Cтраница 1
Углубленная математическая подготовка в сочетании, со знаниями по электронике, микроэлектронике, вычислительной технике и специальности позволяет этим выпускникам заниматься фундаментальными и прикладными исследованиями в области создания к эксплуатации современных систем автоматизированного проектирования, микропроцессорных систем, систем управления автоматическими производствами, а также автоматизированных систем научных исследований и комплексных испытаний. [1]
В статье описана система углубленной математической подготовки студентов инженерно-физических и физико-технических специальностей университетов, которая реализована в Московском физико-техническом институте. [2]
Брошюра рассчитана на старшеклассников, учителей и всех, кто интересуется углубленной математической подготовкой школьников. [3]
Предназначается студентам университетов и физико-математических и инженерно-физических специальностей втузов, а также студентам других специальностей для углубленной математической подготовки. [4]
Предназначена для специалистов по теории управления и оптимизации, аспирантов и студентов, специализирующихся в этих областях. Для широкого круга читателей без углубленной математической подготовки, интересующихся приложениями оптимального управления, специально написана вводная глава, позволяющая обратиться непосредственно к прикладным моделям последней главы монографии. [5]
Данная брошюра адресована читателям, впервые приступающим к изучению методов планирования эксперимента. Для ее чтения не требуется углубленной математической подготовки. Изложение иллюстрируется подробно рассмотренными примерами расчетов. [6]
Наиболее полно это решается с помощью метода моделирования процессов, как производственных, так и управленческих, инструментами математической статистики. Однако современные статистические методы довольно сложны для восприятия и широкого практического использования без углубленной математической подготовки. В 1979 г. Союз японских ученых и инженеров собрал воедино 7 достаточно простых в использовании наглядных методов анализа процессов. Однако при всей своей простоте они сохраняют связь со статистикой и дают профессионалам возможность пользоваться их результатами, а при необходимости - совершенствовать их. [7]
Один из базовых принципов управления качеством состоит в принятии решений на основе фактов. Наиболее полно это решается методом моделирования как производственных, так и управленческих процессов с помощью инструментов математической статистики. Однако современные статистические методы довольно сложны для восприятия и широкого практического использования без углубленной математической подготовки всех участников процесса. [8]