8D06102 Machine Learning & Data Science в Satbayev University

Курс включает в себя теоретический и практический материал для управления сложными и распределенными инфраструктурами больших предприятий и технологических комплексов, включая управление транспортными потоками наземного транспорта крупных мегаполисов, системами аэропортов и морских портов, управления сложными автономными мобильными роботами и системами специального назначения. Знания, полученные в результате освоения дисциплины, помогут привить навыки в управлении распределенными роботами и специальными автономными мобильными системами.

Курс представляет собой комплексное изучение класса алгоритмов машинного обучения, таких как свёрточные, рекуррентные, и рекурсивные нейронные сети. Комбинируя эти методы, создаются сложные системы, соответствующие различным задачам искусственного интеллекта. Глубокое обучение является апробированной выборкой из широкого семейства методов машинного обучения для представлений данных, наиболее соответствующих характеру задачи.

Курс направлен на развитие навыков академического письма и стратегии письменной речи у докторантов в области инженерных и естественных наук. Курс фокусируется на основы и общие принципы академического письма для; написания эффективных предложений и абзацев; использования времен в научной литературе, а также стили и пунктуации; написания абстракта, введения, вывода, обсуждения, заключения, используемые литературы и ресурсы; цитирования в тексте; предотвращения плагиата, и составления презентации на конференции.

В курсе рассматриваются теоретические аспекты NLP, включая базовые сведения из области лингвистики, и практические методы обработки текстов. Рассматриваются классические алгоритмы обработки текстовой информации, такие как регулярные выражения, измерение расстояний, подстановок, поиск строк и подстрок. Лингвистические деревья. Корпус текста. Таксономия. Рассматриваются модели Word2Vec, Text Embeding, LSTM модели нейронных сетей. Изучаются существующие библиотеки анализа текстовой информации.

Курс способствует формированию знаний о научных исследованиях, методах и методологии научных исследований, методах сбора и обработки научных данных, принципах организации научных исследований, методологических особенностях современной науки, путях развития науки и научных исследований, роли технических наук, информатики и инженерных исследований в современной науке. В дисциплине рассматриваются структура технических наук, применение общенаучных, философских и специальных методов научных исследований в теории и на практике.

Курс изучает теоретические основы больших данных и распределенных вычислений, технологии построения систем хранения и обработки больших данных. Включает такие темы, как исследование сетевых протоколов взаимодействия и определение асинхронных и синхронных операций, проблемы фрагментации памяти и виртуальных машин исполнения инструкции, многопоточное программирование, многопроцессорное программирование, проблемы когерентности, устойчивости и методы их решения, проблемы сетевого взаимодействия.

В курсе рассматриваются вопросы оценки влияния технологий больших данных на деятельность организаций, умеющих разрабатывать научные, технические и инновационные решениия для информационной инфраструктуры предприятия с учетом возможностей технологий больших данных, организовать работу по внедрению основанного на технологиях больших данных аналитического инструментария и решений для управления большими данными, способных оценить экономическую эффективность таких проектов, управлять данными предприятия.

Курс посвящен изучению основ интеллектуального анализа данных (data mining) и машинного обучения. Курс позволяет познакомиться с современными технологиями интеллектуального анализа данных и примерами их применения для решения бизнес-задач, а также с основами машинного обучения как одной из главных современных концепций извлечения новых знаний и закономерностей из больших массивов данных и последующего их применения в системах искусственного интеллекта.

Извлекать нужную информацию из всевозможных источников, включая информационные потоки в режиме реального времени, разрабатывать научные, технические и инновационные решения для информационной инфраструктуры предприятия с учетом возможностей технологий больших данных.

Применять методы обработки текстовой информации, использовать принципы построения векторных представлений слов и текстов, проектировать архитектуру диалоговых систем, разрабатывать классификаторы текстов и алгоритмы выявления тематик.

Применять методы машинного обучения применительно к задачам обработки больших данных, вести научные изыскания, организовывать работы по сбору, хранению и обработке информации.

Проводить стилистический анализ научных, научно-технических и научно-популярных текстов, применять методику работы с текстом, включая поиск информации в справочной, специальной литературе и компьютерных сетях, использовать навыки ораторского искусства, правильного и логичного оформления своих мыслей в устной и письменной форме.

Создавать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения и глубокого обучения.

Применять методологию научного познания, принципы и структуру проведения научных исследований, использовать экспериментальные и теоретические методы исследования в области искусственного интеллекта и науки о данных.

Интегрировать знания, полученные в рамках разных дисциплин для решения научно-исследовательских задач в новых незнакомых условиях и генерации новых идей в контексте научных исследований в области искусственного интеллекта и науки о данных.

Применять различные виды моделей, используемых при разработке систем искусственного интеллекта, описывать взаимосвязь между моделями и разработкой систем искусственного интеллекта.