©2024 Uplift · Built with love by Swift Ideas using WordPress.
+7 (495) 788-56-99 доб. 7691, 0910; приемная комиссия ВИШ МИФИ: +7 929 684 71 59; WhatsApp: +7 929 684 71 59; e-mail: hes@mephi.ru
VK        

МОДУЛИ ВИШ

Система обучения в Высшей Инжиниринговой Школе НИЯУ МИФИ имеет гибкий формат, подстраиваемый под современные тенденции.

Обучение основано на принципах микромодульности. Микромодули представляют собой отдельные блоки, включающие теоретический материал и практические задания и направлены на освоение учебного материала в процессе активной деятельности обучающихся.

Микромодули имеют длительность не более пяти недель. Любой студент ВИШ при желании может присоединиться к образовательным модулям любого направления подготовки ВИШ.

Модули ВИШ: цифровые двойники приборов и установок; жизненный цикл сложных инженерных объектов; умный город; интернет вещей; безопасность и многое другое.

ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ ДЛЯ ИНЖЕНЕРИИ - ЭТО ТО ЖЕ САМОЕ, ЧТО МАТЕМАТИКА ДЛЯ НАУКИ.

ТО ЕСТЬ ФУНДАМЕНТАЛЬНАЯ ЧАСТЬ ВСЕЙ ТЕХНОЛОГИЧЕСКОЙ РЕАЛИЗАЦИИ

Data mining

Сегодня данные называют «нефтью 21 века», они накапливаются в корпоративных и государственных информационных системах, социальных сетях, вебблогах и сайтах и потенциально являются ценным ресурсом для извлечения новых знаний, инсайтов для научных исследований, повышения эффективности и конкурентоспособности предприятий. Методы интеллектуального анализа данных, таким образом, представляют собой тот необходимый инструмент для высвобождения этого потенциала. Курс посвящён изучению основных подходов к анализу количественных данных и интерпретации полученных результатов. Рассматриваются методы трансформации исходных данных, методы факторного, кластерного и классификационного анализов. В качестве основного инструментального средства предполагается использование среды научных вычислений R. В ходе обучения, слушатели смогут освоить основные подходы и получить навыки решения практических задач поиска закономерностей в сырых данных.

Text mining

Интеллектуальный анализ текста представляет собой быстрорастущее направление работ в области машинного обучения и искусственного интеллекта. Накопление большого объёма текстовых данных в социальных сетях приводит к необходимости использования специальных методов для извлечения из них полезной информации. Курс посвящен изучению основных подходов к обработке текстов на естественном языке – токенизации, векторизации, использования регулярных выражений, семантическому анализу. В качестве основного инструментального средства предполагается использование среды научных вычислений R. В ходе обучения, слушатели смогут освоить основные подходы и получить навыки решения практических задач машинной обработки и интерпретации текстовых данных.

Data visualization

В последние годы визуализация становится отдельным направлением в анализе данных. Применение инфографики в журналистике, визуального представления различных моделей в естественных науках и экономике, позволяет получить новые знания об изучаемой области. Курс посвящён освоению слушателями современных методов визуализации количественных данных. В качестве основного инструментального средства предполагается использование среды научных вычислений R. В ходе обучения, слушатели смогут освоить основные подходы и получить навыки решения практических задач построения и интерпретации различных графических моделей данных.

Технологии промышленного Интернета вещей (Internet-of-Things)

С развитием телекоммуникационных и микропроцессорных технологий Интернет вещей всё больше проникает во все сферы человеческой деятельности. На его основе проектируются концепции умных домов, городов и предприятий. Курс посвящён рассмотрению современных концепций и технологий Интернета вещей в области архитектурных решений хранения и обработки данных сенсоров и прочих интеллектуальных устройств, ознакомлению слушателей с основными протоколами связи и безопасности в данной области.

Алгоритмы для больших данных

Обработка и анализ больших данных представляет собой новую задачу, требующую навыков работы с современными фреймворками. Курс посвящён изучению основных методов анализа данных, таких как методы факторного, кластерного и классификационного анализа в среде Apache Spark. В качестве основного инструментального средства предполагается использование среды научных вычислений R. Слушатели смогут освоить основные подходы и получить навыки решения практических задач прогнозирования.

Системы распределенных и облачных вычислений

Курс направлен на ознакомление с технологиями облачных вычислений. Рассматриваются подходы к виртуализации вычислительных ресурсов, хранилищ (SAN, NAS, tiering), сетевых функций (NFV), рабочих мест (VDI); гиперконвергентные решения; модели развёртывания облаков: частные, публичные, гибридные; принципы построения облаков: доступность, измеримость обслуживания, мультиарендность, самообслуживание, масштабируемость и эластичность. Рассматриваются вопросы миграции информационных систем в облако и классы архитектур cloud-ready, cloud-native. Лабораторный практикум направлен на ознакомление с облачной платформой: получение навыков администрирования виртуальной инфраструктуры в роли клиента, администрирования облачной платформы в роли провайдера, а также прохождение практики проектирования, создания и развёртывания прикладного программного обеспечения в облачной среде.

Цифровые платформенные решения

В рамках дисциплины изучаются принципы построения и работы цифровых платформ.  Курс направлен ​​на формирование у студентов понимания возможностей и области применения цифровых платформ, приобретению знаний, умений и навыков работы с архитектурами платформ. Особое внимание уделяется отраслевой платформе Multi-D.

Инфраструктура высокоинтенсивной обработки данных

В последние несколько лет в инфраструктуре инжиниринговых систем произошли и продолжают происходить сегодня. На передний план технологической оснащенности таких систем выходят современные информационные технологии, основанные на умении обрабатывать big data, применять модели, основанные на machine learning и deep learning, привлекая мощь современных компьютеров к решению задач инжиниринга, реинжиниринга и сопровождения технических систем. В курсе изучаются современные информационные технологии в инжиниринговых системах, которые являются основным двигателем их совершенствования и функционирования. Дается понимание, что многие задачи инжиниринговых систем могут быть решены на современном уровне только с использованием новых достижений в области информационных технологий, таких как работа с большими данными, методы машинного и глубокого обучения, стратегии интеграции коммерческих приложений.

Анализ и управление рисками

Управление рисками — это процесс, используемый для идентификации, оценки и анализа потенциальных рисков для организации или проекта. Освоение дисциплины дает необходимые навыки для принятия более эффективных решений в отношении анализа и управления рисками в инженерных проектах. Даются понимание аспектов оценки риска, работы в условиях неопределенности, количественные методы и качественная оценка методов управления рисками.  Изучаются методы сбора и анализа данных в управлении рисками, ситуационный анализ, управление производственными рисками, управление рисками организационных систем в кризисных ситуациях, управление рисками инновационных проектов. В ходе курса используются кейсы из практики консультирования по управлению рисками в отечественных, зарубежных и международных организациях.

Верификация и валидация

Верификация  и  валидация  являются  видами  деятельности,  направленными  на контроль  качества  программного  обеспечения. Целью освоения дисциплины является формирование у студентов целостного представления о подходах проверки систем на соответствие, определяющих полный набор технических и управленческих усилий, необходимых для проверки правильности создания сложных технических систем с учетом баланса интересов всех заинтересованных сторон.

Есть вопрос?