8D06112 Искусственный интеллект в ЕНУ им. Л. Н. Гумилева

Дисциплины

• Академическое письмо

  Академическое письмо позволяет докторантам структурировать и форматировать свои собственные научные тексты, развивать навыки письменной и устной речевой деятельности в научной сфере. Теоретический материал и практические задания помогут обучающимся овладеть языковыми средствами научного стиля, совершенствовать навыки создания и оформления собственных научных текстов, научить исследователя писать таким образом, чтобы научный текст был кратким, убедительным и удобно организованным для других исследователей, а также знать и применять научную терминологию по информационным технологиям и кибербезопасности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Базы знаний интеллектуальных систем

  Дисциплина "Базы знаний интеллектуальных систем" занимается изучением методов обработки и анализа текстов на естественных языках с использованием баз знаний интеллектуальных системах. Докторанты исследуют различные применения баз знаний в различных областях, таких как медицина, биоинформатика, финансы, право и другие, а также разработка специализированных приложений на основе баз знаний, также исследуют взаимодействия между базами знаний и другими компонентами интеллектуальных систем, такими как алгоритмы машинного обучения, системы управления знаниями и экспертные системы.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Модели, методы и инструментальные средства для разработки систем искусственного интеллекта

  Дисциплина "Модели, методы и инструментальные средства для разработки систем искусственного интеллекта" занимается изучением основных концепций и подходов к созданию и развитию искусственного интеллекта. В ходе обучения докторанты исследуют методов интеграции знаний из различных источников и их использование для построения более интеллектуальных систем. Курс также охватывает вопросы этики и безопасности в области искусственного интеллект.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Модели организации и управлениия данными

  Дисциплина "Модели организации и управления данными" занимается изучением методов анализа данных для поддержки принятия бизнес-решений, включая прогнозирование, оптимизацию и моделирование бизнес-процессов, специфику организации и управления данными в облачных окружениях, включая проблемы безопасности, производительности и масштабируемости, также рассматривается применение методов машинного обучения и data mining для извлечения ценной информации из больших наборов данных и принятия на их основе решений.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы научных исследований

  Курс направлен на эффективное использование методов анализа результатов научных исследований в области информационных технологий, изучение теоретико-методологических и практических аспектов поиска, обработки информации и кибербезопасности. В результате обучающиеся на теоретическом и прикладном уровне научаться выявлять закономерности технологии поиска информации и обработки результатов поиска научных фактов, получаемые опытным путем, формировать эмпирическую базу для научных выводов, интерпретировать практические данные согласно научным концепциям.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Модели и методы распознавания и синтеза речи

  Курс направлен на изучении современных моделей и методов трех основных областей синтеза: дифонический подход (дифон — это звук от серейна одной фонемы до центра соседней фонемы), аллофонический подход (окружающий фонему контекстом слева и справа) и технология единичного выбора синтеза (выбор звуковых элементов из речевой базы).

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Модели и методы глубокого обучения в компьютерном зрении

  Дисциплина "Модели и методы глубокого обучения в компьютерном зрении" посвящена изучению передовых методов машинного обучения, применяемых для анализа и обработки изображений и видео. Докторанты изучают основные концепции и модели глубокого обучения, такие как сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), а также их комбинации для решения задач компьютерного зрения, включая классификацию изображений, семантическую сегментацию, детекцию объектов и другие.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Продвинутые нейронные сети и их приложения

  В ходе курса изучается архитектура нейронных сетей, таких как сверточные, рекуррентные, трансформеры, для решения прикладных задач и рассматривается выполнение нейронных вычислений с использованием приложений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Приложения компьютерной лингвистики и практические методы обработки текстов

  Дисциплина "Приложения компьютерной лингвистики и практические методы обработки текстов" занимается изучением технологий и методов обработки естественного языка. Докторанты изучают основные задачи компьютерной лингвистики, такие как анализ и синтез речи, машинный перевод, распознавание и генерацию текста, извлечение информации, классификация текстов и другие.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Формировать исследовательские навыки по конкретной научной отрасли и применять методы объективной экспертизы научных результатов в области науки и образования
• Разработать и использовать баз знаний для построения интеллектуальных систем, способных к анализу и принятию решений на основе имеющихся знаний, управлять данными в современных информационных системах; разработать, обучать и произвести тестирования ИИ-систем
• Изучить архитектуры нейронных сетей, таких как свёрточные, рекуррентные, трансформеры, и вычислять нейронные вычисления с использованием приложений
• Применять методы компьютерной лингвистики для эффективной обработки текста при совершенствовании практических приложений
• Анализировать и интерпретировать результаты обучения моделей глубокого обучения в контексте проблем компьютерного зрения
• Анализировать научные проблемы и процессы, проводить научные исследования в области ИКТ с применением технологии ИИ