8D06101 Интеллектуальные системы в МУИТ (IITU)

Дисциплины

• Методы анализа и обработка больших данных

  В данном курсе изучаются методы хранения, анализа и обработки больших объемов данных, а также как эффективно анализировать большие данные и извлекать из них деловую и социально значимую информацию. Курс знакомит докторантов с некоторыми ключевыми ИТ-технологиями, которые они смогут использовать для манипулирования, хранения и анализа больших данных. В курсе рассматриваются парадигма программирования MapReduce для параллельной обработки и Hadoop, среда с открытым исходным кодом, которая позволяет дешево и эффективно внедрять MapReduce в бизнес задачах. Докторанты получат возможность разрабатывать системы с высокой масштабируемостью, которые могут принимать, хранить и анализировать большие объемы неструктурированных данных в пакетном режиме и / или в режиме реального времени.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Современная теория управления

  Сформировать научное представление об управлении, как науке, искусстве и специфическом виде человеческой деятельности, этапах и путях его становления и развития в РК и за рубежом, а также сформировать основные практические навыки в области современного управления. 

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Актуальные проблемы в прогнозировании

  Курс охватывает основные принципы и особенности построения прогнозных моделей для оценки экспериментов, проверки адекватности построенных моделей и анализа полученных результатов, что составляют основу эффективного управленческого решения. В курсе подробно рассматриваются методы классификации, кластеризации и машинного обучения в прогнозировании с сопровождением мощного математического аппарата. Рассматривается оценка и визуализация прогностических моделей, используя ВИ-технологии, Probabilistic Forecasting, SAS, Deep-Learning, инновационной инженерии. В процессе учебной деятельности докторанты имеют возможность анализировать и оценивать известные научных исследования и генерировать собственные аналитические материалы для выработки стратегических решений современных проблем экономики и ИКТ.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Методы глубокого обучения

  В курсе рассматриваются методы глубокого обучения, обучения и развертывания нейронных сетей. В ходе обучения докторанты будут экспериментировать с данными, параметрами обучения, структурой нейронных сетей и другими параметрами для повышения производительности и расширения возможностей нейронных сетей, а также развертывать нейронные сети для решения реальных задач. По завершении курса докторанты смогут сравнивать и анализировать различные нейронные сети, решать собственные задачи с помощью алгоритмов глубокого обучения, формулировать задачи исследования и находить пути их решения на основе моделей и методов глубокого обучения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Методы научных исследований

  Курс представляет для докторантов методологию исследований в области информационных технологий. Темы рассматриваемые в курсе: важность исследований информационных технологий, методология обзора литературы, некоторые методологии исследования информационных технологий, то есть формальный метод, обзор литературы, разработка прототипа, эксперимент и оценка. Студенты познакомятся с различиями между количественными и качественными исследованиями. В курсе также обсуждаются методы написания результатов, такие как написание отчетов, написание статей и написание тезисов. В конце курса будет обсуждаться управление исследованиями, обсуждение в этой теме будет сосредоточено на написании исследовательских предложений, надзоре за исследовательской деятельностью и управлении результатами исследований.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Теоретическая компьютерная инженерия

  Формирование и развитие общих и профессиональных компетентностей у докторанта в области «Теоретическая компьютерная инженерия», который будет способен обеспечить решение сложных задач и практических проблем проектирования, построения и настройки компьютерных систем, использовать и внедрять технологии компьютерной инженерии.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Академическое письмо

  Курс «Академическое письмо» является обязательным компонентом докторской программы Ph.D. Это практический 5-ти кредитный курс продолжительностью один семестр, который, базируясь на исследовательских навыках докторантов и знании английского языка, развивает и углубляет их навыки академического письма, необходимые в проведении научных исследований, написании научных статей и диссертации. В рамках курса докторанты будут вовлечены в интенсивное чтение, изучение стратегии и форматов академического письма, которые они научатся самостоятельно применять при освоении и получении степени Ph.D. К концу курса студенты должны организовать и представить портфолио по своим исследованиям и написать подробный план исследовательской статьи.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интеллектуальный анализ данных

  Этот курс описывает основы методов анализа данных, таких как методы классификации, моделирования и прогнозирования, основанные на использовании деревьев решений, искусственных нейронных сетей, генетических алгоритмов, эволюционного программирования, ассоциативной памяти, нечеткой логики

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Интеллектуальные системы

  «Интеллектуальные системы» является ознакомление докторантов с проблематикой и областями использования искусственного интеллекта в информационных системах, освещение теоретических и организационно-методических вопросов построения и функционирования систем обработки знаний

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

Профессии

Результаты обучения

• Проектировать модели и разрабатывать архитектуру искусственных нейронных сетей для конкретных предметных областей
• Предлагать обоснованные заявки или пояснительные записки научно-исследовательских проектов в области интеллектуальных систем
• Применять методы обработки больших данных и интеллектуального анализа данных для решения ресурсоемких задач
• Применять алгоритмы машинного обучения и реализовывать их в интеллектуальных системах
• Генерировать собственные новые научные идеи в конкретной предметной области и доносить их до научного сообщества
• Формулировать задачи исследования и найти пути их решения на основе моделей и методов интеллектуального анализа данных, машинного обучения, нейронных сетей, теорий вычислительной сложности и оптимизацииинформации
• Разрабатывать интеллектуальные информационные системы и компоненты к ним на основе современных методов науки о данных
• Демонстрировать закономерности познания интеллекутальных процессов, методы поиска, обработки и представления профессионально значимых данных
• Разрабатывать алгоритмы и правила анализа, принятия решений, работы, обучения и самообучения, коммуникации, взаимодействия и развития универсального ИИ
• Оценить свои и известные научные исследования и подготавливать аналитические материалы для выработки стратегических решений в области интеллектуальных систем

Похожие ОП