7M06112 Технологии искусственного интеллекта в ЕНУ им. Л. Н. Гумилева

Дисциплины

• Формальные грамматики

  Дисциплина направлена на приобретение навыков формального описания языка, различения порождающей и распознающей (или аналитической) грамматики, которые устанавливают правила, в соответствии с которыми может быть построено любое слово языка, и позволяют определить, принадлежит ли слово какому-либо языку или нет.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Психология управления

  Дисциплина направлена на формирование социально-управленческого мировоззрения у магистрантов Дисциплина в контексте решения управленческих задач, определенных профессиональной деятельностью магистра в национальной рамке квалификации и квалификационном справочнике руководителей и специалистов. Цель дисциплины заключается в систематизации и углублении знаний о социально-психологических процессах, явлениях, свойствах и основных категориях психологии управления для дальнейшего применения в управленческой деятельности магистров. Содержание дициплины включает такие темы как личность руководителя, особенности руководства и лидерства как социальных феноменов, основные функции управленческой деятельности, стили управления и руководства, личность подчиненного как объект управления, социализация личности как социальный феномен, характеристика процесса адаптации подчиненного к условиям организации, система регуляции поведения и деятельности личности, общение как социальный феномен, особенности управленческого общения и другие.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Педагогика высшей школы

  Дисциплина «Педагогика высшей школы» направлена на изучение парадигмы, тенденций, дидактики высшей школы и методологии научного исследования педагогической науки. Цель дисциплины - формирование у магистрантов профессиональной, методической компетентности и педагогической культуры в педагогической деятельности. Данная дисциплина способствует созданию педагогических условий, обеспечивающих развитие педагогической позиции магистрантов, формированию субъектного характера личности преподавателя в системе профессионального образования. Содержание дисциплины рассматривают объект и предмет, задачи, функции педагогики высшей школы, место в системе педагогических наук; сущность явлений и процессов высшего образования, основные тенденции его развития; современные образовательные парадигмы; содержание образования в высшей школе; структура педагогического процесса высшей школы; дидактика высшей школы и технологии, методы и формы обучения; педагогический менеджмент в системе высшего образования.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Вычислительные модели

  Дисциплина направлена на изучение вычислительных моделей алгоритмов для решения различных задач, дать представление и понимание основных направлений развития теории алгоритмов; формирование знаний и практических навыков для программирования и дальнейшего изучения языков программирования. Дисциплина позволит изучить применяемые на практике вычислительные модели, их особенности (машины Тьюринга, Поста, рекурсивные функции, нормальные алгорифмы Маркова и др.).

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Онтологии, семантические технологии

  Дисциплина охватывает основы и методы создания и применения онтологий и семантических технологий для представления, интеграции и анализа данных. Дисциплина позволит изучить принципы построения онтологий, стандарты и языки описания знаний, а также практическое применение семантических технологий для решения задач в различных областях.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методология научных исследований

  Дисциплина направлена на изучение методологических основ научного познания, методов работы с научной литературой и базами данных, на формирование теоретических знаний о сущности современных научных методов и теоретических концепций современной методологии науки, навыков и умений реализации научной методологии в диссертационном исследовании, на приобретение навыков написания научной статьи и магистерской диссертации.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Машинное обучение и приложения

  Дисциплина направлена на приобретение базовых навыков проектирования, разработки и развертывания приложений на основе машинного обучения (МО), создания МО-приложений с упором на опыт: для специалистов по обработке данных, разработчиков программного обеспечения и менеджеров по продукту. Магистранты осваивают создание конкретных практических приложений-от идеи до реализации, изучают планирование и измерение успеха МО-проектов, а также анализ того, как построить рабочую модель

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Анализ и обработка больших объемов информации

  Дисциплина направлена на изучение многообразных подходов, методов, принципов и инструментов обработки структурированных и неструктурированных данных в огромных объемах и эффективного получения результатов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Языки программирования для анализа и обработки данных

