8D01514 Информатика в КУ им. Коркыт Ата

Дисциплины

• Методы научных исследований

  Дисциплина «методы научного исследования» направлена на изучение теоретических и прикладных основ научного поиска, разработку гипотез, проверку, анализ данных, интерпретацию результатов. Особое внимание уделяется современным методикам, научной этике и требованиям к публикационной активности. Вопросы дисциплины: научная деятельность, научное исследование и его методологические принципы, определение проблемы и темы исследования-первый этап научного поиска, анализ состояния исследуемой проблемы, первый этап постановки научного исследования, процесс и заключительный этап проведения научного исследования, методы исследования и их классификация, общая характеристика методов исследования, метод эксперимента и принципы его проведения, методы эмпирического исследования и эксперимента.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методика использования искусственного интеллекта в научных исследованиях

  Дисциплина «методика использования искусственного интеллекта в научных исследованиях» изучает применение ИИ для автоматизации анализа данных, моделирования, прогнозирования и оптимизации научных процессов. Рассматриваются методы машинного обучения, обработки естественного языка, компьютерного зрения и их интеграция в исследовательскую деятельность.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Применение генеративных моделей искусственного интеллекта при создании цифровых образовательных ресурсов

  Дисциплина « Применение генеративных моделей искусственного интеллекта при создании цифровых образовательных ресурсов» направлена на создание инновационных учебных материалов с использованием передовых технологий искусственного интеллекта. Будут изучены методы генерации текстов, изображений, видео и интерактивного контента, адаптация материалов к индивидуальным потребностям обучающихся, а также вопросы надежности, авторского права и этики в образовательной среде.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы анализа результатов обучения

  Дисциплина «методы анализа результатов обучения» направлена на изучение количественных и качественных методов оценки образовательных достижений. Рассматриваются статистические подходы, машинное обучение для анализа учебных данных, методы психометрического тестирования, образовательная аналитика (Learning Analytics), а также визуализация и интерпретация результатов с применением современных цифровых инструментов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Microsoft Power BI: анализ данных

  Дисциплина «Microsoft Power BI: анализ данных» направлена на изучение методов обработки, визуализации и интерпретации данных с использованием Power BI. Рассматриваются принципы работы с наборами данных, создание интерактивных отчетов и дашбордов, применение DAX-функций, автоматизация аналитических процессов и интеграция с внешними источниками данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Академическое письмо

  Цель дисциплины-развитие навыков научного письма, издательской деятельности и рецензирования. Особое внимание уделяется структурированию научных статей, оформлению ссылок, аргументации, стилистике и требованиям международных научных публикаций, выбору темы, поиску информации, процессу подписки, критическому мышлению, методу исследования, гипотезе и ее построению, анализу данных, написанию введения, основных разделов, заключения, а также этике академического письма и рецензирования.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Технологии SMART XR

  Цель: формирование у обучающихся всесторонних знаний и практических навыков в области разработки, проектирования и применения технологий дополненной реальности для решения различных задач в различных областях. Дисциплина "технологии Smart XR" охватывает современные подходы к разработке и применению дополненной, виртуальной и смешанной реальности в интеллектуальных системах. Будут изучены методы интеграции XR в различные области, взаимодействия, обработки данных и взаимодействия с пользователем, а также перспективы развития и этические аспекты технологий.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

Профессии

Результаты обучения

• Способен разрабатывать и публиковать научные статьи с соблюдением требований к структуре, аргументам и научному стилю, а также эффективно использовать академические источники, цитаты и библиографический дизайн в международных изданиях.
• Владеет методами разработки научных гипотез, проверки и анализа научных данных, использует теоретические и эмпирические подходы для проведения самостоятельных исследований с учетом требований к качеству и надежности данных.
• Может разрабатывать и применять инновационные решения на основе технологий Smart XR для улучшения образовательных и исследовательских процессов, а также проводить научные исследования в области дополненной и виртуальной реальности.
• Способен исследовать и разрабатывать образовательные ресурсы, производимые с помощью искусственного интеллекта, создавая персонализированные и адаптированные материалы; может разрабатывать цифровые образовательные ресурсы с использованием генерирующих моделей искусственного инетеллекта, таких как автоматическое генерирование текста, изображений и видео.
• Умеет использовать методы машинного обучения, обработки естественного языка и компьютерного зрения для решения исследовательских задач. Способен разрабатывать и оптимизировать алгоритмы искусственного интеллекта для автоматизированного анализа научных данных, может внедрять инструменты искусственного интеллекта в исследовательские процессы, обеспечивая при этом повышение их эффективности.
• Умеет обрабатывать и визуализировать сложные научные данные с использованием Microsoft Power BI, разрабатывает интерактивные отчеты, обеспечивая эффективное представление аналитических результатов, интегрирует Power BI с различными источниками данных, автоматизируя процессы обработки и анализа информации.
• Владеет статистическими инструментами для анализа результатов обучения, машинным обучением, методами анализа образования. Способен сформулировать предложения по совершенствованию образовательного процесса на основе объективных показателей.
• Может использовать технологии образовательной аналитики для мониторинга и анализа учебного процесса, прогнозирования академических достижений, выработки рекомендаций по улучшению образовательного опыта на основе данных.