Кафедра "Програмна інженерія та інтелектуальні технології управління ім. А. В. Дабагяна"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1665

Офіційний сайт кафедри http://web.kpi.kharkov.ua/asu

Від січня 2022 року кафедра має назву "Програмна інженерія та інтелектуальні технології управління ім. А. В. ДАБАГЯНА" (тоді ж, у січні 2022 року в окремий підрозділ виділилася кафедра "Інформаційні системи та технології"), попередні назви – "Програмна інженерія та інформаційні технології управління" (від 2015), "Автоматизовані системи управління" (від 1977); первісна назва – кафедра автоматичного управління рухом.

Кафедра автоматичного управління рухом заснована в 1964 році задля підготовки інженерів-дослідників у галузі автоматичного управління рухом з ініціативи професора Харківського політехнічного інституту Арега Вагаршаковича Дабагяна та генерального конструктора КБ "Електроприладобудування" Володимира Григоровича Сергєєва.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут".

У складі науково-педагогічного колективу кафедри працюють: 4 доктора технічних наук; 24 кандидата наук: 22 – технічних, 1 – фізико-математичних, 1 – економічних, 1 – доктор філософії; 3 співробітників мають звання професора, 19 – доцента, 1 – старшого наукового співробітника.

Переглянути

Фільтри

2021 - 20243

Налаштування

Початкова дата: 2021Ключові слова: search.filters.subject.математичні функції

Результати пошуку

Зараз показуємо 1 - 3 з 3
  • Ескіз
    Документ
    Методичні вказівки до лабораторних занять з курсу "Теорія прийняття рішень"
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Годлевський, Михайло Дмитрович; Воловщиков, Валерій Юрійович; Козуля, Марія Михайлівна
    Метою лабораторного практикуму є закріплення студентами теоретичних знань і набуття практичних навичок до розв’язання задач багатокритеріальної оптимізації. У загальному випадку формально задача багатокритеріальної оптимізації, ключовою особливістю якої є суперечливість множини функцій мети (критеріїв). До пошуку ефективних альтернатив застосовуються методи, які належать до особливого класу методів, що забезпечують розв’язання саме задач багатокритеріальної оптимізації. У лабораторному практикумі наводяться теоретичні основи підходів до розв’язання задач багатокритеріальної оптимізації, приклади їхнього використання, контрольні завдання та посилання на літературу, що рекомендується.
  • Ескіз
    Документ
    Методичні вказівки до лабораторних занять з курсу "Теорія прийняття рішень"
    (2023) Годлевський, Михайло Дмитрович; Воловщиков, Валерій Юрійович; Козуля, Марія Михайлівна
    Метою лабораторного практикуму є закріплення студентами теоретичних знань і набуття практичних навичок до розв’язання задач багатокритеріальної оптимізації. У загальному випадку формально задача багатокритеріальної оптимізації, ключовою особливістю якої є суперечливість множини функцій мети (критеріїв). До пошуку ефективних альтернатив застосовуються методи, які належать до особливого класу методів, що забезпечують розв’язання саме задач багатокритеріальної оптимізації. У лабораторному практикумі наводяться теоретичні основи підходів до розв’язання задач багатокритеріальної оптимізації, приклади їхнього використання, контрольні завдання та посилання на літературу, що рекомендується.
  • Ескіз
    Документ
    Методичні вказівки до лабораторної роботи "Основи роботи з бібліотекою NumPy"
    (2021) Коваленко, Світлана Миколаївна; Коваленко, Сергій Володимирович; Шматко, Олександр Віталійович
    Python, як і будь-яка мова, що інтерпретується, є повільнішою в порівнянні з мовами, що компілюються (С, С++, С#, Java тощо). NumPy (скорочення від numerical python, вимовляється ‘нам-пай’) – це бібліотека з відкритим вихідним кодом для мови програмування Python, що надає підтримку великих багатовимірних масивів та матриць з великою колекцією математичних функцій високого рівня для роботи з цими масивами. NumPy є основною бібліотекою для наукових обчислень на Python. Він надає високопродуктивний багатовимірний об’єкт масиву ndarray та інструменти для роботи з цими масивами. До того ж бібліотека NumPy входить до так званої екосистеми SciPy (скорочення від scientific python і вимовляється ‘сай-пай’), що являє собою набір бібліотек Python також з відкритим вихідним кодом, що спеціалізується на наукових обчисленнях. Багато з цих бібліотек важливі і для обробки даних. Разом вони складають набір інструментів для розрахунку та відображення даних. Серед бібліотек, що знаходяться в групі SciPy, є деякі, які будуть обговорюватися в поточному курсі: NumPy, SciPy, Matplotlib, Pandas.