  Дисциплина ориентирована на изучение современных языков обработки больших данных: Python, R, Scala, Julia и другие, которые отличаются наличием огромного выбора приложений для сбора и обработки статистических данных и визуализации данных, подходят для статистических исследований и науки о данных. Дисциплина фокусируется на практическом применении языков программирования для решения реальных задач в области обработки и анализа больших данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• История и философия науки

  Курс направлен на изучение истории науки, философских основ научного знания и методологии научного исследования. Цель курса – формирование у магистрантов целостного понимания развития науки как социального института, а также в освоении методологических основ и проблем современной науки. Курс знакомит с историей взаимоотношений науки и философии, включая конкретные онтологические и эпистемологические проблемы, а также с философскими проблемами конкретных наук в их современном состоянии. Курс способствует критическому анализу современных научных достижений, выработке методологической культуры научно-исследовательской работы.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Иностранный язык (профессиональный)

  Целью данной дисциплины является приобретение и совершенствование компетенций в соответствии с международными стандартами иноязычного обучения, позволяющих использовать иностранный язык (уровень сверхбазовой стандартности (С1) как средство общения для успешной профессиональной и научной деятельности будущего магистра, способного конкурировать на рынке труда. Курс обучения предполагает изучение английского языка в профессиональном и академическом контексте в соответствии с образовательной программой. Основное внимание уделяется изучению и активному использованию специфической терминологии, связанной с профессиональной и научной сферой, критическому чтению, анализу текстов, восприятию информации, полученной через прослушивание, развитию академических навыков письма, необходимых для написания научных работ, а также развитию навыков устной речи для коммуникации в академической среде.

  Год обучения - 1
  Семестр - 2
  Кредитов - 4
  

• Алгоритмы машинного обучения для обработки данных

  Дисциплина знакомит магистрантов с основными направлениями в разработке алгоритмов машинного обучения для прикладного анализа больших массивов данных и закладывает необходимую теоретическую базу для разработки новых алгоритмов машинного обучения, применимых для анализа больших данных на практике

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Интеллектуальные информационные системы и технологии их разработки

  Дисциплина направлена на изучение признаков интеллектуальности информационных систем; современных информационных технологии, обеспечивающих свойств интеллектуальности; основных классов интеллектуальных информационных систем: экспертные системы, системы с интеллектуальным интерфейсом, самообучающиеся и адаптивные системы, особенности проектирования технологии и инструментальные и средств разработки интеллектуальных информационных систем. Магистранты приобретут навыки разработки интеллектуальных информационных систем.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Статистические методы обработки естественного языка

  Дисциплина направлена на изучение cтатистических методов обработки естественного языка. Обработка речевых сигналов. Классификация методов обработки в частотной, временной и частотно-временной областях, применяемых в задачах фильтрации, сегментации, определения и распознавания речевых сигналов

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Обработка речи

  Дисциплина предназначена на формирование базовых знаний в области компьютерной обработки речевой и аудио, видео информации как дисциплины, обеспечивающей технологические основы современных инновационных сфер деятельности. Рассматривает принципы решения задач обработки (цифровой обработки, анализа, распознавания) естественной речи на основе методов машинного обучения и распознавания образов.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы обработки текстового корпуса

  Дисциплина направлена на изучение методов обработки текстового корпуса. Анализ текста для выделения высокочастотных, среднечастотных и низкочастотных терминов. Методы автоматического подбора, разметки, анализа текстов и выявление соответствий. Организация поиска: простого графического написания, по лемме, по грамматической категории, по пунктуации, по части слова. Применение современных методов корпусной лингвистики при анализе текста. Создание, настройка и анализ новых подкорпусов текста.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Методы разработки программного обеспечения обработки естественного языка

  Дисциплина ориентирована на изучение интерпретация основных лингвистических объектов и единиц анализа, методов, необходимых для создания отдельных подсистем, отвечающих за анализ текстов на естественном языке. Рассматриваются вопросы анализа тональности и тематического моделирования текстов, извлечения информации из текстов

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Искусственный интеллект в управлении проектами

