https://elib.bsu.by:443/handle/123456789/14863 2026-04-21T07:12:47Z 2026-04-21T07:12:47Z Шолтанюк, С. В. https://elib.bsu.by:443/handle/123456789/344327 2026-03-25T03:47:35Z 2025-05-23T00:00:00Z

Заглавие документа: Анализ и обработка данных в Python: учебная программа учреждения образования по учебной дисциплине для специальности: 7-06-0531-01 Химия Профилизация: Хемоинформатика. Регистрационный № 4400/м. Авторы: Шолтанюк, С. В. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Настоящая дисциплина знакомит магистрантов с основами программирования на языке Python, широко используемом в хемоинформатике, в т.ч. при работе с различными данными, в первую очередь о строении и свойствах неорганических и органических химических соединений, а также с основами анализа данных и некоторыми методами, применяющимися при анализе химических данных. В рамках настоящей дисциплины предлагается изучение как основ самого языка, так и базовые примеры его использования в химии и хемоинформатике, например, моделирование и визуализация химических соединений, а также работа с химическими базами данных. Цель учебной дисциплины «Анализ и обработка данных в Python» – ознакомление магистрантов с языком программирования Python, формированием у них умений и навыков разработки на языке Python, в частности для решения базовых задач химии и хемоинформатики. Задачи учебной дисциплины: 1. Ознакомить магистрантов с основными особенностями языка Python, его областями применения. 2. Изучить основные приёмы работы с данными, базами данных (в том числе химическими). 3. Приобрести знания, умения и навыки разработки программного кода и приложений на языке Python. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина относится к модулю «Специальные программные средства» компонента учреждения образования. Учебная программа составлена с учетом межпредметных связей и программ по следующим дисциплинам: - «Компьютерное моделирование строения и реакционной способности молекул»; - «Методы визуализации в анализе данных средствами языка R»; - дисциплины модуля «Медицинская химия»: «Хемометрика» и «Современные методы прогнозирования свойств веществ».

2025-05-23T00:00:00Z Мацкевич, В. В. https://elib.bsu.by:443/handle/123456789/339936 2026-01-17T03:55:53Z 2025-06-27T00:00:00Z

Заглавие документа: Нейросетевые технологии распознавания образов/ Neural network technologies for pattern recognition: учебная программа учреждения образования по учебной дисциплине для специальности: the program of the educational institution of the discipline for the speciality: Специальность / Speciality: 7-06-0532-03 Землеустройство, кадастры, геодезия и геоматика / 7-06-0532-03 Land Management, Cadastres, Geodesy and Geomatics Профилизация / Profilization: Управление геоданными с использованием интеллектуальных систем / Geodata management using intelligent systems. Регистрационный № 3939/m. Авторы: Мацкевич, В. В. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Цель учебной дисциплины – ознакомление студентов с нейронными сетями и их применением для решения практических задач. Задачи учебной дисциплины: 1. Дать студентам общее представление о нейронных сетях; 2. Ознакомить студентов с основными алгоритмами обучения нейронных сетей; 3. Научить студентов обучать и применять нейронные сети для решения практических задач. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина относится к модулю «Программирование и нейронные сети» компонента учреждения образования. Учебная дисциплина «Нейросетевые технологии распознавания образов» связана с учебной дисциплиной «Автоматизированный анализ изображений». Однако в данной дисциплине рассматривается неклассический (нейросетевой) подход к обработке изображений. Требования к компетенциям Освоение учебной дисциплины «Нейросетевые технологии распознавания образов» должно обеспечить формирование следующих компетенций: Специализированные компетенции: Владеть математическими основами теории машинного обучения и алгоритмами построения искусственных нейронных сетей. В результате освоения учебной дисциплины студент должен: знать: Типы искусственных нейронных сетей, архитектуры основных типов нейронных сетей, процесс применения нейронных сетей для решения практических задач. Основные функционалы качества для оценки полученных решений. уметь: применять нейронные для решения прикладных задач, обучать нейронные сети для решения различных задач с использованием фреймворков для машинного обучения. иметь навык: программирования конструирования, обучения и применения нейронных сетей для решения прикладных задач. Структура учебной дисциплины Дисциплина изучается в 1 семестре. В соответствии с учебным планом всего на изучение учебной дисциплины «Нейросетевые технологии распознавания образов» отведено для очной формы получения высшего образования – 90 часов, в том числе 48 аудиторных часов, лекции – 20 часов, лабораторные занятия – 28 часов. Из них: Лекции – 18 часов, лабораторные занятия – 20 часов, управляемая самостоятельная работа – 10 часов ДОТ. Трудоемкость учебной дисциплины составляет 3 зачетные единицы. Форма промежуточной аттестации – экзамен. EXPLANATORY NOTE Aim and tasks of the discipline Aim of the discipline – Introducing students to neural networks and their application to solving applied problems. Tasks of the discipline: 1. To give students a general understanding of neural networks. 2. To introduce students to the basic algorithms for training neural networks. 3. To teach students how to train and apply neural networks to solve applied problems. Place of the academic discipline in the system of training a specialist with higher education. The academic discipline is part of the module «Programming and neural networks» educational institution component. The academic discipline «Neural network technologies for pattern recognition» is connected with academic discipline «Automatic image analysis». But in this discipline non-classical (neural network) image processing approach is considered. Requirements for competences Mastering of the academic discipline «Neural network technologies for pattern recognition» should provide the formation of the following competences: Specialized competences: To be able apply mathematical foundations of machine learning theory and algorithms for constructing artificial neural networks. As a result of mastering the academic discipline, the student is expected to: know: Artificial neural networks types, architectures of the neural networks main types, the process of applying neural networks to solving applied problems. Main quality functions for obtained solutions evaluation. be able to: apply neural networks to solve applied problems, train neural networks for various problems solving using machine learning frameworks. have skills in: programming, designing, training and using neural networks to solve applied problems. Structure of the academic discipline The discipline is studied in the 1 semester. In total for the study of the discipline Neural networks technologies for pattern recognition is allocated for full-time higher education – 90 hours, including 48 in-class hours, of them: lectures – 20 hours, laboratory classes – 28 hours, from them: Lectures – 18 hours, laboratory classes – 20 hours, controlled self-study (CSS) – 10 hours (DLT). The labour intensity of the discipline is 3 credit units. Form of certification – exam.

