8D06102 Компьютерная наука и искусственный интеллект в КБТУ (KBTU)

Дисциплины

1 Год обучения Академическое письмо ИИ: Машинное обучение Этика, разработка политики и законодательства в области компьютерных наук Цифровая обработка сигналов и изображений (этапы предварительной обработки в моделях на основе машинного обучения) Методы научных исследований ИИ: Статистическое обучение и прогнозирование ИИ: Обработка естественного языка и семантический анализ Кейсы больших данных: наука, медицина, инженерия ИИ: Обучение с подкреплением ИИ: Компьютерное зрение

Результаты обучения

• Развивать научно-практические навыки академического письма, необходимые для формирования и написания докторской диссертации, проведения исследовательских работ и научных публикаций. Уметь применять критические методы мышления для достижения стратегических целей, понимание формирования сложности исследовательских гипотез, с которыми сталкиваются исследователи при разработке и выполнении научных и индустриальных проектов.
• Составлять анализ фундаментальных и прикладных исследовательских практик в научной методологии и уметь интерпретировать основополагающие идеи в области компьютерных наук. Знать на профессиональном уровне количественные и качественные методы исследования в области новых парадигм программирования для эффективного проведения дизайн исследования, стратегии выбора и анализа данных, и разработку планов исследования научных публикаций.
• Анализировать и сравнивать полученные модели в рамках построения простых и сложных гипотез на базе машинного обучения, и модели искусственного интеллекта для применения их в своих научных доводах, и публикациях при проведении исследовании.
• Применять и изучать современные тенденции новых видов алгоритмов искусственного интеллекта с обработкой больших данных в области бизнеса, промышленности для понимания процессов, инструментов, и методов научного планирования организации и улучшения деятельности развития бизнеса.
• Уметь выявлять современные проблемы и тенденции научного исследования в Казахстане и за рубежом в области искусственного интеллекта и находить пути решения за счет внедрения новых видов моделей поведения и построения прогнозов и перспектив развития управления бизнеса и промышленностей всех отраслей.
• Создавать и модернизировать алгоритмы искусственного интеллекта в теоретических и экспериментальных опытах для развития социально-экономического развития Казахстана и мира, и понимать роль цифровизации рабочего места, взаимодействия человека и машины путем внедрения современных методов прикладных теории компьютерных наук.
• Формулировать гипотезы относительно математических моделей, программной и/ или аппаратной архитектуры, программных алгоритмов и предложить их научному сообществу для использования методологической и программной инженерии, которые позволят оценить показатели эффективности распараллеливания в процессе оптимизации методов и алгоритмов искусственного интеллекта, как на уровне отдельных шагов, так и метода в целом.
• Знать и уметь применять методы предварительной обработки информации, существенно повышающие точность и достоверность результатов на всех этапах обработки, а также позволяющие получить информацию об истинной структуре данных и выявить в них скрытые закономерности, которые позволяют выполнять такие операции предварительной обработки данных, как очистка сигналов от шума, выделение тренда в сигналах, оценивание степени хаотичности сигналов, фильтрация сигналов и пр.
• Знать основные инструменты для анализа сигналов как в пространственной, так и в частотной областях, а также изучение основных методов обработки изображений для выделения признаков, сегментации изображений, регистрации изображений и сопоставления изображений.
• Знать необходимые характеристики вычислительных мощностей оборудования для экспериментальных исследований определенной задачи в области компьютерных наук, которые включают методы интеллектуального анализа информации обеспечивающие автоматизацию процесса извлечения знаний в условиях априорной неопределенности и повышение оперативности обработки данных, что особенно эффективно при наличии большого объема данных. Данные методы позволят выполнять кластер-анализ данных, классификацию данных и визуализацию многомерных данных.
• Применять архитектурные паттерны, которые позволят упростить и ускорить процесс разработки архитектуры систем искусственного интеллекта за счет использования набора готовых типовых решений. А также, использовать методы оптимального статистического синтеза, теории проверки статистических гипотез, теории инвариантности и теории концентрации меры для построения векторов признаков в системах машинного обучения и оценки качества моделей машинного обучения

Похожие ОП