ФПН/Комп'ютерні науки та ІТ (бакалаври)/Архів

Основи захисту інформації (APPS.02.19)

Архітектура комп'ютерних систем (APPS.02.19)

Курс "Архітектура комп’ютерних систем" присвячений двом питанням:

  • Організація сучасних обчислювальних машин, від вбудовуваних до суперкомп’ютерів.
  • Способи ефективно утилізувати їх ресурси, вмітиви користовувати все більш поширену паралельність,успішно справляти із їх розподіленністю і гетерогенністю.
Враховуючи, що роль паралелізму зростає практично у всіх сферах, де застосовуються комп’ютери – від високопродуктивних обчислень до мобільних аплікацій(застосунків), дані знання є критичними для будь-якого розробника.

Introduction to Databases (APPS.02.19)

Дипломна робота (APPS.02.18)

Computer Vision (APPS.09.18)

Комп'ютерні мережі (APPS.09.18)

Blockchain (APPS.09.18)

Веб технології та веб дизайн (APPS.02.18)

Опрацювання природньої мови (APPS 09.18)

силабус_2018_ОПM_Романюк.pdfсилабус_2018_ОПM_Романюк.pdf

Принципи організації комп'ютера (APPS.09.18)

Курс "Принципи організації комп'ютера" знайомить студентів із базовими абстракціями обчислювальних систем, від комбінаторної та секвенційної логіки до CPU, блоків пам'яті, підсистем вводу-виводу. На прикладі вбудовуваних систем, студенти знайомляться із моделлю машини С, створенням "bare metal" систем, роботою із сенсорами тощо.

Probability Theory and Mathematical Statistics (APPS.09.18)

Probability and statistics have become the basis for data science with its numerous applied techniques. Our aim within this course is to introduce the students to the main concepts and methods of probability and statistics and to help them to develop probabilistic and statistical thinking.

We will discuss the basic notions of probability (sample space and events, axioms of probability, independence and conditioning; discrete and continuous random variables and their distributions; expectations, variance and other characteristics) and statistics (samples, descriptive statistics, parameter estimation, hypothesis testing and regression) that are necessary for understanding the main techniques of data science.


Linear algebra (APPS.02.19)

Linear algebra is definitely a must course for computer science programmes. Our aim within this course is to provide students with a good understanding of the basic concepts and methods of linear algebra and to help them develop the ability to solve problems using linear algebra. 

We will cover the standard basic notions (systems of linear equations, matrices and matrix algebra; linear vector spaces and linear transformations; inner products, orthogonality, cross products, subspaces, linear independence, bases, eigenvectors, eigenvalues, matrix diagonalization) as well as illustrate their application in data science, computer vision, geometry, optimization, difference/differential equations, and discuss algorithms and their computational issues whenever possible.