https://elib.bsu.by:443/handle/123456789/315813 Семестр 5, 6, 7. Mon, 20 Apr 2026 08:05:39 GMT 2026-04-20T08:05:39Z https://elib.bsu.by:443/handle/123456789/343947 Заглавие документа: Временные ряды и методы их анализа: учебная программа учреждения образования по учебной дисциплине для специальности: 1-31 03 03 Прикладная математика 1-31 03 03-01 Прикладная математика (научно-производственная деятельность). Регистрационный № 14307/уч. Авторы: Труш, Н. Н.; Цеховая, Т. В. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Учебная дисциплина «Временные ряды и методы их анализа» вначале знакомит студентов с некоторыми понятиями о случайных распределениях и временных рядах. Далее приводятся основные характеристики многомерных случайных процессов, определяются стационарные случайные процессы и их характеристики. Исследуется семиинвариантный подход к анализу предельных распределений временных рядов. Определяются и изучаются статистические свойства оценок математического ожидания, ковариационной функции, спектральной плотности стационарных случайных процессов. В курсе также затрагиваются вопросы статистического анализа процессов с нерегулярными наблюдениями, а также стационарных процессов с непрерывным временем и стационарных устойчивых процессов. Цель дисциплины «Временные ряды и методы их анализа»: изучение основных типов случайных процессов и статистического анализа стационарных случайных процессов. Задачи дисциплины «Временные ряды и методы их анализа»: 1. Освоение теоретических основ стационарных случайных процессов. 2. Научить методике исследования статистического анализа стационарных временных рядов. 3. Формирование практических навыков использования исследований статистического анализа стационарных временных рядов. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Временные ряды и методы их анализа» относится к дисциплинам по выбору компонента учреждения высшего образования. Связи с другими учебными дисциплинами. Учебная программа дисциплины «Временные ряды и методы их анализа» составлена с учетом межпредметных связей и программ по учебным дисциплинам. В соответствии с учебным планом и образовательным стандартом общего высшего образования по специальности 1-31 03 03-2021 Прикладная математика. Базовыми для изучения учебной дисциплины «Статистический анализ временных рядов и изображений» являются дисциплины государственного компонента «Теория вероятностей и математическая статистика», «Математический анализ». Изучение дисциплины будет полезно студентам при написании курсовых и дипломных работ, а также магистерских диссертаций. Fri, 27 Jun 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/343947 2025-06-27T00:00:00Z https://elib.bsu.by:443/handle/123456789/334526 Заглавие документа: Методы оптимизации в машинном обучении: учебная программа учреждения высшего образования по учебной дисциплине для специальности: 1-31 03 03 Прикладная математика (по направлениям) Направление специальности 1-31 03 03-01 Прикладная математика (научно-производственная деятельность). № УД-14020/уч. Авторы: Дмитрук, Н. М. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Цель учебной дисциплины «Методы оптимизации в машинном обучении» – изучение методов современной оптимизации, применяемых для решения задач, возникающих в машинном обучении, в частности, особенностей оптимизации в нейронных сетях и алгоритмах обучения с подкреплением. Образовательная цель: формирование и развитие практико-ориентированной компетентности, позволяющей использовать полученные знания для решения задач в сфере профессиональной и социальной деятельности. Развивающая цель: формирование знаний, умений и навыков анализа и решения различных оптимизационных задач, связанных с машинным обучением. Задачи учебной дисциплины: 1. Освоение теоретических основ и практических навыков для анализа и решения различных оптимизационных задач. 2. Формирование представлений об эффективных методах оптимизации, актуальных для нейронных сетей и обучения с подкреплением. 3. Выработка практических навыков реализации численных методов оптимизации, актуальных для машинного обучения. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина относится к дисциплинам по выбору компонента учреждения высшего образования. Программа составлена с учетом межпредметных связей с учебными дисциплинами. Основой для изучения учебной дисциплины являются дисциплины модуля «Математический анализ», дисциплины «Линейная алгебра», «Методы оптимизации». Сведения из дисциплины «Методы оптимизации в машинном обучении» служат базой для выполнения курсовых и дипломных работ. Sun, 22 Jun 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/334526 2025-06-22T00:00:00Z https://elib.bsu.by:443/handle/123456789/333888 Заглавие документа: Алгоритмы обработки больших данных: учебная программа учреждения образования по учебной дисциплине для специальности: 1-31 03 03-01 Прикладная математика (по направлениям). № УД-13947/уч. Авторы: Сафиуллин, Т. Т. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Обработка больших данных — современное междисциплинарное направление, объединяющее методы распределённых вычислений, алгоритмической оптимизации, машинного обучения и инженерных практик для работы с масштабируемыми информационными системами. Курс ориентирован на изучение принципов хранения, обработки и анализа данных в условиях их высокой объёмности, скорости поступления, разнообразия форматов, а также требований к достоверности и ценности. Учебная дисциплина «Алгоритмы обработки больших данных» для специальности 1-31 03 03 Прикладная математика изучение принципов и методов обработки, хранения и анализа информации в условиях её большого объёма, разнообразия форматов и высокой скорости поступления. Курс ориентирован на работу с данными, обладающими свойствами больших данных, для которых требуются специализированные алгоритмические подходы и инструменты. Цели и задачи учебной дисциплины Цели дисциплины «Алгоритмы обработки больших данных»:  формирование у обучающихся системного понимания архитектур больших данных;  освоение алгоритмов и инструментов для распределённой обработки информации;  развитие навыков выбора оптимальных решений для задач хранения и анализа данных. Задачи дисциплины «Алгоритмы обработки больших данных»:  изучить принципы работы распределённых систем;  освоить методы оптимизации вычислений;  научиться проектировать конвейер обработки данных;  сформировать компетенции по сравнению и выбору инструментов под конкретные бизнес-задачи. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Алгоритмы обработки больших данных» относится к дисциплинам по выбору компонента учреждения высшего образования. Fri, 27 Jun 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/333888 2025-06-27T00:00:00Z