажут об основных методах машинного обучения и их особенностях, научат оценивать качество моделей и видеть, подходит ли модель для решения конкретной задачи. У слушателей будет возможность познакомиться с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. В курсе будут использованы данные из реальных задач. |
9. |
Вариативная часть |
ТОП-1 Компьютерная биомедицина |
10. |
Моделирование живых систем |
Курс направлен на переход от фундаментальных теоретических знаний в области вычислительной математики и уравнений в частных производных к их практической реализации на примере моделирования сложного биологического объекта: сердца млекопитающего. В ходе лекционных занятий будут освещены сведения, необходимые для описания электромеханических свойств миокардиальной ткани, а именно основы тензорного анализа, механики сплошных сред, механических свойств мягких тканей. В ходе практических занятий будут рассмотрены инструменты для реализации методов конечных и граничных элементов на параллельных системах, инструменты построения расчетных трехмерных сеток и визуализации расчетов. |
11. |
Основы численных методов |
Основной целью курса является изучение современных численных методов и вопросов их реализации. Форматы хранения больших разреженных матриц, операции с разряженными и плотными матрицами. Прямые и итерационные методы решение больших систем линейных алгебраических уравнений. Крыловские методы, предобуславливание. Многосеточные методы. Численные методы решения обыкновенных дифференциальных уравнений (ОДУ). Методы типа Рунге-Кутты. Вложенные методы, контроль погрешности и оптимальные выбор шага. Повышение точности решения разностных схем. Экстраполяционные методы Ричардсона. Параллельные численные методы решения ОДУ. Численные методы решения дифференциальных уравнений в частных производных (ДУ в ЧП). Параллельные численные методы решения ДУ в ЧП. |
12. |
Математический анализ и статистика |
Цель: Модуль направлен на ознакомление с основными методами приколадного анализа и современной медико-биологической статистики. Задачи: Освоить методы современного прикладного анализа; Освоить основы статистического анализа медико-биологических данных: описание данных, оценивание, проверка гипотез. Овладеть методами статистического анализа числовых величин, многомерного статистического анализа, временных рядов, статистики нечисловых и интервальных данных. Развить умение выбрать адекватные варианты статистической обработки и грамотно трактовать полученные результаты. |
13. |
Вариативная часть |
ТОП-2 Анализ данных |
14. |
Алгоритмы и структуры данных |
В рамках курса рассматриваются базовые алгоритмы и структуры данных. Цели дисциплины: Знать:
Уметь:
|
15. |
Прикладной анализ данных |
В модуле изучаются базовые знания необходимые для освоения и применения основные методы анализа данных применяемые на практике в настоящее время, такие как обработка изображений, параллельные вычисления, статистика в машинном обучении и автоматическая обработка текстов. |
16. |
Компьютерное зрение |
В курсе рассматриваются современные методы анализа изображений и видео. Цели дисциплины: Знать:
Уметь:
|
17. |
Автоматическая обработка текстов |
В курсе рассматриваются основные модели, техники и приемы, используемые в NLP, рассматриваются основные приложения NLP. Цели дисциплины: Знать:
Уметь:
|
18. |
Дискретный анализ и теория вероятности |
В раках курса рассматриваются основные понятия и методы комбинаторного, дискретного и асимптотического анализа, теории вероятностей, статистики и на примере решения классических задач демонстрируется их применение. Цели дисциплины: Знать:
Уметь:
|
19. |
Модули по выбору студента |
|
20. |
Проектный практикум по компьютерной биомедицине |
В курсе студенты в группах решают реальные задачи компьютерного моделирования в физиологии и медицине под руководством опытных руководителей-исследователей. |
21. |
Основы биоинформатики |
Молекулярные вычисления — это направление исследований на границе молекулярной биологии и компьютерных наук. Основной идей является построение новой парадигмы вычислений, новых моделей и алгоритмов на основе знаний о строении и функциях молекулы ДНК. Т.е. это вычисления не на кремнии, как сейчас, а с помощью молекул ДНК. Биоинформатика — междисциплинарная область, которая разрабатывает методы и программное обеспечение для анализа биологических данных, используя методы прикладной математики, статистики и информатики (data science в биологии). |
22. |
Основы физиологии и анатомии человека |
В курсе рассматриваются основные понятия и базовое описание физиологии и анатомии человека |
23. |
Практикум алгоритмы и структуры данных |
В рамках курса рассматриваются базовые алгоритмы и структуры данных. Цели дисциплины: Знать:
Уметь:
|
24. |
Практикум по компьютерному зрению |
В курсе рассматриваются современные методы анализа изображений и видео. Цели дисциплины: Знать:
Уметь:
|
25. |
Параллельные и распределенные вычисления |
Рассматриваются технологии программирования на современных параллельных и распределенных вычислительных системах:
|
26. |
Практикум дискретный анализ и теория вероятности |
В раках курса рассматриваются основные понятия и методы комбинаторного, дискретного и асимптотического анализа, теории вероятностей, статистики и на примере решения классических задач демонстрируется их применение. Цели дисциплины: Знать:
Уметь:
|
27. |
Нелинейная динамика |
Курс «Нелинейная динамика: феномены и методы их анализа» посвящен описанию явлений, наблюдаемых в нелинейных динамических системах, теории устойчивости и бифуркаций. Будут рассмотрены основные нелинейные эффекты, связанные с генерацией регулярных и хаотических колебаний, и современные методы их исследования, как аналитические, так и компьютерные. В рамках курса дополнительный акцент ставится на биологическую интерпретацию теоретического материала в ходе разбора иллюстрирующих примеров, связанных с моделированием популяционной и нейронной динамики. |
