7M07115 Машинное обучение и анализ данных в КазНУ им. аль-Фараби

Дисциплины

1 Год обучения Педагогика высшей школы Предиктивный анализ Программирование для Data Science История и философия науки Компьютерные модели вычислений Обработка и анализ данных Нейронные сети Методы и модели многомерного анализа данных Построение и анализ алгоритмов Иностранный язык (профессиональный) Психология управления Визуализация данных Организация и планирование научных исследований (англ) Методы статистического анализа данных

2 Год обучения Глубокое обучение Прикладное машинное обучение Методы машинного обучения для обработки промышленных данных Инфраструктура больших данных Облачные решения для машинного обучения Прикладной кластерный анализ Специализированные технологии больших данных Архитектуры нейронных сетей для глубокого обучения

Результаты обучения

• Применять современные многомерные статистические методы, инструменты статистического моделирования и программные системы при решении задач анализа различных процессов и явлений.
• Проектировать и разрабатывать высокоэффективные алгоритмы и структуры данных для вычислительных задач в различных областях, применять инструменты и методы, необходимые для алгоритмических решений научных и прикладных задач, применять коллективную среду документирования программного обеспечения.
• Управлять инфраструктурой коллективной среды разработки программного обеспечения систем искусственного интеллекта, обучать и применять глубокие нейронные сети для решения задач анализа данных, требующих больших вычислительных ресурсов, производить настройку и развертывание моделей нейронных сетей с помощью сред глубокого обучения.
• Использовать навыки работы с информацией из различных литературных источников, представлять ее в различных формах сообщений, презентаций и докладов с учетом специфики аудитории, обосновывая и грамотно излагая свою точку зрения на проблемные вопросы. Эффективно работать в команде при поиске и решении научно-исследовательских проблем ОП
• Применять принципы построения и организации современных программных решений для обработки больших данных, возможности средств интеграции систем, приложений и сервисов, проектировать и использовать архитектуры интеграционных платформ, приложения и сервисы высоконагруженных систем хранения и обработки больших данных.
• Самостоятельно проводить научные исследования, понимать текущие вопросы исследования, анализировать и критически относиться к различным источникам информации, применять их для структурирования и формулирования рассуждений.
• Разрабатывать алгоритмы прикладного машинного обучения, предназначенные для описания, изучения и анализа различных наборов данных, нахождения скрытых закономерностей и связей в данных, построения предиктивных моделей.
• Применять управляемые облачные службы для создания и развертывания решений прогнозной аналитики на основе методов машинного обучения, разрабатывать и внедрять компоненты систем искусственного интеллекта для повышения скорости и качества обработки промышленных данных.
• Создавать приложения для прогнозного моделирования, использовать методы и приложения обнаружения шаблонов в интеллектуальном анализе данных, создавать и интерпретировать визуализацию, оценивать возможности специализированных приложений по интеллектуальному анализу данных.
• Вести научно-педагогическую деятельность, внедрять результаты исследований в практическую педагогическую деятельность, руководить исследовательской группой.