  Дисциплина позволит изучить возможности применения ИИ для управления проектами: создание виртуального помощника руководителя проекта, для автоматизации распределения задач и ресурсов; аналитика по проекту (выявления рисков срыва сроков); автоматический подбор оптимальной команды проекта, оценивание качества плана разработки программного продукта (ресурсы, сроки, риски), корректировка плана разработки программного продукта, проверка соответствия нормативным техническим документам.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Проектирование и создание систем искусственного интеллекта

  Дисциплина направлена на ознакомление с архитектурой систем искусственного интеллекта, системой распознавания образов, вопросасми адаптации, обучения и самообучения систем ИИ. Рассматривается основные принципы, методы и инструменты, необходимые для разработки, тестирования и реализации систем искусственного интеллекта, этические и социальные аспекты применения ИИ при разработке интеллектуальтных систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Методы нечеткого моделирования

  Дисциплина ориентирована на изучение основных понятий теории нечетких множеств, основ нечеткой логики и нечетких вычислений, построение нечетких моделей для прикладных задач, выбор методов нечеткого моделирования применительно к информационным технологиям. Рассматриваются основные понятия теории нечетких множеств и нечеткой логики; нечеткие операции; типы нечетких продукционных моделей: лингвистическая, реляционная, TS; базы знаний нечетких моделей и их свойства; алгоритмы нечеткого логического вывода; применение нейронных сетей в нечетком моделировании; нечеткое управление.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Разработка алгоритмов для реализации методов машинного обучения

  Дисциплина направлена на изучение существующих подходов и методов разработки алгоритмов для машинного обучения, чтобы решать задачи классификации, кластеризации, регрессии и прогнозирования. Магистранты приобретут навыки разработки алгоритмов для проектирования на основе машинного обучения приложений обработки естественных языков, распознавания речи, компьютерного зрения, онлайновых рекомендательных систем, биоинформатики, видеоигр и др.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Мягкие вычисления

  Дисциплина направлена на ознакомление магистрантов с основными принципами и методами применения аппарата мягких вычислений для решения различных прикладных задач, возникающих в программировании, а также при разработке интеллектуальных систем в различных областях. Рассматривается несколько подходов мягких вычислений, таких как нечеткая логика, нейронные сети и эволюционные алгоритмы, для создания систем, способных адаптироваться и обучаться.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Системы поддержки принятия решений

  Необходимость обучения данной дисциплины обусловлена тем, чтобы магистранты должны владеть теоретическими знаниями основных этапов процесса принятия решений; многокритериальной модельи принятия решений и принцип Парето; структурного анализа множества критериев; принятии решений в условиях неопределенности и риска; лингвистического подхода к принятию решений; классификации систем поддержки принятия решений; архитектуры, представление информации которые обязательны в профессиональной деятельности в области искусственного интеллекта.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Анализировать основные мировоззренческие и методологические проблемы, в т.ч. междисциплинарного характера, исследуемые в науке на современном этапе ее развития и использовать результаты в профессиональной деятельности.
• Владеть современными и инновационными (в том числе цифровыми) технологиями обучения и разработки учебно-методических материалов по преподаваемым дисциплинам, обладать коммуникативными способностями
• Применять вычислительные модели для обработки и анализа больших данных в искусственном интеллекте
• Проводить исследования и делать из них обоснованные выводы, интегрировать научные знания из различных областей
• Выбирать алгоритмы для обработки данных путем машинного обучения; выбирать язык программирования для реализации программы; применять разработанные технологии для машинного обучения и разрабатывать программные средства для анализа данных.
• Применять методологии управления проектами разработки программного обеспечения; проектировать и создавать системы искусственного интеллекта; обосновать модели и методы, исползуемые для принятия решений.
• Применять методы машинного обучения при разработке систем для решения задач по анализу данных; определять и классифицировать данные, оценить взаимосвязь между данными для решения задач по их обработке; анализировать большие массивы данных с целью подбора наиболее оптимального алгоритма обучения
• Исследовать методы разработки алгоритмов для обработки естественного языка; разрабатывать приложения для проведения семантического, синтаксического, морфологического анализа естественного языка; сравнивать и анализировать эффективность применения разработанных алгоритмов

Похожие ОП