8D06102 Компьютерные науки в Университет имени Сулеймана Демиреля

Данный курс предназначен для изучения самых передовых моделей глубокого обучения и обучения с подкреплением, а также фокусируется на реализации моделей с использованием Pytorch.

Данный курс посвящен изучению методологий исследования, используемой в компьютерных науках. Курс охватывает различные темы: от выявления и формулирования вопросов исследования, поиска литературы, сбора данных, принципов планирования экспериментов и статистики до различных аспектов оценки результатов, их интерпретаций и дискуссий.

В этом курсе докторанты узнают прошлые и текущие тенденции в исследованиях ИТ в образовании. Этот курс охватывает процессы и человеческие качества, взаимодействия, организации и институты, которые формируют результаты обучения, полный спектр строгих методов, соответствующих заданным вопросам, а также стимулирует разработку новых инструментов и методов.

Курс посвящен изучению принципов превосходного академического письма для докторантов, готовящих ряд текстов, включая научные статьи, предложения для конференций, научные отчеты и диссертации.

Этот курс позволит преодолеть разрыв между общепринятыми представлениями об искусственном интеллекте и тем, чем он является на самом деле. Искусственный интеллект можно внедрить во все области образовательного сектора, и этот курс покажет докторантам, как это сделать.

Курс представляет собой введение в обработку естественного языка для докторантов — изучение человеческого языка с вычислительной точки зрения. Охватывает модели синтаксической, семантической и дискурсивной обработки, уделяя особое внимание машинному обучению или методам и алгоритмам на основе корпусов. Также охватывает применение этих методов и моделей в синтаксическом анализе, извлечении информации, статистическом машинном переводе, диалоговых системах и обобщении.

Этот курс посвящен обработке изображений и компьютерному зрению, изучению методов, позволяющих машине обучаться и анализировать изображения и видео с использованием геометрии и статистического обучения. Знать широкий спектр тем, от основ формирования и обработки изображений до новейших методов глубокого обучения, направленных на решение высокоуровневых задач визуального распознавания, таких как сегментация изображений и обнаружение объектов.

В этом курсе докторанты узнают основные методы в различных алгоритмах хранения и анализа больших данных. Большая часть практической части курса будет связана с реализацией Apache Hadoop парадигмы MapReduce.. Некоторая теоретическая часть этого курса посвящена объяснению существующих платформ экосистемы Hadoop, таких как Pig, Hive, HBase, Spark и т. д.

Самостоятельно проводить научные исследования применяя принципы проведения научных исследований, а также экспериментальные и теоретические методы исследования в области компьютерных наук

Публиковать научные статьи, применяя систематический анализ научных работ, а также используя навыки академического письма

Создавать системы искусственного интеллекта, применяя различные виды моделей и алогоритмов глубокого обучения

Обрабатывать текстовые и голосовые данные, применяя фундаментальные концепции и методы обработки естественного языка

Разрабатывать решения для обработки больших данных, используя алгоритмы машинного обучения

Решать проблемы в области обработки изображений и компьютерного зрения, анализируя существующие практические системы компьютерного зрения.