7M06103 Машинное обучение и анализ данных в Карагандинский государственный технический университет

Дисциплина изучает современные концепции и методы организации баз данных, методы и средства получения, хранения и переработки больших данных. Курс представлен разделами: этапы и методы проектирования баз данных, распределенные БД, предпроектное обследования объекта проектирования, системный анализ предметной области, современные инструментальные программные средства Изучение курса ориентировано на формирование понятий о концепциях баз данных, основных положениях концепций; о структурах данных.

Дисциплина изучает современные методы программирования для решения прикладных задач анализа и обработки данных. Курс представлен разделами: алгоритмы и средства обработки данных для решения научно-исследовательских и прикладных задач Изучение курса направлено на формирование у обучающихся знаний и умений в области разработки алгоритмов, методов и технологий решения практических задач, применение современных методов программирования.

Предметное содержание дисциплины представлено в виде когнитивно-лингвокультурологических комплексов, состоящих из коммуникативных сфер, речевых тем и типовых ситуаций профессионально-научного общения. Изучение курса ориентировано на формирование межкультурно-коммуникативной компетенции в процессе иноязычного профессионально-отраслевого образования.

Дисциплина изучает современные методы и способы реализации инструментов интеллектуального анализа данных в корпоративных системах и приложениях для получения знаний. Курс представлен разделами: методы предварительной обработки данных, методы классификации, кластеризации, прогнозирования, деревья решении, последовательные методы. Изучение курса ориентировано на формирование навыков исследования различных процессов на компьютере, практического применения методов Data Mining для решения различных научных и технических задач

Дисциплина изучает современные тенденций развития баз данных в исследовании больших данных, использование методов и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Курс представлен разделами: проектирования приложений, структуры базы данных, программных интерфейсов. Изучение курса ориентировано на формирования навыков проектирования и создания корпоративных систем приложения.

Дисциплина изучает современные тенденции гуманизации и демократизации учебно-воспитательного процесса в высшей школе (ВШ), новые технологии обучения и воспитания, ориентирует на индивидуально-творческий стиль педагогической деятельности. Курс представлен разделами: современная парадигма высшего образования; методология педагогической науки; теория обучения в ВШ. Изучение курса ориентировано на формирование профессионально-педагогической культуры преподавателя ВШ.

Дисциплина раскрывает закономерности развития науки. Курс представлен разделами: структура научного знания; глобальные проблемы развития научного знания и техногенной культуры. Изучение курса ориентировано на формирование общенаучной, философско-методологической, мировоззренческой и дисциплинарно-теоретической базы для научной и научно-педагогической деятельности будущих специалистов, ученых, преподавателей.

Дисциплина ориентирована на формирование системных представлений и понимания психологической сущности управленческой деятельности; овладение основными социально-психологическими методами управления; развитие мотивации личностного роста. В курсе рассматриваются методологические основы психологии управления; социально-психологические проблемы управления и пути их решения; основы психологии руководителя. Изучение курса ориентировано на повышение культуры управленческой деятельности.

Дисциплина направлена на формирование профессиональных знаний и умений в области освоения современных технологий разработки программных продуктов, компонентного подхода построения программного обеспечения; применения инструментальных средств ускоренной разработки программ и современных технологий программирования. Курс представлен разделами: объектно-ориентированные среды; программирование компонентов и быстрая разработка приложений; технологии организации доступа к данным.

Дисциплина изучает основу в профессиональной подготовке выпускников в области фактического извлечения и обработки данных, то есть задач автоматического или полуавтоматического анализа больших объемов данных Курс представлен разделами: методы баз данных, методологии и средства проектирования систем искусственного интеллекта для извлечения ранее неизвестных интересных моделей, таких как группы записей данных, необычных записей и зависимостей. Изучение курса ориентировано на формирование навыков анализа обработки неструктурированных данных для решения различных научных и технических задач.

Дисциплина «Казахский язык (профессиональный)» входит в университетский компонент цикла основных дисциплин. Изучение курса направлено на формирование способности к общению в конкретных профессиональных и деловых сферах, ситуациях с учетом особенностей профессионального мышления. Содержание дисциплины представлено в виде когнитивно-лингвокультурологических комплексов, состоящих из типичных ситуаций профессионального общения. Дисциплина «Казахский язык (профессиональный)» изучается магистрантами с русским языком обучения по всем специальностям с целью развития профессиональных и педагогических компетенций, необходимых для обучения.

Дисциплина «Русский язык (профессиональный)» входит в университетский компонент цикла основных дисциплин. Изучение курса направлено на формирование способности к общению в конкретных профессиональных и деловых сферах, ситуациях с учетом особенностей профессионального мышления. Содержание дисциплины представлено в виде когнитивно-лингвокультурологических комплексов, состоящих из типичных ситуаций профессионального общения. Дисциплина «Русский язык (профессиональный)» изучается магистрантами с казахским языком обучения по всем специальностям с целью развития профессиональных и педагогических компетенций, необходимых для обучения.