2025-06-27T00:00:00Z Гусейнова, А. С. https://elib.bsu.by:443/handle/123456789/339169 2025-12-19T03:33:41Z 2025-05-24T00:00:00Z

Заглавие документа: Программирование на базе мобильных устройств: учебная программа учреждения образования по учебной дисциплине для специальности: 1-31 01 04 Биоинженерия и биоинформатика. Регистрационный № УД-14166/уч. Авторы: Гусейнова, А. С. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Цель дисциплины – формирование у студентов компетенций, обеспечивающих способность проектировать, разрабатывать, тестировать и оформлять мобильные приложения средствами разработки – Android Studio, а также проводить исследовательскую и практическую работу по выбору архитектурных и технологических решений для мобильных приложений. Задачи учебной дисциплины: 1. Знакомство с современными языками программирования мобильных приложений для Android. 2. Получение практических навыков разработки, тестирования и публикации мобильных приложений. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина относится к модулю «Прикладная биоинформатика» компонента учреждения высшего образования. Учебная программа составлена с учетом межпредметных связей и программ по дисциплинам. Основой для изучения учебной дисциплины являются дисциплина «Введение в базы данных» модуля «Большие данные и базы данных» компонента учреждения высшего образования, дисциплины «Объектно-ориентированное программирование» и «Основы Python» модуля «Программирование и современные компьютерные технологии» государственного компонента. Знания, полученные в учебной дисциплине, используются при выполнении студентами курсовых проектов, курсовых и дипломных работ.

2025-05-24T00:00:00Z Палуха, В. Ю. Бодягин, И. А. https://elib.bsu.by:443/handle/123456789/328412 2025-04-16T04:07:30Z 2024-07-15T00:00:00Z

Заглавие документа: Теория информации: учебная программа учреждения образования по учебной дисциплине для специальности: 1-97 01 02 Прикладная криптография. № УД-13642/уч. Авторы: Палуха, В. Ю.; Бодягин, И. А. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Цель учебной дисциплины «Теория информации» – изучение математических моделей, методов, алгоритмов и программного обеспечения теории информации. Задачи учебной дисциплины: 1. определение и установление свойств энтропии источника дискретных и непрерывных сообщений; 2. оптимизация энтропии на классе вероятностных распределений; 3. определение и установление свойств функционала количества информации по Шеннону; 4. установление свойства энтропийной устойчивости символьных последовательностей; 5. установление свойств энтропии для марковских источников; 6. изучение Шенноновских моделей криптосистем; 7. изучение алгоритмов оптимального кодирования; 8. изучение алгоритмов кодирования, исправляющих ошибки; 9. определение и установление свойств скорости передачи и пропускной способности в канале передачи информации. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Теория информации» относится к модулю «Прикладные вероятностные дисциплины» компонента учреждения высшего образования. Связи с другими учебными дисциплинами. Учебная дисциплина «Теория информации» взаимосвязана с учебными дисциплинами «Дифференциальное и интегральное исчисление», «Теория вероятностей и математическая статистика», «Введение в криптографию».

2024-07-15T00:00:00Z