28. |
Методы регуляризации |
Основной целью курса является знакомство с некорректными задачами и методами их решения. Понятие некорректных задач. Использование априорной информации для построение регуляризирующих алгоритмов. Методы регуляризации некорректных задач: методы типа Тихонова, метод компактного вложения, итерационные процессы с квазисжатием и другие для регуляризации некорректных задач с априорной информацией. Итерационные методы аппроксимации неподвижных точек и их приложение к некорректным задачам. Дискретная аппроксимация регуляризирующих алгоритмов. |
29. |
Функционально-дифференциальные уравнения |
Основной целью курса является изучение теории дифференциальных уравнений с отклоняющимся аргументов, которые возникают при моделировании многих биологических процессов. Примеры био-медицинских моделей, формализуемых в виде функционально-дифференциальных уравнений. Теоремы существования и единственности. Качественная теория функционально-дифференциальных уравнений: продолжимость, ограниченность, устойчивость, непрерывная зависимость решений от параметров. Численные методы решения функционально-дифференциальных уравнений. |
30. |
Разностные методы |
Основной целью курса является изучение разностных методов решения уравнений в частных производных. Конечно-разностные методы решения дифференциальных уравнений в частных производных (ДУ в ЧП). Аппроксимация, устойчивость, сходимость, монотонность. Разностные схемы для уравнений с непостоянными коэффициентами. Экономичные схемы решения ДУ в ЧП. Метод конечных элементов и конечных объемов для решения ДУ в ЧП. Метод декомпозиции областей для задач математической физики на сложных областях. Метод Шварца. |
31. |
Сетки |
В курсе рассматриваются методы построения и оценки качества расчетных сеток |
32. |
Научные вычисления |
Курс рассчитан на магистрантов первого семестра. Его целью является научить языку Python, тех кто его не знает И научить решать с его помощью популярные задачи, такие как интерполяция, регрессия, обработка изображений и предобработка данных для машинного обучения. |
33. |
Основы научной работы |
В курсе рассматриваются основы научной работы в сфере компьютерных наук. Студенты знакомятся с методологией организации научных исследований, подготовкой презентаций результатов исследований и работы на научных мероприятиях. |
34. |
Программирование на GPU |
В курсе рассматривается использование современных ускорителей GPU для проведения научных вычислений и анализа данных. Изучаются технологии CUDA и OpenMP. |
35. |
Проектный практикум |
В курсе студенты в группах решают реальные задачи анализа данных под руководством опытных руководителей-практиков. |
36. |
Проектный практикум по анализу данных |
В курсе студенты в группах решают реальные задачи анализа данных под руководством опытных руководителей-практиков. |
37. |
Язык программирования Python |
В раках курса рассматривается язык высокого уровня Python: базовый синтаксис, парадигмы программирования, используемые в языке, элементы декларативного программирования. Рассказывается о сферах, в которых использование Python наиболее эффективно, особенно в сочетании с другими языками программирования. Цели дисциплины: Знать:
Уметь:
|
38. |
Язык программирования С++ |
В рамках курса рассматривается язык С++: базовый синтаксис, указатели и ссылки, обработка ошибок, избранные вопросы ООП. Цели дисциплины: Знать:
Уметь:
|
39. |
Методы и системы обработки больших данных |
Курс посвящен изучению технологий обработки больших объемов данных (Big Data). Рассматриваются технологии MapReduce, Apache Spark, а также распределенные базы данных. |
40. |
Глубокое обучение |
В курсе рассматриваются методы обучения глубоких нейронных сетей. Изучаются архитектуры глубоких нейронных сетей (полносвязные, сверточные, сети долго-краткосрочной памяти и т.п.), методы обучения нейронных сетей (алгоритм обратного распространения ошибки), а также примеры использования глубоких нейронных сетей для задач компьютерного зрения и обработки естественного языка. |
41. |
Методы оптимизации |
Методы оптимизации лежат в основе решения многих задач компьютерных наук. Например, в машинном обучении задачу оптимизации необходимо решать каждый раз при настройке какой-то модели алгоритмов по данным. Причём от эффективности решения соответствующей задачи оптимизации зависит практическая применимость самого метода машинного обучения. Данный курс посвящен изучению классических и современных методов решения задач непрерывной оптимизации (в том числе невыпуклой), а также особенностям применения этих методов в задачах оптимизации, возникающих в машинном обучении. Основной акцент в изложении делается на практические аспекты реализации и использования методов. Целью курса является выработка у слушателей навыков по подбору подходящего метода для своей задачи, наиболее полно учитывающего её особенности. |
42. |
Практики, в том числе научно-исследовательская работа |
|
43. |
Научно-исследовательская работа |
Научно-исследовательская работа направлена на формирование общекультурных и общепрофессиональных компетенций в соответствии с требованиями ФГОС ВПО. Работа включает этапы: планирования, ознакомление с литературой и тематикой исследовательских работ в этой области, выбор темы исследования, проведение научно-исследовательской работы , анализ результатов работы, сравнение с результатами других авторов, определение практической значимости результатов, публичная защита работы, подготовка результатов научно-исследовательской работы к публикации. Планирование и корректировка индивидуальных планов научно-исследовательской работы магистрантов, обсуждение промежуточных результатов исследования проводится в рамках учебно-научного семинара по магистерской программе. |
44. |
Научно-исследовательская практика |
Целями практики являются:
Задачами практики являются:
|
45. |
Государственная итоговая аттестация |
|