Дисциплина является основой методической подготовки преподавателя высшей школы. Курс направлен на разработку учебно-методической документации на основе нормативно-правовой базы организации образовательного процесса высшей школы и диагностичных целей обучения, ориентированных на результат; отбор наиболее рациональных форм и дидактических методов. Изучение курса ориентировано на формирование умений проведения занятий по базовым и профилирующим дисциплинам с использованием современных технологий обучения.

Дисциплина составляет основу разработки и внедрения компонентов системы искусственного интеллекта для повышения скорости и качества обработки данных и принятия решений. Курс представлен разделами: компоненты системы искусственного интеллекта; обработки данных и принятия решений; визуализация данных; построение аналитических моделей. Изучение курса ориентировано на формирование способности к знанию возможности Data Science и технологии машинного обучения, осуществления проверки статистических гипотез, подготовки исходных данных, строить аналитические модели, оценивать аналитические модели, визуализировать данные.

Дисциплина составляет основу формирования теоретической подготовки и практических навыков использования алгоритмов машинного обучения и анализа данных. Курс представлен разделами: математические методы и алгоритмы теории машинного обучения; методы теории адаптивного прогнозирования; построения модели анализа предметной области. Изучение курса формирует способность применения основных математические методов и алгоритмов теории машинного обучения, методов теории адаптивного прогнозирования, построения модели предметной области с использованием средств представления знаний.

Дисциплина изучает методы и технологии системы поддержки принятия решений путем распознавания образов в различных системах, способов их применения для обработки информации и распознавания систем. Курс предоставлен разделами: глубокие знания об особенностях изображения, их обнаружении и описании, методах сопоставления, распознавании ключевых точек, базовых и расширенных алгоритмах отслеживания. Изучение курса ориентировано формирование практических навыков применения технологии анализа данных и машинного обучения для решения практических задач в области распознавания образов.

Дисциплина изучает оптимальные методы и алгоритмы для обнаружения и отслеживания признаков данных Курс рассматривает методы Монте-Карло цепи Маркова, алгоритм максимизации ожидания и генерация случайных переменных, правила ассоциации и априорный алгоритм анализа рыночной корзины, введение в обучение без учителя, кластерный анализ и анализ главных компонентов. Дисциплина направлена на формирование у магистрантов знаний и умений в области современных методов вычислительной статистики, проведения оценки качества данных и подготовки аналитического отчета по результатам исследовательских работ.

Дисциплина изучает алгоритмы для построения нейронных систем и их применения при решении задач обработки текстовых данных. Курс представлен разделами: принципы построения архитектуры систем искусственного интеллекта, архитектуры глубокого обучения, анализ эмоциональной окраски, прикладной интерфейс для глубокого обучения текстовых данных. Дисциплина направлена на формирование навыков использования средств с технологией нейронных сетей для обработки текстовых данных, помогающих принимать решения или генерировать прогнозы на основе новых данных, путем поиска закономерностей в них.

Дисциплина изучает методы и инструменты для разработки компонентов и приложений обработки естественного языка (NLP). Курс представлен разделами: основные строительные блоки и приложения NLP с упором на необходимую лингвистическую интуицию; статистические модели языковых задач. Изучение курса ориентировано на формирование навыков использования современных направлений развития интеллектуальных систем и программных реализациях технологий.

Дисциплина изучает обработку и анализ видеоданных и изображений для создания интеллектуальных видеокомпьютерных систем. Курс представлен разделами: методы и алгоритмы обработки, преобразования, фильтрации и сегментации цифровых изображений, аддитивные и мультипликативные точечные шумы, алгоритм Хафа, детектор границ Кани, монохроматические и хроматические аберрации, распознавание с учителем и без учителя. Изучение курса ориентировано на формирования навыков использования математических и алгоритмических аппаратов для решения задач компьютерной обработки изображений и современные информационные технологии.

Дисциплина изучает понятийный аппарат, методы, методики и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Курс представлен разделами: основы понятийного аппарата; методы и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Дисциплина направлена на формирование у магистрантов знаний и умений в области технологии анализа данных и машинного обучения для решения конкретных практических задач.

Использовать современные методы и средства программирования для получения, хранения и обработки больших данных

Руководить разработкой и реализацией креативных идей в профессиональной деятельности

Использовать машинное обучение для решения научно-исследовательских и прикладных задач

Использовать методы машинного обучения и статистический анализ данных для прогнозирования бизнес-процессов

Осуществлять комплексные исследования, в том числе междисциплинарные, на основе целостного системного научного мировоззрения с использованием знаний в области истории и философии науки

Осуществлять образовательную и межкультурную коммуникацию в производственной и научно-педагогической деятельности на основе психолого-педагогических принципов

Проектировать и создавать интеллектуальные системы для обработки текстовых, звуковых, графических и видео данных c помощью нейронных сетей

Создавать технические проекты прикладных систем искусственного интеллекта с использованием технологии машинного обучения