Концепция курса

Курс ММКА является интегрирующим и завершающим базовое образование бакалавриата и магистратуры.
Он опирается на предыдущую подготовку в области математики, физики, информационных технологий.
Преподается студентам информационного направления с целью овладения навыками разработки больших
информационных, программных, экспертных систем, имеющих сложную прикладную компоненту.
В рамках курса преподается обзор методов математического моделирования и компьютерного анализа.
Практическая часть связана с разработкой больших информационных систем и внедрением в них
собственных приложений.

Рабочий процесс

Теоретическая часть курса преподается в виде набора лекций. Лекции читаются очно или удаленно.
Также возможно их самостоятельное освоение по материалам данного сайта.
Практическая часть курса состоит из семинарских занятий и индивидуальной курсовой работы.
В рамках семинаров студенты знакомятся со специализированной учебной информационной системой
и выполняют небольшие задания, связанные с внедрением своих разработок (plug-in) в систему.

Доступ к ресурсам

Очные занятия проводятся в ИПМ им. М.В. Келдыша РАН (проход через ул. Фадеева, д. 11).
Занятия проходят в терминальном классе (корп. А, 1й этаж) с использованием
клиентских компьютеров под управлением ОС Linux, имеющих выход в Интернет.
Удаленные теоретические занятия проводятся на платформе Skype.
Удаленные практические занятия проводятся через сервер imm10.keldysh.ru.
Вход на сервер осуществляется по протоколам SSH и HTTPS.

Основная литература

1. А.А. Самарский, А.П. Михайлов. Математическое моделирование. - М.: Физматлит, 1997, 2005.
2. А.А. Самарский, А.П. Михайлов. Математическое моделирование. Идеи. Методы. Примеры. - М.: Физматлит, 2001.
3. Н.С. Бахвалов, В.В. Воеводин. Современные проблемы вычислительной математики и математического моделирования.
   Том 1. Вычислительная математика. Том 2. Математическое моделирование. - М.: Наука, 2005.
4. А.Д. Мышкис. Элементы теории математических моделей. - М.: КомКнига, 2007.
5. И.В. Орлова. Экономико-математические методы и модели: компьютерное моделирование: учеб. пособие. - М.: Вузовский учебник, 2009.
6. Г.Л. Нохрина. Математическое и имитационное моделирование. Курс лекций. - Екатеринбург, Уральский гос. лесотехн. университет, 2014.
7. И.П. Норенков. Основы автоматизированного проектирования. - М.: МГТУ им. И.М. Баумана, 2000.
8. Д. Марка. Методология структурного анализа и проектирования SADT / Д. Марка, К. МакГоуэн. - М.: МетаТехнология, 2003.
9. И.О. Одинцов. Профессиональное программирование. Системный подход. - СПб.: БХВ-Петербург, 2004.
10. Дж. Шмуллер. Освой самостоятельно UML 2 за 24 часа. Практическое руководство = Sams Teach Yourself UML in 24 Hours, Complete Starter Kit. - М.: Вильямс, 2005.
11. Г. Буч, А. Якобсон, Дж. Рамбо. UML. Классика CS / С. Орлов. - 2-е изд.. - СПб.: Питер, 2006.
12. В.В. Бахтизин. Технология разработки программного обеспечения.- Минск: БГУИР, 2010.
13. И.М. Соболь. Численные методы Монте-Карло. - М.: Наука, 1973.
14. Р. Шеннон. Имитационное моделирование систем - искусство и наука. - М.: Мир, 1978.
15. Г.А. Михайлов. Численное статистическое моделирование: методы Монте-Карло. - М.: Академия, 2006.
16. C.М. Ермаков. Метод Монте-Карло в вычислительной математике: ввод. курс / C.М. Ермаков. - М.: СПб.: Бином. Лаб. Знаний: Нев. диалект, 2009.
17. В.В. Воеводин, Вл.В. Воеводин. Параллельные вычисления. - СПб.: БХВ-Петербург, 2002.
18. К.Ю. Богачев. Основы параллельного программирования. - М.: БИНОМ. Лаборатория знаний, 2003.
19. Г.Р. Эндрюс. Основы многопоточного, параллельного и распределенного программирования. - М., Вильямс, 2003.
20. В.В. Воеводин. Вычислительная математика и структура алгоритмов. - М.: Изд-во МГУ, 2006.
21. В.П. Гергель. Теория и практика параллельных вычислений. - СПб.: "Интернет-университет информационных технологий - ИНТУИТ.ру", "БИНОМ. Лаборатория знаний", 2007.
22. И.Е. Федотов. Модели параллельного программирования. - М.: СОЛОН-ПРЕСС, 2012.
23. С. Хайкин. Нейронные сети: полный курс, 2-е издание. - М.: Издательский дом "Вильямс", 2006.
24. С. Рассел, П. Норвиг. Искусственный интеллект: современный подход. 2е изд. - М.: ООО "И.Д. Вильямс", 2006.
25. А.С. Потапов. Технологии искусственного интеллекта - СПб: СПбГУ ИТМО, 2010.
26. И.А. Радченко, И.Н. Николаев. Технологии и инфраструктура Big Data. - СПб: Университет ИТМО, 2018.

Дополнительная литература

1. Дж. Ортега. Введение в параллельные и векторные методы решения линейных систем. Пер. с англ. - М.: Мир, 1991.
2. А.Н. Коновалов. Введение в вычислительные методы линейной алгебры. Новосибирск, ВО "Наука", Сибирская издательская фирма, 1993.
3. Ian Foster. Designing and Building Parallel Programs. Addison-Wesley, 1995.
4. Дж. Голуб, Ч. Ван Лоун. Матричные вычисления: Пер. с англ. - М.: Мир, 1999.
5. М.В. Якобовский. Распределенные системы и сети. - М.: МГТУ "СТАНКИН", 2000.
6. Yu. Saad. Iterative Methods for Sparse Linear Systems. - Second edition with corrections, 2000.
7. Г.Л. Коткин, В.С. Черкасский. Компьютерное моделирование физических процессов с использованием MATLAB: Учеб. пособие / Новосиб. ун-т. Новосибирск, 2001.
8. У. Стивенс. UNIX: взаимодействие процессов. - Спб.: Питер, 2002.
9. Сойфер В.А. Методы компьютерной обработки изображений. - М.: Физматлит, 2003.
10. А.О. Лацис. Как построить и использовать суперкомпьютер. - М.: Бестселлер, 2003.
11. Dongarra J., Foster I., Fox J., et al. Sourcebook of Parallel Computing. San Francisсo (CA, USA): Elsevier Science, 2003.
12. Введение в математическое моделирование: Учеб. Пособие / Под. Ред. П.В. Трусова. - М.: Логос, 2004.
13. М.С. Кубланов. Математическое моделирование. Методология и методы разработки математических моделей механических систем и процессов: Учебное пособие. Часть I. Третье издание. - М.: МГТУ ГА, 2004.
14. А.С. Антонов. Параллельное программирование с использованием технологии MPI. - М.: Изд-во Московского университета, 2004.
15. М.В. Якобовский, Е.Ю. Кулькова. Решение задач на многопроцессорных вычислительных системах с разделяемой памятью. - М.: СТАНКИН, 2004.
16. Крэг Ларман. Применение UML 2.0 и шаблонов проектирования = Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design and Iterative Development. - М.: Вильямс, 2006.
17. Вл.В. Воеводин, С.А. Жуматий. Вычислительное дело и кластерные системы. - М.: Изд-во МГУ, 2007.
18. А.С. Антонов. Параллельное программирование с использованием технологии OpenMP. - М.: Изд-во Московского университета, 2009.
19. А.В. Боресков, А.А. Харламов. Основы работы с технологией CUDA. - М.: ДМК Пресс, 2010.
20. Дж. Сандерс, Э. Кэндрот. Технология CUDA в примерах: введение в программирование графических процессоров. - М.: ДМК Пресс, 2011.
21. Ю.Ф. Блинов, В.В. Иванцов, П.В. Серба. Методы математического моделирования. Ч.1. Электронное учебное пособие. Таганрог, ТТИ ЮФУ, 2012.
22. И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. Искусственный интеллект и интеллектуальные системы управления. - М.: Наука, 2006.
23. Матвеев М.Г., Свиридов А.С., Алейникова Н.А. Модели и методы искусственного интеллекта. Применение в экономике. - М.: Финансы и статистика, 2011.
24. Обзор отдельных вопросов в области больших данных и искусственного интеллекта - М.: ФКУ <ГИАЦ МВД России>, 2019.
25. Н.В. Молокова. Курс лекций "Информационные технологии". - СФУ Институт Космических и Информационых технологий.
26. А.И. Рубан, А.В. Кузнецов. Курс лекций "Методы обработки экспериментальных данных". - СФУ Институт Космических и Информационых технологий.